基于聲波處理技術(shù)的鉆井環(huán)空動(dòng)液面監(jiān)測(cè)方法

Hao Weiwei，Wang Ying，Zhang Siyuan，etal.Monitoring method for working fluid level in driling annulus based on acoustic processing technology [J]. China Petroleum Machinery，2O25，53（5）：18-29.

關(guān)鍵詞：環(huán)空動(dòng)液面；聲波處理技術(shù)；SVMD；動(dòng)液面監(jiān)測(cè)；聲波信號(hào)處理；AMDF中圖分類(lèi)號(hào)：TE28 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.12473/CPM.202405029

Monitoring Method for Working Fluid Level in Drilling Annulus Based on Acoustic Processing Technology

Hao Weiwei1Wang Ying1Zhang Siyuan2Wang Min3 Wang Wei1Li Mu1Xu Baochang2 （1.CNPCEngineerin TclogyRamp;DmanyLimied；2llgeofArtifcal Intellience，naUniestyfeo（Beijing）；3.OiladGasReseroirGeologyInstituteofKelaOilandGasProductionManagementArea，PetroChinaTarimOifeldCompany）

Abstract：The monitoring of working fluid level in the annulus is of great significance for judging the abnormal working conditions in the welbore.However，due to complex downhole environment，the conventional acoustic methodcannot ensure areal-time and accurate monitoring.In this paper，the echo characteristics were combined with the acoustic processing technology to achieve thereal-time monitoring of working fluid level in the annulus.First，successive variational mode decomposition （SVMD）was used to filter the downhole echo signals. Second，the Holtling T² test method was used to detect the position of fluid level echo，and then the combined algorithm of short-time autocorrelation function （ACF）and average amplitude diference function （AMDF）was used to detectthe average period of collar echoes.Finally，the downhole acoustic transit timeand average acoustic velocity were determined to achieveareal-time monitoring of the working fluid level in the anulus.The test results show that the proposed methodcan efectively identifythe fluid level echoes at different depths，and canachieve a realtime measurement while ensuring a relative error of less than 0.8% ， meeting the requirements for data of working fluid level in the annulus during driling.This study has a practical significance for monitoring downhole accidents.

Keywords： working fluid level in the annulus； acoustic processing technology；SVMD；working fluid level monitoring； acoustic signal processing； AMDF

0引言

鉆井是油氣勘探開(kāi)發(fā)過(guò)程中的重要環(huán)節(jié)，隨著鉆井深度的增加，井控安全要求逐漸嚴(yán)格[1]。鉆井過(guò)程中，受到各種主、客觀因素的干擾，經(jīng)常會(huì)出現(xiàn)各種井下異常工況，如鉆井液漏失、井壁塌陷、鉆頭失效、井筒失控等[2]。因此，測(cè)量鉆井環(huán)空動(dòng)液面位置以判斷井下異常情況，可及時(shí)采取相應(yīng)措施，進(jìn)而提高井控能力，對(duì)于提高油氣井施工的安全性有重大意義[3-4]

目前，國(guó)內(nèi)外動(dòng)液面監(jiān)測(cè)技術(shù)主要應(yīng)用于采油井液位監(jiān)測(cè)和氣井漏失判斷，在鉆井環(huán)空液位監(jiān)測(cè)方面工藝還不成熟。動(dòng)液面測(cè)量方法主要有壓力計(jì)法、示功圖法以及聲波法[5-7]。聲波法與其他2種方法相比，具有工藝簡(jiǎn)單、施工方便、實(shí)時(shí)監(jiān)測(cè)等優(yōu)點(diǎn)，已經(jīng)成為國(guó)內(nèi)外動(dòng)液面檢測(cè)的主要方法。聲波法測(cè)量環(huán)空動(dòng)液面存在井下聲速不確定和回波特征提取難2個(gè)關(guān)鍵問(wèn)題[8]。其中，井下聲速會(huì)受到傳播介質(zhì)壓力和溫度升高的影響而產(chǎn)生變化；回波信息中存在不同特征的波形，會(huì)使回波特征產(chǎn)生畸變甚至被掩蓋。上述原因會(huì)導(dǎo)致無(wú)法準(zhǔn)確計(jì)算環(huán)空動(dòng)液面深度。

