油氣井套管變形段位置及其缺陷的渦流檢測(cè)

黃 華，徐 菲，羅 慶，周 瑩，劉半藤, 黃平捷

(1.中國(guó)石化 中原油田分公司 石油工程技術(shù)研究院，濮陽(yáng) 457000；2.浙江樹人大學(xué) 信息科技學(xué)院，杭州 310015；3.浙江大學(xué) 控制科學(xué)與工程學(xué)院，杭州 310027)

在高含硫氣田的開發(fā)過(guò)程中，硫化氫的安全管控是核心，如果套管破裂或錯(cuò)斷，就會(huì)發(fā)生地下井噴事故。一旦發(fā)生硫化氫泄漏，有害氣體就會(huì)進(jìn)入大氣和水，不僅嚴(yán)重影響氣田的正常生產(chǎn)，還將造成難以預(yù)計(jì)的環(huán)境污染、人身傷亡和經(jīng)濟(jì)損失。因此，對(duì)油氣套管的變形檢測(cè)十分必要且急迫。

目前，常規(guī)井下監(jiān)測(cè)套管的測(cè)井技術(shù)有溫度流量測(cè)井、井下電視測(cè)井、多臂井徑測(cè)井和渦流測(cè)井等。由于某氣田具有氣體流動(dòng)性和結(jié)構(gòu)復(fù)雜性，且溫度變化不定，所以溫度流量測(cè)井并不適用；井下電視測(cè)井技術(shù)利用光學(xué)或超聲波成像原理[1]檢測(cè)套管內(nèi)的腐蝕、變形和錯(cuò)斷情況；多臂井徑測(cè)井技術(shù)是檢測(cè)套管損傷的主要手段之一[2]，其利用展開的機(jī)械臂測(cè)量套管內(nèi)徑；但由于高含硫氣田的H2S和CO2含量高，腐蝕性、危害性強(qiáng)，投產(chǎn)時(shí)采用多層一體化管柱生產(chǎn)，現(xiàn)有的井下電視測(cè)井技術(shù)和多臂井徑測(cè)井技術(shù)都無(wú)法穿透某氣田的多層管柱。而渦流測(cè)井技術(shù)可穿透管柱[3-5]，實(shí)現(xiàn)套管變形的監(jiān)測(cè)，因此可采用渦流電磁技術(shù)實(shí)現(xiàn)氣田井下套管狀況的監(jiān)測(cè)。

目前，國(guó)內(nèi)外有部分學(xué)者研究了基于渦流的無(wú)損檢測(cè)技術(shù)[6-8]。如唐高峰等[9]設(shè)計(jì)了一種專門用于油罐車內(nèi)部缺陷檢測(cè)的渦流傳感器，可檢測(cè)出油罐車的損壞情況。余劍武等[10]設(shè)計(jì)出一種超細(xì)硬質(zhì)合金棒材缺陷的渦流檢測(cè)系統(tǒng)，可識(shí)別出不合格的硬質(zhì)合金棒材。但是這些裝置沒(méi)有將套管的結(jié)構(gòu)特異性考慮在內(nèi)，因此其不適用于氣田井下套管的監(jiān)測(cè)。HE等[11]提出了一種基于交流磁場(chǎng)測(cè)量和渦流檢測(cè)方法組合的無(wú)損檢測(cè)方法，但該方法容易受溫度和外磁場(chǎng)等因素的影響。劉素貞等[12]結(jié)合電磁超聲技術(shù)與渦流復(fù)合技術(shù)，實(shí)現(xiàn)了不同深度缺陷的識(shí)別。但隨著缺陷深度的增加，線圈的電阻和電阻抗近似線性變化，且存在的缺陷導(dǎo)致線圈電感差值增大，使得該方法對(duì)缺陷的深度檢測(cè)不敏感。王少平等[13]結(jié)合漏磁檢測(cè)和渦流檢測(cè)技術(shù)，提出了基于三軸漏磁與渦流檢測(cè)的管道內(nèi)外壁缺陷的識(shí)別方法。

