[發明專利]基于人工智能和大數據的油田抽油機異音檢測及上報系統

在審

• 申請號: 202011095566.9
• 申請日: 2020-10-14
• 公開（公告）號: CN112233696A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 李小紅;孫猛猛
• 申請（專利權）人: 李小紅
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/30;G10L25/24
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于人工智能和大數據的油田抽油機異音檢測及上報系統，其特征在于，該系統包括大數據平臺、本地數據端；

所述本地數據端，對采集的本地抽油機音頻信號進行分析，并將分析數據上傳至大數據平臺：

利用短時自相關函數對采集的音頻信號進行分析得到第一周期，利用頻譜分析對音頻信號進行分析得到第二周期，并根據第一周期與第二周期判斷是否有沖程或沖次的改變、周期是否檢測異常，從而得到周期檢測結果；

對于單個周期的音頻信號，確定幀長、加窗并進行快速傅里葉變換，得到線性聲譜圖；

利用異音檢測神經網絡對當前線性聲譜圖進行分析，并將其與前一線性聲譜圖的分析結果進行比較，得到異音初步檢測結果；

若異音初步檢測結果為存在異常情況，則根據抽油機的沖程、通用標準沖程構建第一修正系數，根據抽油機的沖次、通用標準沖次構建第二修正系數，利用第一修正系數、第二修正系數對當前周期音頻的MFCC系數進行修正；將修正后的MFCC系數上傳至大數據平臺；

所述大數據平臺，用于對分布于各地各油田的本地數據端上傳的數據進行分析：

將接收到的修正后的MFCC系數與存儲的相同型號抽油機相同周期音頻信號的MFCC系數進行相似度計算，進行是否存在異音的判斷，并將結果保存至大數據平臺。

2.如權利要求1所述的系統，其特征在于，所述第一修正系數為：

所述第二修正系數為：

其中，s_s為標準沖程，ti_s為標準沖次；s、ti分別為抽油機在當前周期時段的沖程、沖次設置參數；d_ti為沖次的補償值，d_s為沖程的補償值，為常數值。

3.如權利要求1所述的系統，其特征在于，所述利用第一修正系數、第二修正系數對當前周期音頻的MFCC系數進行修正為：

MFCC_n＝MF₁*MF₂*MFCC′_n

其中，MFCC′_n為修正前的MFCC系數，MFCC_n為修正后的MFCC系數，n表示第n個MFCC系數，MF₁為第一修正系數，MF₂為第二修正系數。

4.如權利要求1所述的系統，其特征在于，該系統還包括：

在周期分析之前，對采集的本地音頻信號進行預先去噪處理、預加重處理。

5.如權利要求1所述的系統，其特征在于，所述根據第一周期與第二周期判斷是否有沖程或沖次的改變、周期是否檢測異常包括：

獲得當前第一周期判斷結果當前第二周期判斷結果前次第一周期判斷結果

若則無沖程或沖次的改變，信號為周期信號；

若且則有沖程或沖次的改變，需要重新獲取信號的周期；

若且則判斷周期檢測異常，忽略當前次周期估計結果。

6.如權利要求1所述的系統，其特征在于，所述異音檢測神經網絡包括異音檢測編碼器、全連接層；

所述異音檢測編碼器對線性聲譜圖進行特征提取，輸出特征圖；

所述全連接層對特征圖進行特征提取，輸出異音判斷特征向量。

7.如權利要求1所述的系統，其特征在于，所述利用異音檢測神經網絡對當前周期線性聲譜圖進行分析，并將其與前一周期線性聲譜圖的分析結果進行比較，得到異音初步檢測結果包括：

計算當前周期線性聲譜圖的所述異音判斷特征向量與前一周期線性聲譜圖的所述異音判斷特征向量的相似度；

若相似度小于設定閾值，則判斷有異常情況。

8.如權利要求1所述的系統，其特征在于，所述進行是否存在異音的判斷包括：

若與超過設定數量的抽油機的MFCC系數的相似度均小于設定閾值，則判斷存在異音。

9.如權利要求1所述的系統，其特征在于，設定數量為相同型號抽油機數量的二分之一。

10.如權利要求1所述的系統，其特征在于，所述相似度計算基于歐式距離。