針對(duì)上述問(wèn)題，國(guó)內(nèi)外許多學(xué)者提出了相應(yīng)的解決方案，以提高環(huán)空液面測(cè)量的精度。劉彥萍等[9]采用同步擠壓小波時(shí)頻變換對(duì)原始信號(hào)進(jìn)行處理，并通過(guò)時(shí)頻能量分布對(duì)動(dòng)液面信號(hào)進(jìn)行提取和重構(gòu)；闞玲玲等[10]對(duì)原始信號(hào)進(jìn)行傅里葉變換后再使用小波閾值去噪（WaveletDomainDenois-ing，WDD），獲取了更加清晰的液面回波；張朋等[1]采用時(shí)間序列分析、信息自適應(yīng)卡爾曼濾波方法實(shí)現(xiàn)了液面回波的高精度測(cè)量和噪聲處理；羅久飛等[12]提出了噪聲激勵(lì)下的動(dòng)液面測(cè)量方法，能夠在井下強(qiáng)噪聲環(huán)境下提取共振信號(hào)，從而實(shí)現(xiàn)液面測(cè)量。上述方法側(cè)重于對(duì)回波信號(hào)的處理，但是忽視了井下環(huán)境中聲速的不確定性，在處理實(shí)際數(shù)據(jù)時(shí)獲得的測(cè)量結(jié)果不夠理想。在考慮井下聲速變化的基礎(chǔ)上，件杰等[13]提出了全相位快速傅里葉變 換（All-PhaseFastFourierTransform，APFFT），通過(guò)信號(hào)的頻率譜和相位譜計(jì)算井下平均聲速，改善了頻譜泄漏的能力，提高了聲速計(jì)算的準(zhǔn)確性；梁鑫等[14]在改進(jìn)短時(shí)能量過(guò)零函數(shù)和三電中心削波函數(shù)基礎(chǔ)上，融合多渠道液面位置，提出了可預(yù)測(cè)液面深度的預(yù)測(cè)模型，但該模型缺乏實(shí)際數(shù)據(jù)樣本進(jìn)行驗(yàn)證；王路平等采用巴特沃斯低通濾波器（ButterworthLow-Pass Filter，BLPF）和平均幅度差函數(shù)（Average Magnitude DifferenceFunction，AMDF）提取接箍波平均周期計(jì)算井下聲速，使用WDD和小波奇異值檢測(cè)（WaveletSin-gularValueDetection，WSVD）讀取液面位置，從而計(jì)算出動(dòng)液面深度，但是未考慮淺井情況下液面回波和接箍回波重疊的情形，且需要人工選擇液面回波段信號(hào)。一些學(xué)者還提出了其他研究思路，如王通等[15]提出了一種基于專(zhuān)家診斷生成的對(duì)抗網(wǎng)絡(luò)油井動(dòng)液面軟測(cè)量建模數(shù)據(jù)擴(kuò)充方法，該方法提高了軟測(cè)量方法動(dòng)液面預(yù)測(cè)精度，但對(duì)計(jì)算量需求較大、實(shí)時(shí)性較差，且軟測(cè)量模型為采油井模型，對(duì)鉆井動(dòng)液面測(cè)量適用性不足；余洋洋等[采用了K奇異值分解（K-Singular Value Decomposition，KSVD）算法訓(xùn)練字典的稀疏分解對(duì)動(dòng)液面回波信號(hào)進(jìn)行去噪，效果優(yōu)于小波閾值去噪結(jié)果，但是要訓(xùn)練完備的字典，需要大量處理時(shí)間；李盼[17利用井下溫度等條件，通過(guò)氣體組分分析計(jì)算井下聲速，該方法對(duì)聲速變化有較好的效果，但需要在測(cè)試前通過(guò)傳感器測(cè)量井下溫度、各組分體積分?jǐn)?shù)等數(shù)據(jù)，測(cè)量過(guò)程較為煩瑣。

上述方法集中于提高聲速提取的精度和確定回波時(shí)間的準(zhǔn)確度，在對(duì)聲波信號(hào)處理的研究上仍不全面，在實(shí)際應(yīng)用中不夠理想。對(duì)此，筆者分別從信號(hào)濾波處理、液面回波提取和接箍回波提取3個(gè)方面進(jìn)行討論。首先利用連續(xù)變分模態(tài)分解（Suc-cessive Variational Mode Decomposition，SVMD）算法對(duì)信號(hào)進(jìn)行分解，通過(guò)S變換進(jìn)行時(shí)頻譜相似度判斷，從而克服回波信號(hào)高頻部分無(wú)法剔除而導(dǎo)致聲速測(cè)量不準(zhǔn)的問(wèn)題；其次，采用霍特林 T² 檢驗(yàn)法獲取液面回波，解決液面回波不清晰或被二次回波信號(hào)掩蓋的問(wèn)題；最后，利用自相關(guān)函數(shù)（Au-tocorrelationFunction，ACF）和AMDF函數(shù)的結(jié)合方法，計(jì)算接箍波平均周期，從而得到井下平均聲速，最終得到鉆井環(huán)空動(dòng)液面深度。使用歷史的液面數(shù)據(jù)以及現(xiàn)場(chǎng)測(cè)試的結(jié)果對(duì)比表明，所提出的方法能夠在實(shí)時(shí)監(jiān)測(cè)的同時(shí)，有效解決接箍波信號(hào)隨聲波衰減造成的計(jì)算誤差，準(zhǔn)確測(cè)量環(huán)空動(dòng)液面的深度。

動(dòng)液面監(jiān)測(cè)原理及回波特征分析

1. 1 動(dòng)液面監(jiān)測(cè)原理

圖1為鉆井動(dòng)液面監(jiān)測(cè)示意圖。監(jiān)測(cè)時(shí)設(shè)備安裝于距鉆井平臺(tái)一定距離的壓井管匯處，設(shè)備產(chǎn)生的聲波信號(hào)經(jīng)由地面管路傳播至井口，并沿環(huán)空向下傳播。在聲波信號(hào)的傳播過(guò)程中，遇到鉆桿接箍而反射回來(lái)的部分信號(hào)被稱(chēng)為接箍回波[18-21]；當(dāng)遇到鉆井液液面時(shí)，脈沖信號(hào)會(huì)反射一個(gè)具有明顯幅值特征的液面回波。全部反射波被井口安裝的微音器所接收，接收到的信號(hào)經(jīng)處理后提取出接箍回波和液面回波。

Fig.1Schematic monitoring of working fluid level in drilling根據(jù)上述原理，可以利用聲波在井筒環(huán)空中傳播速度和時(shí)間的乘積來(lái)計(jì)算井下動(dòng)液面的深度，即有：