綜上所述，如果氣田是高溫、高壓、高含硫的復(fù)雜環(huán)境，以及氣田套管是自身多層一體化的特殊結(jié)構(gòu)，渦流檢測(cè)信號(hào)采集就有困難，信號(hào)衰減快，且易受管柱間電磁互感的影響，現(xiàn)有的渦流檢測(cè)技術(shù)就無(wú)法滿足氣田套管變形檢測(cè)的需求。因此，筆者提出一種油氣井套管變形段位置與缺陷類型的渦流檢測(cè)方法。該方法根據(jù)電磁探傷測(cè)井儀輸出的23個(gè)渦流信號(hào)，計(jì)算23個(gè)信號(hào)和的波峰，采用自適應(yīng)閾值識(shí)別變形段，針對(duì)每一個(gè)變形段進(jìn)行差分處理，并將連續(xù)多組數(shù)據(jù)合并構(gòu)成多層數(shù)據(jù)，對(duì)所有數(shù)據(jù)進(jìn)行Fisher降維，選擇降維后的多維數(shù)據(jù)作為特征值。筆者采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行樣本訓(xùn)練和測(cè)試數(shù)據(jù)的識(shí)別，能識(shí)別出所有變形段的位置以及變形段中的缺陷類型。

1 檢測(cè)原理

1.1 測(cè)量工具介紹

某氣田具有超深、高壓、高含硫等特點(diǎn)，施工中使用的設(shè)備必須滿足測(cè)井作業(yè)各項(xiàng)技術(shù)參數(shù)和防硫化氫安全的要求。論文的數(shù)據(jù)來(lái)源于多臂井徑測(cè)井儀和電磁探傷測(cè)井儀。其中，多臂井徑測(cè)井儀測(cè)量試驗(yàn)井套管的實(shí)際半徑。多臂井徑測(cè)井儀采用抗硫化氫材料生產(chǎn)，抗硫性能符合美國(guó)腐蝕工程師協(xié)會(huì)的要求。多臂井徑測(cè)試儀主要性能參數(shù)如表1所示。

表1 多臂井徑測(cè)試儀主要參數(shù)

電磁探傷測(cè)井儀采用某公司生產(chǎn)的渦流測(cè)厚探測(cè)器。該儀器采用抗硫化氫材料，其抗硫性能符合美國(guó)腐蝕工程師協(xié)會(huì)的要求。電磁探傷測(cè)試儀由縱向長(zhǎng)探頭、橫向探頭、縱向短軸探頭、溫度探頭等組成，探頭主要性能參數(shù)如表2所示。

表2 電磁探傷測(cè)試儀主要參數(shù)

1.2 輸出數(shù)據(jù)介紹

電磁探傷測(cè)井儀的基本原理是電磁感應(yīng)定律(見圖1)，測(cè)井時(shí)，工作區(qū)給發(fā)射線圈提供一個(gè)直流脈沖，接收線圈采集隨時(shí)間變化的感生電動(dòng)勢(shì)。當(dāng)被測(cè)對(duì)象發(fā)生變化或者存在缺陷時(shí)，感生電動(dòng)勢(shì)隨之變化。

圖1 電磁測(cè)井儀的原理示意

測(cè)井儀包括縱向長(zhǎng)探頭A，縱向短探頭C，橫向交叉的2個(gè)探頭B和BB(見圖2)。每激勵(lì)一次，A探頭采樣11個(gè)點(diǎn)，C探頭采樣6個(gè)點(diǎn)， B探頭采樣3個(gè)點(diǎn)，BB探頭采樣3個(gè)點(diǎn)，共輸出23個(gè)信號(hào)，具體信號(hào)如下所述。

圖2 測(cè)井儀內(nèi)部探頭示意

A1～A11信號(hào)由縱向長(zhǎng)探頭A采集。探頭A軸距最長(zhǎng)，線圈垂直放置，與儀器軸和井軸方向一致，探測(cè)深度最深。通常，A1～A3信號(hào)主要受第一層管柱的影響，A4～A6信號(hào)主要受第一層和第二層管柱的影響，A7～A11信號(hào)探測(cè)深度最深，可以識(shí)別第三層管柱的損傷。這些信號(hào)主要用于計(jì)算第一層、第二層管柱的壁厚，探測(cè)第二層管柱的垂直裂縫，以及探測(cè)第二、第三層管柱的損傷。

