[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

本發明公開了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。包括大數據平臺、本地數據端；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：獲得周期檢測結果；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；對當前線性聲譜圖進行分析，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，利用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；大數據平臺，對分布于各地各油田的本地數據端上傳的數據進行分析，得到檢測結果。利用本發明，可以提高油田抽油機異音檢測準確率。

技術領域

本發明涉及人工智能技術領域，具體涉及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。

背景技術

為解決油田抽油機人工巡檢所存在的耗時耗力的問題，目前現有技術提出了若干種遠程監控運維方法。公布號為CN101408103B的文件提出一種通過統計單位時間內單流閥球體撞擊管壁的振動次數的方法來判斷抽油機是否存在異常。該方法若要達到技術效果，需要理想的作業環境，否則會出現頻繁誤檢的情況。公開號為CN111198525A的文件提出一種通過將音頻數據與預設閾值對比的方法來判斷抽油機是否存在異常。該方法的缺陷在于，若要實現技術效果，需根據不同抽油機型號、作業時不同沖程沖次設置預設對應的閾值，可實施性較差。上述通過聲音監控抽油機異常情況的現有技術，均存在泛化能力不強、魯棒性不足的問題，抽油機音頻信號會受到沖程、沖次、型號等因素的影響。

發明內容

本發明的目的在于針對上述現有技術存在的缺陷，提出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。

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，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。

進一步地，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。

進一步地，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