式中： h 為鉆井液液面高度， m;ν 為聲波傳播速度， m/s ： Ψ_t 為聲波傳播時(shí)間，s。

圖2為鉆井動(dòng)液面監(jiān)測(cè)設(shè)備構(gòu)成圖，主要由聲波發(fā)生裝置、聲波接收裝置和上位機(jī)組成。

聲波發(fā)生裝置主要實(shí)現(xiàn)聲波信號(hào)發(fā)射的功能，通過(guò)嵌入式控制器控制電磁閥開(kāi)合，由高壓氮?dú)馄慨a(chǎn)生氣爆聲波，以此作為監(jiān)測(cè)信號(hào)傳播至井下環(huán)空空間。聲波接收裝置通過(guò)微音器實(shí)現(xiàn)對(duì)反射聲波信號(hào)的采集。微音器以 400Hz 的采樣頻率，存儲(chǔ)10s的環(huán)空聲波數(shù)據(jù)，并以Hex編碼的格式保存至數(shù)據(jù)采集模塊，通過(guò)Lora或4G通信傳輸至上位機(jī)，由上位機(jī)進(jìn)行處理。上位機(jī)由設(shè)備通信程序、數(shù)據(jù)處理程序組成，主要實(shí)現(xiàn)指令收發(fā)、信號(hào)處理、波形顯示等功能。通過(guò)上位機(jī)下發(fā)測(cè)試指令，可以實(shí)現(xiàn)鉆井液液面的自動(dòng)監(jiān)測(cè)，以提高現(xiàn)場(chǎng)測(cè)試效率，并減少人工操作對(duì)結(jié)果的干擾。

數(shù)據(jù)采集流程如圖3所示。聲波設(shè)備開(kāi)啟并與上位機(jī)建立通信后，嵌入式控制器等待上位機(jī)下發(fā)監(jiān)測(cè)指令；當(dāng)控制器收到上位機(jī)下發(fā)的監(jiān)測(cè)指令后，通過(guò)壓力傳感器檢測(cè)外接氮?dú)馄繗鈮?，如果氣壓滿足測(cè)試條件，則可通過(guò)開(kāi)關(guān)電磁閥發(fā)射聲波信號(hào)?；夭ㄐ盘?hào)由微音器接收，經(jīng)數(shù)據(jù)采集模塊存儲(chǔ)后，上傳至上位機(jī)用于后續(xù)數(shù)據(jù)處理。

1.2 回波信號(hào)特性分析

聲速法測(cè)量環(huán)空動(dòng)液面的回波信號(hào)如圖4a和圖4b所示，包含起爆波、接箍波、液面回波和二次回波。由圖4可以得到： ① 起爆波的幅值明顯大于其他信號(hào)波形； ② 由于環(huán)空內(nèi)接箍均勻分布且長(zhǎng)度一致，接箍波信號(hào)表現(xiàn)為一個(gè)準(zhǔn)周期信號(hào)，深度較淺的接箍對(duì)聲波具有明顯的反射； ③ 由于聲波在井下傳播過(guò)程中存在衰減，當(dāng)聲波信號(hào)遇到動(dòng)液面發(fā)生反射時(shí)，如果動(dòng)液面較深，井口接收器將接收到清晰的液面回波信號(hào)，如圖4a所示；若動(dòng)液面較淺，則該回波信號(hào)可能會(huì)被聲波的后續(xù)回波掩蓋，如圖4b所示。

對(duì)圖4a和圖4b這2個(gè)不同類(lèi)型的信號(hào)進(jìn)行傅里葉變換，求得信號(hào)頻譜圖，如圖4c、圖4d所示。信號(hào)含有2個(gè)主導(dǎo)頻率，低頻段主要為接箍波信號(hào)和液面波信號(hào)，高頻段為聲波的傳播頻率。

2聲波信號(hào)處理算法流程

為提高聲速提取的精度和確定回波時(shí)間的準(zhǔn)確度，這里分別從信號(hào)濾波處理、液面回波提取和接箍回波提取3方面進(jìn)行討論。設(shè)計(jì)的算法流程如圖5所示。

2. 1 信號(hào)濾波處理

高頻信號(hào)的周期性變化會(huì)對(duì)接箍回波檢測(cè)產(chǎn)生較大的干擾，為了確定清晰的接箍回波位置，需要在濾去高頻信號(hào)的同時(shí)盡可能保留低頻有效信息。模態(tài)分解可以將單一的反射波信號(hào)分解成多頻段的信號(hào)，再根據(jù)分解后的信號(hào)與需要分辨的有效信號(hào)進(jìn)行時(shí)頻譜分析，最終將滿足相似度要求的分量信號(hào)進(jìn)行重構(gòu)，得到回波信號(hào)

變分模態(tài)分解（Variational ModeDecomposi-tion，VMD）[22]算法將分解過(guò)程轉(zhuǎn)換為維納濾波、希爾伯特變換和頻率混合變分的問(wèn)題求解過(guò)程，該求解過(guò)程將信號(hào)分解為多個(gè)固有模態(tài)函數(shù)（Intrin-sicModeFunction，IMF）的和。但面對(duì)含較多可分解模態(tài)的信號(hào)時(shí)，其魯棒性較差。SVMD算法是一種自適應(yīng)、準(zhǔn)正交的信號(hào)分解方法，可以在不預(yù)先設(shè)定模態(tài)個(gè)數(shù)的情況下，通過(guò)在VMD優(yōu)化問(wèn)題中加入一些準(zhǔn)則來(lái)自適應(yīng)地實(shí)現(xiàn)模態(tài)分解，具有較低的計(jì)算復(fù)雜度和較高的魯棒性[23]。SVMD可以表示為如下帶約束的優(yōu)化問(wèn)題：

取決于：uk（t）+f.（t）=signal式中： δ（t） 為脈沖信號(hào)； u_k 為第 k 個(gè)分解得到的單分量調(diào)幅調(diào)頻信號(hào); ，為剩余信號(hào)； u_i（t） 為已分解獲得的模態(tài)分量； f_u（t） 為輸入信號(hào)當(dāng)中未處理的部分； ω_k 為第 k 個(gè)分解得到的單分量調(diào)幅調(diào)頻信號(hào)的中心頻率； * 表示卷積；ζ 為平衡參數(shù)； β_k（t） 和 β_i（t） 均為殘余信號(hào)能量在所需模態(tài)所在的頻帶內(nèi)最小的情況下，頻率響應(yīng)為 的濾波器的脈沖響應(yīng); α 為頻率響應(yīng)系數(shù); f_signal 為原始信號(hào)。