C1～C6信號(hào)由縱向短探頭采集。探頭C軸距較探頭A的短，垂直放置，與儀器軸和井軸方向一致。探測(cè)深度較探頭B和BB的深，較A的淺。通常，C1～C4信號(hào)主要受第一層管柱的影響，C5～C6受第一層和第二層管柱的影響。這些信號(hào)主要用于測(cè)量第一層管柱的壁厚，探測(cè)第一層內(nèi)管柱的垂直裂縫和損傷。

B1～B3與BB1～BB3信號(hào)由橫向探頭B和BB采集。探頭B和BB軸距較短，橫向放置，其線圈軸向垂直于儀器和井軸，探測(cè)深度最淺。探頭B和BB正交放置，每個(gè)探頭對(duì)每個(gè)管道深度采樣3個(gè)點(diǎn)。這些信號(hào)主要用于測(cè)量?jī)?nèi)層管柱的橫向裂縫斷開或脫節(jié)。

1.3 變形段判別

變形段判別原理框圖如圖3所示，根據(jù)設(shè)備輸出的渦流數(shù)據(jù)，變形段判別方法包括信號(hào)求和、閾值自適應(yīng)選擇、變形點(diǎn)判別、變形段判別和識(shí)別結(jié)果修正等步驟。

圖3 變形段判別原理框圖

1.3.1 數(shù)據(jù)預(yù)處理

將每一個(gè)管道深度的23個(gè)渦流電壓數(shù)據(jù)求和，得到電壓總值，即

(1)

式中：h為管道深度;x(i,h)為管道深度h的第i個(gè)渦流電壓數(shù)據(jù)；y(h)為管道深度h的渦流電壓數(shù)據(jù)和。

尋找電壓總和數(shù)據(jù)相對(duì)平緩的N個(gè)連續(xù)信號(hào)段(平緩段)，即當(dāng)管道深度為h時(shí)，將該深度的連續(xù)N個(gè)深度點(diǎn)的電壓信號(hào)總值分別與該點(diǎn)的信號(hào)總值做差，若差值均小于所設(shè)閾值Y1，即滿足式(2)，則判定該連續(xù)的N個(gè)深度點(diǎn)為平緩段，此時(shí)獲得第j個(gè)平緩段的起始點(diǎn)Zj。

(2)

式中:N為設(shè)定的連續(xù)深度點(diǎn)的個(gè)數(shù);Y1為選取的閾值。

1.3.2 變形段判別

分析所有平緩段的起始點(diǎn)數(shù)據(jù)，自適應(yīng)選擇無(wú)損閾值。將第一個(gè)平緩段的起始點(diǎn)數(shù)據(jù)Z1為參考數(shù)據(jù)，若其他數(shù)據(jù)與Z1的差值小于閾值Y2，則滿足式(3)，則認(rèn)為該平緩段為無(wú)損段。則可獲得n個(gè)無(wú)損段，并取所有無(wú)損段起始點(diǎn)的均值為無(wú)損閾值。

(3)

在變形點(diǎn)判別時(shí)，比較所有高度的數(shù)據(jù)電壓總值與無(wú)損閾值，若兩者差值小于閾值Y3，則認(rèn)為該點(diǎn)判斷值為0，即判定為無(wú)損點(diǎn)；否則該點(diǎn)判斷值為1，判定為變形點(diǎn)，具體如式(4)所示。

(4)

完成變形點(diǎn)判別后，認(rèn)為連續(xù)出現(xiàn)的變形點(diǎn)的渦流數(shù)據(jù)段為變形段。為消去個(gè)別突兀點(diǎn)對(duì)整體數(shù)據(jù)造成的影響，需要對(duì)變形段判別結(jié)果進(jìn)行修正。具體修正方法如下：針對(duì)無(wú)損點(diǎn)0及變形點(diǎn)1兩種狀態(tài)，若一種狀態(tài)沒(méi)有連續(xù)出現(xiàn)20個(gè)及以上的數(shù)據(jù)點(diǎn)，則將該段數(shù)據(jù)狀態(tài)修正為另一種數(shù)據(jù)狀態(tài)。

