基于ITD与排列熵的石油井架损伤识别方法.pdf

一 2 6 一 石 油机械 C H I N A P E T R O L E U M M A C H I N E R Y 2 0 1 4年第 4 2卷第 1 0期 ． _ 钻井技术与装备 基 于 I T D与排列熵 的石油 井架损伤 识别 方法 邹龙庆 陈桂娟 贾春雨 付海龙 1 ．东北石油大学2 ．大庆石化公 司 摘要针对石油井架损伤位置识别 问题 ，提 出了基于 I T D与排列熵的损伤位置特征提取方法。 利用 I T D方法将锤击响应振动信号分解为一系列 分量， 分量更能突 出损伤位置信息，计算 分量的样本熵值，形成的特征向量可分性良 好。依据相关性系数选择代表损伤状态主要信息的 分量，计算其排列熵形成有效 的特征 向量。以支持 向量机为特征 向量模 式识别器，对比 了I T D 与近似熵方法所提取特征 向量，对 于相 同有限数量的样本 ，I T D 与样本 熵特征 向量 明显高于 I T D 与信息熵特征向量的识别率，验证 了 I T D样本熵方法的有效性。I T D样本熵方法为实际井架结构 损伤的准确、快速、有效识别与定位提供 了一种新途径。 关键词 井架；I T D；排列熵；艘 分量；特征提取；损伤识别 中图分类号 T E 9 2 3 文献标识码 A d o i 1 0 ． 3 9 6 9 ／ j ． i s s n ． 1 0 0 1 4 5 7 8 ． 2 0 1 4 ． 1 0 ． 0 0 7 Da m a g e I d e n t i fic a t i o n M e t ho d Ba s e d o n I TD S a mp l e En t r o p y a n d S M V f o r Oi l De r r i c k Z o u L o n g q i n g ‘ C h e n G u i j u a n J i a C h u n y u F u H a i l o n g 1 ． N o r t h e a s t P e t r o l e u m U n i v e r s i t y ；2 ． D a q i n g P e t r o c h e m i c a l C o m p a n y Ab s t r a c t T o i d e n t i f y d a ma g e l o c a t i o n o f o i l d e r r i c k． a f e a t u r e e x t r a c t i o n me t h o d o f d a ma g e l o c a t i o n b a s e d o n I T D a n d p e r mu t a t i o n e n t r o p y i s p r o p o s e d ． Vi b r a t i o n s i g n a l s i n e a c h s t a t e a r e d e c o mp o s e d i n t o a s e e s o f P R c o mp o n e n t s wi t h I TD me t h o d．a n d t h e PR c o mp o n e n t s c a n p r o v i d e a b e t t e r e x p l a n a t i o n f o r t h e d a ma g e l o c a t i o n i n for ma t i o n，t he e i g e nv e c t o r s o b t a i n e d c a n b e e a s i l y d e c o mp o s e d ．T h e PR c o mp o n e n t s wh i c h c o n t a i n t h e ma i n i n f o r ma t i o n o f f a u l t s t a t e a r e c h o s e n a c c o r d i n g t o r e l a t i v e c o e ffic i e n t ．