式（2）可以通過(guò)引入二次懲罰項(xiàng)和拉格朗日乘子項(xiàng)將一個(gè)有約束最優(yōu)化問(wèn)題轉(zhuǎn)化為無(wú)約束最優(yōu)"化問(wèn)題，即：

式中： γ 為拉格朗日乘子。 新 、 ω_Lⁿ⁺¹ 和 ，將原問(wèn)題等價(jià)分解為交替尋利用交替乘子法對(duì)式（3）進(jìn)行求解，迭代更 找 u_k 和 ω_k 的子問(wèn)題，迭代更新式如下：

式中： τ 為更新參數(shù)。

2.2 時(shí)頻譜相似度分析

時(shí)頻譜相似度[24]能夠描述2個(gè)信號(hào)在時(shí)域上頻率成分的變化情況，可以解決非平穩(wěn)信號(hào)在時(shí)域上頻率不斷變化的問(wèn)題。通過(guò)時(shí)頻譜相似度可以有效地反映2種非平穩(wěn)信號(hào)的相關(guān)性。

這里利用S變換求得原始信號(hào)時(shí)頻譜 X^t-f 與各個(gè)IMF分量時(shí)頻譜 S_i^t-f ，進(jìn)而對(duì)原始信號(hào)時(shí)頻譜采取區(qū)間加窗處理。由于原始信號(hào)中有用信號(hào)主要分布于低頻段，對(duì)原始信號(hào)時(shí)頻譜采取區(qū)間加窗處理，窗函數(shù)為：

式中： 為加窗后頻譜， f_max 為信號(hào)采樣頻率， f 為加窗信號(hào)頻率。

將加窗口的頻譜與各個(gè)IMF分量時(shí)頻譜 S_i^?-f 比較，其時(shí)頻譜相似度為：

S_im 越接近0，表示兩者相似度越高，相關(guān)性越強(qiáng)。

2.3 液面回波提取算法

理想情況下，液面回波會(huì)呈現(xiàn)出與周?chē)庸坎ú煌男盘?hào)特征，從而容易確定回波在環(huán)空中傳播的時(shí)間。但是在實(shí)際的井筒環(huán)境中，井下噪聲與二次回波均會(huì)對(duì)液面回波產(chǎn)生干擾，導(dǎo)致液面位置無(wú)法辨別，從而會(huì)影響測(cè)量結(jié)果的準(zhǔn)確性。因此，這里采用了霍特林 T² 檢驗(yàn)法檢測(cè)信號(hào)突變點(diǎn)，從而獲取液面位置。

霍特林 T² 定義如下：假定有2組數(shù)據(jù)分別為不含液面回波的離線數(shù)據(jù) y_i 和含有液面回波的在線數(shù)據(jù)yκo

首先計(jì)算離線數(shù)據(jù) y_i 的均值和方差：

式中： N 為離線數(shù)據(jù)采樣數(shù)。

定義檢驗(yàn)統(tǒng)計(jì)量為：

若一個(gè)可接受的誤報(bào)率為 α ，則相應(yīng)的閾值表示為：

式中： 為自由度為 m 和 N-m 的 F 分布。

根據(jù)獲取的閾值和檢驗(yàn)統(tǒng)計(jì)量判斷待檢測(cè)的波形是否為液位回波：

2.4接箍回波提取算法

由于接箍回波是具有準(zhǔn)周期特征的信號(hào)，所以可以參考語(yǔ)音信號(hào)基音周期檢測(cè)中的一些方法，如基于非參數(shù)統(tǒng)計(jì)的周期估計(jì)方法、自相關(guān)函數(shù)和平均幅度差函數(shù)等周期提取函數(shù)估計(jì)周期。其本質(zhì)都是基于以周期長(zhǎng)度采樣的樣本集合之間必然具有某種相似性的假設(shè)來(lái)計(jì)算信號(hào)周期

ACF方法與AMDF算法的思想類(lèi)似，都是測(cè)定原始信號(hào)和其位移后信號(hào)之間的相似性[25-26] O當(dāng)時(shí)延等于周期的倍數(shù)時(shí)，函數(shù)會(huì)出現(xiàn)極值，根據(jù)極值點(diǎn)間距可以得到接箍波平均采樣周期，從而求取接箍回波周期。ACF計(jì)算公式為：

式中： M 為幀長(zhǎng)； ξ_l 為時(shí)間延遲量； n 為信號(hào)序列；s（n） 為信號(hào)幅值。

對(duì)于非平穩(wěn)信號(hào)，逐幀進(jìn)行AMDF分析，其計(jì)算公式為：

為降低噪聲干擾，提高回波周期提取精度，這里利用ACF/AMDF[27]提取接箍回波周期，即有：

對(duì)正弦周期信號(hào)分別進(jìn)行 ACF 、AMDF和ACF/AMDF算法檢測(cè)，結(jié)果如圖6所示。

ACF算法的波形結(jié)果類(lèi)似正弦波，波峰波谷較為明顯；AMDF算法結(jié)果具有規(guī)律的周期性，周期點(diǎn)峭度值較ACF有所提升；ACF/AMDF處理可以使曲線在峰值特征處出現(xiàn)尖峰，更有利于機(jī)器算法實(shí)現(xiàn)特征提取，減小人工識(shí)別誤差。