1.4 缺陷類型識(shí)別

在試驗(yàn)中，需要識(shí)別的套管類型有單面擠壓、3*90擠壓、2*90擠壓、雙面擠壓、4*90擠壓、彎曲變形、無(wú)缺陷、節(jié)箍和孔縫。各類型套管的三維圖如圖4所示，單面擠壓是由于該段套管受到來(lái)自某一個(gè)方向的外力擠壓造成套管一側(cè)向內(nèi)凹陷；3*90擠壓表示該段套管受到來(lái)自3個(gè)90°方向的外力擠壓造成套管3面向內(nèi)凹陷；2*90擠壓表示套管受到來(lái)自兩個(gè)相互90°方向的外力擠壓造成套管兩側(cè)向內(nèi)凹陷；雙面擠壓表示該段套管受到兩個(gè)對(duì)稱方向的外力擠壓，造成套管兩側(cè)對(duì)稱向內(nèi)凹陷；4*90擠壓表示該段套管受到來(lái)自成90°方向的4個(gè)外力擠壓造成套管4面向內(nèi)凹陷；彎曲變形表示該套管受外力擠壓造成彎曲；無(wú)缺陷是沒(méi)有發(fā)生變形或微小變形；節(jié)箍是套管間接口處；孔縫為套管受流體腐蝕或應(yīng)力腐蝕造成的孔洞損傷。

圖4 各類型套管三維圖

缺陷類型識(shí)別原理框圖如圖5所示，首先根據(jù)試驗(yàn)井套管數(shù)據(jù)，提取各種缺陷類型的樣本。對(duì)每一個(gè)缺陷類型的樣本進(jìn)行差分處理，并構(gòu)建多層數(shù)據(jù)。對(duì)每類缺陷樣本數(shù)據(jù)進(jìn)行Fisher處理和提取特征值，進(jìn)行神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建。接著導(dǎo)入1.3節(jié)輸出的變形段數(shù)據(jù)，進(jìn)行差分處理和多層數(shù)據(jù)構(gòu)建等預(yù)處理后，通過(guò)Fisher處理和提取特征值，并通過(guò)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行識(shí)別。最后，對(duì)神經(jīng)網(wǎng)絡(luò)模型輸出的缺陷類型識(shí)別結(jié)果進(jìn)行孔縫、彎曲和節(jié)箍修正，輸出識(shí)別結(jié)果。

圖5 缺陷類型識(shí)別原理框圖

1.4.1 數(shù)據(jù)預(yù)處理

1.4.2 特征處理

Fisher線性鑒別(FLD)是基于樣本類別進(jìn)行整體特征提取的有效方法。FLD的基本思想是把高維的樣本集合投影到最佳鑒別矢量空間，可以降低機(jī)器學(xué)習(xí)的計(jì)算量，且投影后保證樣本在新子空間的類間距盡可能大，而類內(nèi)距盡可能小，從而使樣本點(diǎn)在該空間中有最佳的可分離性，因此是一種有效的特征抽取方法。

設(shè)特征樣本集X中有n個(gè)樣本，C個(gè)樣本類別數(shù)量，令xIJ表示第J類別的第I個(gè)樣本，每個(gè)樣本xIJ均為L(zhǎng)維列向量，定義類間離散度SB和類內(nèi)離散度Sw為

(5)

(6)

式中：μJ為第J類的均值;μ為所有類中心。

Fisher判據(jù)函數(shù)是離散度矩陣比的跡，其表達(dá)式如式(7)所示。

(7)

式中：F為判據(jù)值，在相同維度的特征集中，F(xiàn)值越大，類別的區(qū)分性越好，包含更多的鑒別信息;w為特征向量映射方向。

(8)

使得F取得最大值的w為

(9)