P e r mu t a t i o n e n t r o p y o f t h e s e l e c t e d PR c o mp o n e n t s wa s c a l c u l a t e d a s e i g e n v e c t o r s ． S VM i s us e d a s mo d e d i s c r i mi na t o r o f e i g e n v e c t o r ，a n d b y c o mpa r i n g t h e a v e r a g e s a mp l e d i s t a n c e o f e i g e n v e c t o r s e x t r a c t e d b y I T D a n d a p p r o x i ma t e e n t r o p y me t h o d，t h e d i s c r i mi n a t i o n o f I TD a n ／s a mp l e e n t r o p y e i g e n v e c t o r s a r e s i g n i fic a n t l y h i g h e r t h a n I TD a n d i n f o r ma t i o n e n t r o py e i g e nv e c t o r s for t h e s a me l i mi t e d n u mb e r o f s a mp l e s ，p r o v e d I TD s a mpl e e n t r o p y me t h o d v a l i d i t y ． I TD s a mpl e e n t r o py me t h o d pr o v i d e s a n e w a c c u r a t e，r a p i d a n d e f f e c t i v e wa y for r e a l d e r ric k s t r u c t ur a l d a ma g e i de n t i fic a t i o n a n d l o c a t i o n ． Ke y wo r ds d e r ric k； I TD ； p e rm u t a t i o n e nt r o p y；PR c o mp o n e n t s； f e a t u r e e x t r a c t i o n； d a ma g e i d e n t i f i c a t i o n 0 引 言 石油钻机井架长期服役于野外 ，频繁的拆装搬 迁使其整体或局部出现损伤，不断累积将导致灾难 性事故 的发生⋯。因此 ，采用有 效方法对井架 结 构损伤进行无损检测与定位是制定预知性维修方案 和保障安全生产的重要前提_ 2 J 。存在损伤 的井架 结构在激励力作用下 ，其振动响应信号的时频分布 会发生变化 ，而振动响应信号具有非平稳性和非线 性 ，传统傅里叶变换无法有效反映这一特征。 近些年越来越多的非线性分析方法被用于机械 设备损伤识别 ，如近似熵 、样本熵和多尺度熵等 。 然而，近似熵相对一致性较差 ，多尺度熵计算较耗 基金项 目国家科技支撑计划项 目 “ 石油装备制造业创新技术服务平 台建设 ” 2 0 1 2 B AH 2 8 F 0 3 ；黑 l龙江 省 自然科学犟 金项 目 “ 修 井机井架 地锚桩抗拔能力与桩土承载机理研究 ” E 2 0 1 3 3 5 。 2 0 1 4年 第 4 2卷 第 1 O期 邹龙庆等 基于 I T D与排列 熵的石 油井架损伤识 别方法 时 ，且受时间序列的非平稳性 和异常值 的影响 。 排列熵是近几年新兴的一门计算方法 ，可以将 自然 界 中不规则性以及非线性 系统用一种十分简便 的方 法呈现出来 。排列熵 反映 出一 维时间序列 的复 杂性 ，能够敏锐地感知信号的微小变化 ，将其放大 后 ，使复杂系统的动力学突变易于检测 。因此 ，利 用排列熵进行损伤检测可行。但机械系统的信号随 机性较大 ，且易受噪声的干扰 ，若仅采用排列熵法 对其进行处理 ，会直接影响检测效果。