3 試驗(yàn)結(jié)果與分析

測(cè)試過(guò)程中，設(shè)備通過(guò)電磁閥開(kāi)合釋放氣爆聲波，并通過(guò)微音器采集Hex格式的回波信號(hào)。為驗(yàn)證所設(shè)計(jì)算法流程能夠有效提取波形信息，獲取接箍平均周期并計(jì)算液面深度，本節(jié)首先依據(jù)轉(zhuǎn)換后的十進(jìn)制回波數(shù)據(jù)，驗(yàn)證算法的可靠性；然后基于現(xiàn)場(chǎng)試驗(yàn)，驗(yàn)證所設(shè)計(jì)算法是否具有較強(qiáng)的實(shí)時(shí)性和魯棒性。

3.1 信號(hào)分解及濾波

對(duì)圖4a所示信號(hào)進(jìn)行中心化處理，并采用SVMD算法對(duì)其分解。為了完整地分離信號(hào)中不同頻率的信號(hào)分量，減小頻譜重疊程度，設(shè)置最大平衡參數(shù)為 ξ=20 000 ，對(duì)偶上升的時(shí)間步長(zhǎng)為 τ= 0.02s ，收斂準(zhǔn)則的容忍度為 10^-6 ，停止標(biāo)準(zhǔn)為收斂到最后一個(gè)模態(tài)分量的能量。SVMD算法分解其結(jié)果，如圖7所示。為了進(jìn)一步驗(yàn)證SVMD算法的優(yōu)越性，將該算法與經(jīng)驗(yàn)?zāi)B(tài)分解（EmpiricalModeDecompasition，EMD）算法的分解結(jié)果進(jìn)行對(duì)比。在相同實(shí)際信號(hào)的情況下，EMD算法分解結(jié)果如圖8所示。

由圖7和圖8可知：2種算法處理后的IMF分量在數(shù)量和頻率分布上均有較大差異，SVMD算法可以準(zhǔn)確分離出16個(gè)主導(dǎo)頻率不同的IMF分量，各個(gè)分量信號(hào)在頻率和波形分布上較為獨(dú)立，不存在噪聲信號(hào)無(wú)法分離而導(dǎo)致分量信號(hào)失真的問(wèn)題；而同一信號(hào)經(jīng)EMD處理后共獲得13個(gè)IMF分量，其中IMF2分量包含了多個(gè)主要成分（模態(tài)混疊現(xiàn)象），主要頻率分量為 40～130Hz ，與圖4c頻譜圖對(duì)比，該分量包含大量噪聲瀕率信號(hào)，不利于后續(xù)信號(hào)重構(gòu)；IMF3分量和IMF4分量的主導(dǎo)頻率相同（模態(tài)分裂現(xiàn)象），且通過(guò)波形分析可知，各個(gè)分量中非主導(dǎo)頻率信號(hào)對(duì)信號(hào)主體干擾嚴(yán)重，無(wú)法減少噪聲信號(hào)干擾。

對(duì)原始信號(hào)進(jìn)行S變換，結(jié)果如圖9所示。由圖9可見(jiàn)，由于低頻信號(hào)較高頻信號(hào)衰減慢，所以原始信號(hào)低頻分量主要分布在采樣序列 0～2 000 的部分；而高頻信號(hào)主要分布在采樣序列 0～1 000 的部分，但整體幅值遠(yuǎn)高于高頻分量，之后便快速衰減。由于高頻聲波具有較強(qiáng)的幅值特性，導(dǎo)致該段信號(hào)高頻分量具有更高的周期性，影響接箍波周期檢測(cè)結(jié)果。

為了濾去高頻信號(hào)，突出低頻信號(hào)周期特征，對(duì)原始信號(hào)時(shí)頻譜進(jìn)行加窗處理。對(duì)每個(gè)IMF分量進(jìn)行S變換，并計(jì)算每個(gè)IMF分量時(shí)頻譜與加窗后原始信號(hào)時(shí)頻譜相似度，結(jié)果如圖10所示

各IMF分量計(jì)算得到的時(shí)頻譜相似度中，相似度最小的一個(gè)IMF分量表示該IMF分量與原始信號(hào)低頻段相似度最高，該信號(hào)頻率下的接箍波周期更接近實(shí)際井下接箍波周期。由圖10可見(jiàn)，由于鉆井環(huán)空內(nèi)溫度、壓力隨井深逐漸增大，且物質(zhì)組分也有較大變化，所以井下聲速呈現(xiàn)逐漸增大的規(guī)律，從而導(dǎo)致接箍回波周期逐漸增大。

為了得到更加準(zhǔn)確的井下接箍回波周期，選擇時(shí)頻譜相似度最高的IMF分量的左右2個(gè)IMF分量中，時(shí)頻譜相似度最大的一個(gè)作為閾值，將所有IMF分量中，相似度小于閾值的分量進(jìn)行重構(gòu)，得到濾波后信號(hào)如圖11所示。

為驗(yàn)證濾波算法效果，將所提方法與BLPF算法、小波閾值降噪、EMD算法進(jìn)行比較。BLPF方法選擇低通濾波，截至頻率 20Hz ；小波閾值方法選擇軟閾值去噪，選擇dB4小波作為分解的小波基函數(shù)，分解尺度為4；EMD方法的信號(hào)重構(gòu)標(biāo)準(zhǔn)與這里SVMD方法相同。選取各算法濾波后信號(hào)采樣序列 500～1000 的信號(hào)段進(jìn)行對(duì)比分析，結(jié)果如圖12所示。

由圖12b可知，由于高頻分量是原始信號(hào)主導(dǎo)頻率之一，小波閾值去噪無(wú)法完整去除高頻分量，而本文算法、EMD算法、BLPF方法在去除高頻分量方面效果相近。