利用得到的w對(duì)特征樣本集X進(jìn)行投影,得到新的特征樣本。

1.4.3 神經(jīng)網(wǎng)絡(luò)識(shí)別

徑向基函數(shù)網(wǎng)絡(luò)(RBF神經(jīng)網(wǎng)絡(luò))是一種三層前向網(wǎng)絡(luò)。其能夠逼近任意的非線性函數(shù)，可以處理系統(tǒng)內(nèi)部難以解析的規(guī)律，具有良好的泛化能力，并有很快的學(xué)習(xí)收斂速度,因此利用訓(xùn)練特征樣本構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)模型。徑向基函數(shù)為高斯核函數(shù)，第Λ個(gè)隱含層單元的高斯核函數(shù)RK為

(10)

式中：‖‖為歐式范數(shù)；X′為輸入的訓(xùn)練特征樣本；cΛ為第Λ個(gè)高斯核函數(shù)中心；σ為高斯核函數(shù)的方差。

采用自組織選取中心學(xué)習(xí)方法計(jì)算基函數(shù)的中心、方差以及隱含層到輸出層的權(quán)值?Λ。其中，基函數(shù)的中心確定采用K-means算法，方差σ和權(quán)值?Λ如式(11),(12)所示。

(11)

(12)

式中：cmax為所選取中心點(diǎn)之間的最大距離；M為隱含層單元個(gè)數(shù)。

利用訓(xùn)練樣本得到方差σ和權(quán)值?Λ，構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)模型為

(13)

式中：Γ為RBF神經(jīng)網(wǎng)絡(luò)模型輸出的缺陷類型識(shí)別結(jié)果。

分析各種缺陷數(shù)據(jù)，發(fā)現(xiàn)孔縫缺陷的渦流數(shù)據(jù)在差分處理后均小于0，因此選擇用閾值法判斷孔縫缺陷。即先對(duì)所有電壓數(shù)據(jù)進(jìn)行差分處理，并將每一個(gè)高度的差分后的電壓求和。根據(jù)某高度電壓總值與其下一個(gè)高度電壓總值的比較，提取出各個(gè)波谷點(diǎn)和其波動(dòng)范圍。若波動(dòng)范圍總長(zhǎng)度大于閾值m，且差分后的電壓總值小于閾值Y4，則判定該段長(zhǎng)度的套管形變類型為孔縫。

為消除彎曲程度較小的彎曲，對(duì)識(shí)別結(jié)果做彎曲修正，具體操作方法如下：提取被識(shí)別為彎曲的數(shù)據(jù)，設(shè)定一個(gè)閾值，若提取彎曲的峰值小于閾值，則將其修正為無(wú)缺陷。

在識(shí)別中，會(huì)因?yàn)槟承┰驅(qū)?jié)箍產(chǎn)生誤判，如連續(xù)兩端電壓較大的波峰等，需要對(duì)識(shí)別結(jié)果進(jìn)行節(jié)箍修正?？紤]到節(jié)箍之間的距離為9 m，則如果識(shí)別結(jié)果中節(jié)箍距離大于15 m，則計(jì)算缺失節(jié)箍的數(shù)量，等間隔補(bǔ)充節(jié)箍。如果9 m內(nèi)出現(xiàn)多個(gè)節(jié)箍，則根據(jù)前后節(jié)箍的位置，刪除多余的節(jié)箍，從而輸出修正后的節(jié)箍結(jié)果。