所 以，结合 别类方法 ，组合成一个混合的高性能算法 ，可提高 排列熵算法在信号特征提取 中的实际效果 6 。 固有 时 间尺 度 分解 I n t r i n s i c T i m e ． s c a l e D e c o m p o s i t i o n ，简称 I T D方法是 由 F r e i 提 出的一种 自适应时频分析方法 』 。I T D和 E MD的主要 区别 在于基函数构造 的方法不 同。E MD通 过极值点包 络线来构造基函数 ，而 I T D是基于信号本身的线性 变换来构造基函数 ，因此 I T D具有端点效应小以及 计算速度快等优点 j 。 笔者以含损伤的石油井架锤击振动信号为对象 ， 先用 I T D将其分解为多个 P R分量，再 以排列熵方 法定量描述含有设备主要信息 的前几个 P R分量 的 复杂度 ，形成可分性 明显 的状态特征向量 ，提取损 伤特征 ，以实现井架结构损伤位置的准确识别。 l I T D方法 I T D方法具体算法步骤如下 1 确定信号 t ≥0 的极值 及对应 的 时刻 I ，2 ，⋯ ， ；M 为所 有 极值 点 个 数 。将 任 意 2个 极 大 小 值 点 ，X 、 丁 ， 连成线段 ，则其 中间极小 大 值 点 r ，X㈨ 相对应时刻 ⋯ 的值为 A L 二 一 X k 1 2 在点 丁 ，4 。 与 1 ， 间 由线性插值得基函数控制点 丁 ⋯ ，L ㈩ ，则有 L k 】a A l 1一 X 1 2 将式 1 代人式 2 ，得 L [ 兰 2 三 一 ] L 丁 一 7_ 一 J 1一 3 其中，O L ∈ 0 ，1 ，一般取 0 ． 5 。 3 对所有极值点 通过 以上变 换 ，得 到若干 基 函数控制点 ， 。这些点在时间轴 上将原 始信号 t 分割成若干个 区间，在每个区问对 t 进行线性变换得到区间基 函数段 ，即有 ，J ，J 专 一 4 ／l I 一 4 将各个极值点区间内的基函数段首尾相 连即可得到基 函数 t 。将基 函数 L 从原始 信号中分离出来 m t t 一L t ，若 m t 满 足 P 尺分量判据 ，则令 日， t m t 为分离出来的 最高频 P R分量。 5 若 m t 不满足 尸 分量判据，将 m t 作为原始信号重复步骤 1 ～ 4 ，则循环 i 次 直到 m t 满足 P R分量判据 ，日 t m t 即为 信号 X t 的最高频 P R分量 H t ，得到残余信号 ， 一 日 。 6 将残余信号 r t 作为原始信号，重复上 述步骤 ，直到基线信号 L t 为一单调或常 函数 ， 得到各阶 P R分量 t t t 。基 函数 L i t 和 P R分量 都是 t 基于线性变换得到 ，故定义基 函数提取 因子为 ￡，旋转 P R分量提取因子为 ，且 J V 1 ，则 L t 可表示为 L t L x t 5 H 可表示为 J V t 。 t 1一 6 最终原始信号被分解为 ，P 一 1 ＼ f L x t Ⅳ ∑ } ＼ 0 ， t 月 t 爿 t ⋯ 十 t t 7 其中， t 为第 个 P R分量；L t 为残余项。 2 排列熵算法 设 一 时 间 序 列 { ， 1 ， 2 ， ⋯ ， Ⅳ ， 对其进行相空间重构 ，得到矩阵 1 1 r ⋯ [ 1 d一1 r ] 、 1 x 2 x 2 ⋯ [ 2 d 一1 丁 ] I y J 7_ ⋯ [ d 一 1 7-] J j； ； I T ⋯ [ d一1 r ] 1 ， 2， ⋯ ， K 8 式中，d为嵌入维数 ， 为延迟 时间， 为重构分 量个数 ，x j 为重构矩阵第 ． 行分 量 。 将 】 ， 中的每一行作 为一个重构分量 ，则重构 分量的总数为 K N一 9 d一1 。升序排列矩阵 y 中的每一行元素 ，用 ．， ， ，⋯， 分别表示每个 元素所在列的索引，排列后各元素之间的关系为 一 2 8一 石 油机械 2 0 1 4年第4 2卷第 1 0期 [ i 1 1 7 _ ]≤ i 一1 ]≤ ⋯ ≤ l i 一1 7 ] 9 若重构 分量中有大小相 等的情况 ，则 比较 与 值 的大小来排序 ，即当 时，有 [ i 一1 r ] ≤ [ i ～1 ] 。