這里采用信噪比 S_NR （ Signal-to-noise Ratio，SNR）、均方根誤差 E_RMS （Root Mean Square Error，RMSE）、皮爾遜相關(guān)系數(shù) P_c （Person CorrelationCoefficient，PCC）作為抑制噪聲指標(biāo)，處理結(jié)果如表1所示。由表1可以得到，本文算法在3個(gè)指標(biāo)上相較BLPF算法和EMD分解重構(gòu)都具有明顯的優(yōu)勢(shì)。

3.2 回波特征提取及聲速計(jì)算

由于起爆波具有較大的幅值，且信號(hào)前端接箍回波幅值遠(yuǎn)大于液面回波幅值，若選取固定信號(hào)段作為離線數(shù)據(jù)驅(qū)動(dòng)部分，會(huì)導(dǎo)致統(tǒng)計(jì)量分布呈現(xiàn)衰減趨勢(shì)，液面回波處統(tǒng)計(jì)量會(huì)低于給定閾值，無(wú)法有效檢測(cè)液面回波。為了排除起爆波和大幅值接箍回波干擾，選取每個(gè)點(diǎn)前100個(gè)數(shù)據(jù)作為數(shù)據(jù)驅(qū)動(dòng)的離線部分，對(duì)濾波后信號(hào)進(jìn)行霍特林 T² 檢驗(yàn)。設(shè)置可接受誤報(bào)率 α=0.01 ，求得閾值為6.967。對(duì)2個(gè)信號(hào)所選信號(hào)采樣序列分別進(jìn)行檢測(cè)，統(tǒng)計(jì)量分布中首次超過(guò)閾值的位置為液面回波位置。

最終統(tǒng)計(jì)量分布如圖13所示。圖13所顯示的分布結(jié)果表明，2個(gè)信號(hào)分別在信號(hào)序列3548和1091處首次超過(guò)閾值，液面到達(dá)回波位置。檢驗(yàn)結(jié)果與原始信號(hào)液面波位置保持一致，霍特林 T² 統(tǒng)計(jì)量分布可以自動(dòng)、清晰地反映信號(hào)中液面回波位置。

為了準(zhǔn)確計(jì)算出聲波在環(huán)空中的平均聲速，在圖11所示信號(hào)中截取10幀聲波數(shù)據(jù)，每幀幀長(zhǎng)為100個(gè)采樣點(diǎn)，幀移為15個(gè)采樣點(diǎn)，采用ACF/AMDF對(duì)濾波后的接箍回波進(jìn)行計(jì)算。

圖11信號(hào)第1幀計(jì)算結(jié)果如圖14所示。輸出波形呈周期分布，可以明顯地分辨出數(shù)據(jù)波峰位置。通過(guò)計(jì)算波峰之間的距離就可以得到2個(gè)接箍之間的采樣次數(shù)。為了排除幀長(zhǎng)和幀移選取對(duì)計(jì)算結(jié)果的干擾，計(jì)算第2個(gè)峰值到倒數(shù)第2個(gè)峰值之間的峰值數(shù)和采樣點(diǎn)間隔，就可以得到該段信號(hào)的平均接箍回波采樣次數(shù)，對(duì)后續(xù)9幀數(shù)據(jù)使用相同的處理方法，最后可以計(jì)算出接箍回波的平均采樣次數(shù) n₁=24.85 。同理，計(jì)算圖4b信號(hào)采樣次數(shù)n₂=21.73 。

由于信號(hào)的采樣頻率為已知，所以聲速計(jì)算公式為：

動(dòng)液面深度計(jì)算公式為：

式中： 為井下平均聲速， m/s ； h 為井下動(dòng)液面深度， m ； n 為信號(hào)采樣次數(shù)； L 為每節(jié)鉆桿長(zhǎng)度，m ； T 為聲波通過(guò)2個(gè)接箍之間鉆桿需要的時(shí)間，s； F_s 為設(shè)備采樣頻率， Hz 0

根據(jù)式（15）計(jì)算聲速分別為309.05和353.43m/s 。將霍特林 T² 檢驗(yàn)法得到的回波突變點(diǎn)代入式（16），計(jì)算得到動(dòng)液面深度 h 的值分別為 1370.64 和 483.35m 。

為了測(cè)試本文算法的液面深度計(jì)算效果，選取文獻(xiàn)［7］方法、文獻(xiàn)［17］方法與本文算法進(jìn)行比較。采用本文算法、文獻(xiàn)［7］方法、文獻(xiàn)［17］方法分別計(jì)算井下聲速和液面深度，并與實(shí)際值進(jìn)行比較，結(jié)果如表2所示。

由表2可知：本文算法較文獻(xiàn)［7］方法，在聲速計(jì)算和動(dòng)液面深度測(cè)量方面均有優(yōu)勢(shì)；較文獻(xiàn)[17］方法，在聲速計(jì)算方面略有不足，但動(dòng)液面深度計(jì)算誤差更小。

表2本文算法與其他方法計(jì)算結(jié)果對(duì)比

3.3 現(xiàn)場(chǎng)試驗(yàn)

為了驗(yàn)證本文算法的可行性，采用同一口井1d采集的聲波數(shù)據(jù)進(jìn)行試驗(yàn)。試驗(yàn)地點(diǎn)為天津大港油田第四采油廠，井號(hào)坂22-8。用本文算法測(cè)得的油井動(dòng)液面數(shù)據(jù)與專(zhuān)用動(dòng)液面深度測(cè)試裝置的實(shí)測(cè)數(shù)據(jù)進(jìn)行分析對(duì)比，對(duì)比結(jié)果如圖15所示。由圖15可知：井下聲速平均值為 354.18m/s ，聲速測(cè)量結(jié)果在平均值上下小幅度浮動(dòng)；動(dòng)液面測(cè)量值與參考值誤差小于 0.5% 。上述測(cè)試表明本文算法可行，滿足現(xiàn)場(chǎng)測(cè)試需要。