2 檢測(cè)方法

套管無(wú)損檢測(cè)方法流程如圖6所示，對(duì)套管缺陷的無(wú)損檢測(cè)方法包括變形段判別和缺陷類型識(shí)別，具體實(shí)現(xiàn)步驟為：① 初始化方法的各個(gè)參數(shù)；② 讀入測(cè)試數(shù)據(jù)，將所有數(shù)據(jù)求和獲得電壓總值，尋找平緩段和無(wú)損段，計(jì)算無(wú)損閾值；③ 比較測(cè)試數(shù)據(jù)與無(wú)損閾值，若該數(shù)據(jù)與無(wú)損閾值的差值小于閾值Y3，則表示該數(shù)據(jù)為無(wú)損數(shù)據(jù)，否則為變形點(diǎn)；④ 根據(jù)變形點(diǎn)的結(jié)果，認(rèn)為連續(xù)出現(xiàn)的變形點(diǎn)為變形段。對(duì)變形段判別結(jié)果進(jìn)行修正，消去個(gè)別突兀點(diǎn)對(duì)識(shí)別結(jié)果的影響，獲得變形段判別結(jié)果；⑤ 根據(jù)試驗(yàn)井套管缺陷數(shù)據(jù)，提取各種缺陷樣本。對(duì)每一個(gè)缺陷樣本進(jìn)行差分處理，并構(gòu)成多層數(shù)據(jù)，即將連續(xù)的多組數(shù)據(jù)合并為一組數(shù)據(jù)；⑥ 對(duì)樣本數(shù)據(jù)進(jìn)行Fisher處理，選擇Fisher處理后的數(shù)據(jù)作為特征值，進(jìn)行RBF神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練，實(shí)現(xiàn)模型的建立；⑦ 根據(jù)無(wú)損閾值，對(duì)測(cè)試數(shù)據(jù)進(jìn)行差分處理，并構(gòu)建多層數(shù)據(jù)。使用Fisher進(jìn)行特征值提取，達(dá)到特征降維效果；⑧ 通過(guò)RBF神經(jīng)網(wǎng)絡(luò)模型識(shí)別該變形段中每一個(gè)高度的缺陷類型；⑨ 選擇用閾值法判斷孔縫缺陷，進(jìn)行孔縫識(shí)別，并修正識(shí)別結(jié)果。對(duì)識(shí)別結(jié)果進(jìn)行彎曲修正，消去彎曲程度極小的彎曲，并對(duì)識(shí)別結(jié)果進(jìn)行節(jié)箍修正;⑩ 輸出變形段和缺陷類型識(shí)別的結(jié)果。

圖6 套管無(wú)損檢測(cè)方法流程

3 試驗(yàn)結(jié)果

3.1 試驗(yàn)參數(shù)

根據(jù)試驗(yàn)井渦流數(shù)據(jù)，通過(guò)仿真分析和比較發(fā)現(xiàn)，選擇如表3所示的參數(shù)，所提方法的性能較好。

表3 試驗(yàn)參數(shù)

3.2 試驗(yàn)仿真分析

3.2.1 試驗(yàn)數(shù)據(jù)

針對(duì)已存在的套損套變情況，建立了套損套變標(biāo)準(zhǔn)試驗(yàn)井(試驗(yàn)段長(zhǎng)130 m)，其包含9種套損套變類型，覆蓋了某氣田可能的套損套變類型及程度?；诮⒌脑囼?yàn)井，使用某公司的多臂井徑測(cè)井儀MAC(Multi-Arm Caliper)獲知實(shí)際變形段起始點(diǎn)和終止點(diǎn)，使用電磁探傷測(cè)井儀EDD(EM-Defect Detection)分別開展了模擬試驗(yàn)及測(cè)試曲線響應(yīng)特征分析，得到A,B,C探頭共23個(gè)電壓數(shù)據(jù)。以試驗(yàn)井A探頭數(shù)據(jù)為例，說(shuō)明渦流數(shù)據(jù)的特點(diǎn)。A探頭渦流數(shù)據(jù)曲線如圖7所示，根據(jù)多臂井徑測(cè)井儀測(cè)得的數(shù)據(jù)發(fā)現(xiàn)A探頭的11個(gè)信號(hào)電壓數(shù)據(jù)對(duì)節(jié)箍和各個(gè)變形段的反應(yīng)較明顯。同理，B和C探頭對(duì)節(jié)箍和部分變形段的反應(yīng)也較明顯。

圖7 A探頭渦流數(shù)據(jù)曲線

接著，分別對(duì)單個(gè)探頭電壓數(shù)據(jù)曲線和電壓總值數(shù)據(jù)曲線(見圖8)進(jìn)行分析，得知電壓總值數(shù)據(jù)曲線的缺陷特征更明顯，因此后續(xù)試驗(yàn)中選用電壓總值數(shù)據(jù)曲線進(jìn)行變形段的判別。