所 以，任意时 间序列经重构后 得到的矩阵 J ， 中每一行都 可写出 一 组 符号 序列S 2 { ， ， ⋯， } ， 其中， z 1 ，2，⋯，后 ，且 k ≤m ，5 z 仅是 m种 m维相 空间映射不同排列 中的一种。算出每种序列出现的 概率 P ，P ，⋯ ，P ，则时间序列 i 的 k种不 同序列的排列熵 以信息熵的形式表示为 一∑ l n P f 1 0 当P 1 ／ d 时，信息熵 d 就达到最大值 I n d 。利用 I n d 对 d 进行 归一化 处理 ， 则有 。≤ ≤ 1 1 1 的 取值体现序列{ i ， i 1 ， 2 ， ⋯， N} 的随机性大小， 日 。 的值越小代表时间序列越规 则 ，反之 ，说明时间序列随机程度越大。因此时间 序列 的细微变化通过 。 的变化反映出来 。 3 基于 I T D和排列熵的特征提取方法 该方法通过 I T D对信号进行解耦与约简 ，再以 排列熵进行定量描述形成向量 ，具体步骤如下 ① 利用 I T D方法对各状态信号进行分解 ，得到一系列 分量②计算各个 P R分量与原始信号的相关 性 ，设定合理 阈值选定能够代表 状态主要信息 的 P R分量；③计算各状态 I T D分解结果中选定 P 尺 分量的排列熵 ，形成状态特征向量。 4 井架损伤位置识别 J J 1 6 0 ／ 4 1一 K型石油井架是大庆油 田广泛 应用 的井架类型 ，笔者以该型井架的相似模型为对象 ， 研究 其损 伤位 置识 别情 况 。井架 模 型 总高 度 为 3 ． 1 5 m，共分为 4大节 1 6小节 。 试验中，以井架 1 号立柱 1 6 个小节中的奇数 小节为损 伤模拟对象 ，在立柱 小节 上人为锯 出豁 口，模拟其损伤工况， 共进行了8 个不同位置小节 的损伤模 拟试验。依据 振动测试 原理 ，在井架 模型上应用力锤锤击产生振动响应 ，分别采集各损 伤小节的振动响应信号。其中井架模型第 7小节损 伤工况下 ，振 动响应 的原 始信号如 图 1所 示 ，其 I T D分解结果的前 4个 职 如图 2所示。 饥 - g 划 一 一 一 1 一一一⋯一 { 一 I 一 一 图 1 振动响应原始信号 F 嘻 l O r i g i n a l v i b r a t i o n s i g n a l ⋯ 痧 易 一 一⋯ ～ ⋯ ～⋯一 ⋯一 景g - l o 菇 o 一 忡 一 ⋯ 一 一 一 ～一 ～～ 曩0 ． 2 志 一 0 ．0 0 0． O5 0 ． 1 0 0． 1 5 0， 2 0 0． 2 5 0． 3 0 0 ． 3 5 o 、胁 v 一⋯ n 一 ～ ⋯一一 一 J 墓 器 邑 一5 0 ．0 0 0 ． 05 0 ． 1 0 0． 1 5 0． 2 0 0 , 2 5 0 ． 3 0 0 3 5 1 簧 o 1『 一 一一一一 一一 ～ ⋯～一 蕞 一 言 志广 O ．O O O． O 5 0． 1 0 O ． 1 5 0 ． 2 O 0． 2 5 O． 3 0 0． 3 图 2 I T D分 解的前 4个 P R Fi g． 2 Th e f o r me r f o u r PR c o mpo n e n t s o f I TD de c o mpo s i t i on 统计 I T D分解结果 中各个 P R分量与原始信号 的相关性 ，发现前 4个 艘 分量的相关性较大 ，基 本体现了原始信号的主要特征 。因此 ，笔者选择前 4个 艘 分量进行样本熵计算 ，构成不 同位置损伤 的特征向量 。排列熵计算时选取的嵌入维数 d 5， 延迟时间 4 。各损伤位置 I T D分解结果前 4个 分量的样本熵如表 1 所示。 S V M是一种基于统计学习理论的模式识别方 法 ，并 已被推广应用 到模式识 别等机器学 习问题 中l 。林智仁副教授开发的 S V M工具包 L i b S V M 集成了参数寻优、模型训练和结果测试等功能。核 参数和误差惩罚参数 C是影 响 S V M性能的主要 因 素。笔者所应用的径向基核函数具体形式为 K ， e x p { 一 y 一 } 1 2 L 其中，核参数为 。 分别选取 8种损伤位置的各 4 0组特征向量构 成样本集 ，应用 L i h S V M的遗传算法对参数进行优 蛐 ∞ 加 。 加 ∞ ∞