同時(shí)，為了測(cè)試所設(shè)計(jì)算法流程能夠在確保檢測(cè)動(dòng)液面準(zhǔn)確性的同時(shí)保障實(shí)時(shí)性的需求，保證所設(shè)計(jì)算法在面對(duì)鉆井環(huán)空動(dòng)液面測(cè)量時(shí)反饋準(zhǔn)確的井下工況，這里選取了天津渤海鉆探培訓(xùn)中心鉆井試驗(yàn)井平臺(tái)，設(shè)計(jì)了連續(xù)測(cè)試試驗(yàn)。試驗(yàn)結(jié)果如圖16所示。

試驗(yàn)過(guò)程中，試驗(yàn)井井下環(huán)空液面深度參考值為 610m 。連續(xù)測(cè)量試驗(yàn)中，所設(shè)計(jì)的算法流程能夠以 3min/ 次的頻率對(duì)井下環(huán)空動(dòng)液面深度進(jìn)行測(cè)量。由圖16可見(jiàn)，所設(shè)計(jì)算法聲速測(cè)量結(jié)果誤差維持在 ±3m/s 內(nèi)，動(dòng)液面深度檢測(cè)結(jié)果在 605m 左右，測(cè)量值與參考值的誤差小于 0.8% ，可以滿足實(shí)時(shí)動(dòng)液面監(jiān)測(cè)需求。

4結(jié)論與建議

針對(duì)聲波法對(duì)鉆井漏失動(dòng)液面監(jiān)測(cè)過(guò)程中聲速提取和時(shí)間提取的技術(shù)難題，完成了相關(guān)研究，得到如下結(jié)論和建議：

（1）根據(jù)實(shí)際回波信號(hào)包含2種主導(dǎo)頻率的問(wèn)題，對(duì)比了2種模態(tài)分解算法效果，選擇SVMD對(duì)原始信號(hào)進(jìn)行分解，以時(shí)頻譜相似度為標(biāo)準(zhǔn)對(duì)分量進(jìn)行選擇重構(gòu)，從而對(duì)信號(hào)進(jìn)行濾波，解決了BLPF需要根據(jù)經(jīng)驗(yàn)手動(dòng)設(shè)置截至頻率導(dǎo)致濾波效果不佳的問(wèn)題。

（2）通過(guò)霍特林 T² 檢測(cè)法提取原始信號(hào)液面回波，以此計(jì)算液面回波位置，通過(guò)ACF/AMDF變換求取信號(hào)接箍回波周期以計(jì)算井下平均聲速，從而計(jì)算動(dòng)液面深度。并對(duì)多組實(shí)測(cè)數(shù)據(jù)進(jìn)行分析，驗(yàn)證了本文算法的可行性。

（3）井下聲速隨溫度、壓力變化較大，僅選擇部分信號(hào)計(jì)算平均聲速可能會(huì)導(dǎo)致聲速結(jié)果誤差較大，且霍特林 T² 檢測(cè)法檢測(cè)結(jié)果與驅(qū)動(dòng)數(shù)據(jù)、測(cè)試數(shù)據(jù)選取范圍相關(guān)性較大。在后續(xù)的研究工作中，可以進(jìn)一步針對(duì)井下聲速變化影響深入研究，提高算法計(jì)算結(jié)果的精度。

參考文獻(xiàn)

[1] 劉偉，唐純靜，付加勝，等．復(fù)雜油氣溢漏早期識(shí)別與安全控制研究進(jìn)展［J]．石油機(jī)械，2023，51（5）：9-16.LIUW，TANGCJ，F(xiàn)UJS，et al.Research progressof early identification and safety control of well kick andlost circulation complexities [J]. China Petroleum Ma-chinery，2023，51（5）：9-16.

[2] 陳凱楓，楊學(xué)文，宋先知，等．基于工程錄井?dāng)?shù)據(jù)的井漏智能診斷方法［J]．石油機(jī)械，2022，50（11）：16-22.CHENKF，YANGXW，SONGXZ，etal.Anin-telligent diagnosismethod for lostcirculation basedonengineering logging data [J].China Petroleum Ma-chinery，2022，50（11）：16-22.

[3] 任旭虎，劉通，汪衛(wèi)眾，等．基于次聲波的鉆井返出液液面檢測(cè)系統(tǒng)設(shè)計(jì)［J]．石油機(jī)械，2023，51（11）：108-115.REN X H，LIU T，WANG W Z，et al. Design ofdrilling return fluid level detection system based on in-frasound wave[J]．China Petroleum Machinery，2023，51（11）：108-115.

[4] 趙璐，熊森，賈先．高精度實(shí)時(shí)監(jiān)測(cè)輸油管道漏失報(bào)警系統(tǒng)G300 設(shè)計(jì)［J]．石油機(jī)械，2024，52（6）： 130-140.ZHAO L， XIONG S， JIA X. Design of G300 high-pre-cision eal-time monitoring and alarm system for oil pipe-line leakage[J]．China Petroleum Machinery，2024，52（6）： 130-140.

[5] 張洪濤，付威，王春騫，等．光纖溫壓法實(shí)現(xiàn)油井動(dòng)液面的實(shí)時(shí)監(jiān)測(cè)［J］．哈爾濱理工大學(xué)學(xué)報(bào)，2018，23 （6）：1-6.ZHANG HT，F(xiàn)U W，WANG CQ，et al.Real-timemonitoring of oil-well dynamic liquid-level with pressureand temperature based on optical fiber sensor [J].Journal of Harbin University of Science and Technology，2018，23 （6）：1-6.