圖8 渦流數(shù)據(jù)電壓總值曲線

3.2.2 變形段判別

采用表3的參數(shù)對(duì)套管試驗(yàn)數(shù)據(jù)進(jìn)行處理，獲得各個(gè)類型數(shù)據(jù)的變形段判別結(jié)果如圖9所示，圖中有上下兩條線，分別為藍(lán)色變形段判別直線和黑色無(wú)損閾值直線。該方法通過(guò)自適應(yīng)閾值法，自動(dòng)識(shí)別出無(wú)損閾值。根據(jù)無(wú)損閾值，可實(shí)現(xiàn)變形段的判別，同時(shí)通過(guò)修正識(shí)別結(jié)果降低誤判率，若包含100個(gè)以上數(shù)據(jù)點(diǎn)的變形段中存在5個(gè)以內(nèi)的無(wú)損數(shù)據(jù)點(diǎn)，則將該無(wú)損數(shù)據(jù)修正為變形段數(shù)據(jù)，因此該方法能判別出單面擠壓、3*90擠壓、2*90擠壓、雙面擠壓、4*90擠壓、孔縫、彎曲和無(wú)損數(shù)據(jù)中的變形段，識(shí)別效果較好。根據(jù)變形段的識(shí)別，可計(jì)算出各變形段的各項(xiàng)識(shí)別指標(biāo)，即正確識(shí)別率、錯(cuò)誤接受率和誤判率。令實(shí)際變形段起始點(diǎn)深度為Zstart，實(shí)際變形段終止點(diǎn)深度為Zend，識(shí)別出的變形段起始點(diǎn)深度為start，識(shí)別出的變形段終止點(diǎn)深度為end。則正確識(shí)別率T1定為識(shí)別數(shù)據(jù)中，所有變形段范圍都正確識(shí)別出來(lái)的概率，即

圖9 變形段判別結(jié)果

(14)

誤判率T2定義為識(shí)別數(shù)據(jù)中，變形段中的數(shù)據(jù)識(shí)別為不是變形段的概率，即

T2=[max(start,Zstart)-Zstart]/(Zend-Zstart+

[Zend-min(end,Zend)]/(Zend-Zstart)

(15)

錯(cuò)誤接受率T3定義為識(shí)別數(shù)據(jù)中，無(wú)缺陷數(shù)據(jù)識(shí)別為變形段的概率，即無(wú)缺陷數(shù)據(jù)識(shí)別為變形段的個(gè)數(shù)除以總數(shù)據(jù)個(gè)數(shù)。

T3=[Zstart-min(start,Zstart)]/(Zend-Zstart)+

[max(end,Zend)-Zend]/(Zend-Zstart)

(16)

在變形段判別過(guò)程中，比較基于任一單一探頭數(shù)據(jù)和探頭數(shù)據(jù)總和的正確識(shí)別率、誤判率和錯(cuò)誤接受率，并選擇了A1，A4，A5，BB2，C3 5個(gè)探頭渦流數(shù)據(jù)和所有探頭電壓總值作為例子，說(shuō)明變形段判別結(jié)果。各探頭變形段判別率如表4所示，由表4可知，與A1，A4，A5，BB2，C3 5個(gè)探頭數(shù)據(jù)相比，基于所有探頭電壓總值的變形段判別方法具有最高的變形段正確識(shí)別率、最小的誤判率和錯(cuò)誤接受率，因此其識(shí)別效果最好。

表4 各探頭變形段判別率 %

3.2.3 缺陷類型識(shí)別

考慮到識(shí)別的套管類型有：?jiǎn)蚊鏀D壓、3*90擠壓、2*90擠壓、雙面擠壓、4*90擠壓、彎曲變形、無(wú)缺陷和節(jié)箍，共8個(gè)套損套變類型。根據(jù)試驗(yàn)井的數(shù)據(jù)，提取了各個(gè)不同套管類型的缺陷數(shù)據(jù)。其中:單面擠壓數(shù)據(jù)共133行，由7組缺陷數(shù)據(jù)組成;3*90擠壓數(shù)據(jù)共95行，由5組缺陷數(shù)據(jù)組成;2*90擠壓數(shù)據(jù)共95行，由5組缺陷數(shù)據(jù)組成;彎曲變形數(shù)據(jù)共95行，由5組缺陷數(shù)據(jù)組成;4*90擠壓數(shù)據(jù)共95行，由5組缺陷數(shù)據(jù)組成;雙面擠壓數(shù)據(jù)共114行，由6缺陷數(shù)據(jù)組成;無(wú)缺陷數(shù)據(jù)共308行，由2組缺陷數(shù)據(jù)組成；節(jié)箍數(shù)據(jù)共95行，由5組數(shù)據(jù)組成。缺陷類型識(shí)別試驗(yàn)分為R1和R2兩組：R1組利用所有缺陷類型數(shù)據(jù)進(jìn)行模型訓(xùn)練，用全部訓(xùn)練數(shù)據(jù)進(jìn)行缺陷識(shí)別；R2組利用部分缺陷類型進(jìn)行模型訓(xùn)練，其中包含3組單面擠壓數(shù)據(jù)，3組3*90擠壓數(shù)據(jù)，3組2*90擠壓數(shù)據(jù)，3組彎曲變形數(shù)據(jù)，3組四面擠壓數(shù)據(jù)，3組雙面擠壓數(shù)據(jù)，3組節(jié)箍數(shù)據(jù)和1組無(wú)缺陷數(shù)據(jù)，用其余缺陷類型數(shù)據(jù)作為測(cè)試數(shù)據(jù)進(jìn)行識(shí)別。對(duì)兩組樣本數(shù)據(jù)進(jìn)行Fisher變換后，各個(gè)類型數(shù)據(jù)的三維特征分布如圖10，11所示。R1組的樣本數(shù)量較多，F(xiàn)isher變換后各個(gè)類型的區(qū)分度較好，R2的樣本數(shù)據(jù)較少，F(xiàn)isher變化后部分類型數(shù)據(jù)重疊在一起。

圖10 R1組樣本三維特征分布

圖11 R2組樣本三維特征分布

根據(jù)Fisher處理后輸出的特征值進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和識(shí)別，并比較Fisher聚類判別法與RBF神經(jīng)網(wǎng)絡(luò)判別法。其中Fisher聚類判別法根據(jù)Fisher聚類后的結(jié)果，計(jì)算到各個(gè)缺陷類型數(shù)據(jù)均值的歐式距離，并識(shí)別為距離最小的缺陷。令各類缺陷的識(shí)別率為

bJ=100×HNJ/S2

(17)

式中：HNJ為正確識(shí)別為第J類缺陷的數(shù)據(jù)點(diǎn)個(gè)數(shù)；S2為第J類缺陷的數(shù)據(jù)點(diǎn)總個(gè)數(shù)。

由表5缺陷識(shí)別結(jié)果可知：R1的識(shí)別率基本上為100%，R2的識(shí)別率在92%以上，且比聚類判別法的識(shí)別率高。另外，因孔縫套變狀態(tài)電壓的特殊性，在孔縫識(shí)別中，使用閾值法判斷識(shí)別，其識(shí)別率基本上達(dá)100%。

表5 缺陷識(shí)別結(jié)果 %

4 結(jié)語(yǔ)

提出了一種油氣井套管變形段位置與缺陷類型的渦流檢測(cè)方法。首先，將設(shè)備輸出的23個(gè)渦流曲線數(shù)據(jù)進(jìn)行求和處理，根據(jù)自適應(yīng)方法選取閾值，通過(guò)與閾值進(jìn)行比較，實(shí)現(xiàn)變形點(diǎn)和變形段的判別，并對(duì)識(shí)別結(jié)果進(jìn)行修正；其次，針對(duì)每一個(gè)變形段進(jìn)行差分處理，并將連續(xù)多組數(shù)據(jù)合并構(gòu)成多層數(shù)據(jù)，對(duì)所有數(shù)據(jù)進(jìn)行Fisher降維，選擇降維后的多維數(shù)據(jù)為特征值，采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行樣本訓(xùn)練和測(cè)試數(shù)據(jù)的識(shí)別；最后，提出實(shí)現(xiàn)步驟，給出試驗(yàn)和渦流數(shù)據(jù)、變形段判別結(jié)果和缺陷類型判別結(jié)果。