[6] 胡秋萍，賈文強(qiáng)，王力，等．基于電示功圖計(jì)算煤層氣井動(dòng)液面的方法［J]．石油機(jī)械，2019，47（6）： 85-90.HU Q P，JIA W Q，WANG L， et al. Method for cal-culating dynamic liquid surface of coalbed methane wellbased on electric indicator diagram [J]. China Petrole-um Machinery，2019，47（6）：85-90.

[7] 王路平，魏勇，汪玉祥，等．井下動(dòng)液面聲波信號(hào)處理方法研究［J]．電子測(cè)量技術(shù)，2021，44（22）： 87-95.WANG L P，WEI Y，WANG Y X，et al. Researchon acoustic signal processing method of downhole movingliquid level[J].Electronic Measurement Technology，2021，44（22）： 87-95.

[8] 魏勇，成，王路平，等．動(dòng)液面深度檢測(cè)中兩個(gè)關(guān)鍵問(wèn)題的研究進(jìn)展［J]．科學(xué)技術(shù)與工程，2023，23（20）：8473-8483.WEI Y，CHENG Y，WANG L P，et al.Review oftwo key issues in dynamic liquid level depth detection[J]．Science Technology and Engineering，2023，23（20）： 8473-8483.

[9] 劉彥萍，張乃祿，忤杰，等．基于高分辨率時(shí)頻面濾波的動(dòng)液面信號(hào)識(shí)別與提?。跩］．蘭州大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，57（5）：675-682.LIU YP，ZHANG NL，WU J，et al.Identificationand extraction of dynamic liquid level signals based onhigh resolution time-frequency plane filtering[J].jounai Uveisly（ivauial suiences），2021，57（5）：675-682.

[10] 闞玲玲，高丙坤，梁洪衛(wèi)，等．小波去噪在油井動(dòng)液面檢測(cè)中的應(yīng)用［J]．化工自動(dòng)化及儀表，2014 （9）：1009-1011.KAN L L，GAO B K，LIANG H W，et al． Applica-tion of wavelet denoi singin oil well dynamic liquid lev-el monitoring [J]. Control and Instruments in Chemi-cal Industry，2014（9）：1009-1011.

[11] 張朋，楊益，范福玲，等．基于超聲波和云測(cè)試的油井液面測(cè)試系統(tǒng)研究［J]．計(jì)算機(jī)測(cè)量與控制，2015，23（6）：1907-1911.ZHANG P，YANG Y，F(xiàn)AN FL，et al. Study of oilwell remote monitoring system based on ultrasonic dis-tance measurement and cloud testing ［J]. ComputerMeasurementamp; Control，2015，23（6）：1907 -1911.

[12] 羅久飛，鄭明軒，冉超，等．噪聲激振下的油井動(dòng)液面測(cè)量方法研究［J]．儀器儀表學(xué)報(bào)，2022，43（12）： 258-266.LUO JF， ZHENG M X，RAN C，et al. Research ondetection of dynamic liquid level of oil wells based onnoise excitation [J]. Chinese Journal of Scientific In-strument，2022，43（12）：258-266.

[13] 件杰，王軻，劉彥萍，等．基于全相位FFT 的油套環(huán)空中聲速計(jì)算方法［J]．聲學(xué)技術(shù)，2021，40 （2）： 246-253.WU J，WANG K，LIU Y P，et al. Acoustic velocitycalculation method of oil tubing casing annulus basedon all-phase FFT[J]. Technical Acoustics，2021，40（2）： 246-253.

[14] 梁鑫，張著洪．基于短時(shí)能量與LSTM的油井動(dòng)液面深度研究［J]．計(jì)算機(jī)與現(xiàn)代化，2021（4）：15-19，26.LIANG X，ZHANG Z H. Research on depth of oilwell moving liquid surface based onshort-term energyand LSTM[J]．Computer and Modernization，2021（4）：15-19，26.

[15] 王通，陳延彬．基于改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的動(dòng)液面建模數(shù)據(jù)擴(kuò)充［J］．電子測(cè)量與儀器學(xué)報(bào)，2023，37 （2）：99-109.WANG T，CHEN Y B. Dynamic liquid level model-ing data augmentation based on improved generative ad-versarial networks [J]. Journal of Electronic Meas-urement and Instrumentation，2023，37（2）：99-109.

[16] 余洋洋，高丙坤，岳武峰．基于訓(xùn)練字典的稀疏分解應(yīng)用于動(dòng)液面聲波信號(hào)去噪［J］．自動(dòng)化技術(shù)與應(yīng)用．2017．36（8）：12-17.YU Y Y，GAO B K，YUE W F.Application ofsparse decomposition based on training dictionary to thesignal of acoustic wave denoising of dynamic liquid lev-el[J].Techniques of Automation and Applications，2017，36（8）：12-17.

[17] 李盼．鉆完井及試油液面監(jiān)測(cè)系統(tǒng)與應(yīng)用研究[D]．西安：西安石油大學(xué)，2023.LI P.Research on monitoring system and applicationliquid level for drilling completion and oil test [D].Xi'an： Xi'an Shiyou University，2023.

[18] 彭凱，王昊，齊京國(guó)．基于連續(xù)液面曲線的間歇采油工作制度優(yōu)化研究［J]．油氣藏評(píng)價(jià)與開(kāi)發(fā)，2023，13（2）： 254-259.PENG K，WANG H，QI J G. Optimization of intervalproduction working system based on continuous liquidlevel curve [J]. Petroleum Reservoir Evaluation andDevelopment，2023，13（2）：254-259.

[19] 艾信，劉天宇，張浩偉，等．變權(quán)重組合算法預(yù)測(cè)抽油機(jī)井動(dòng)液面提高測(cè)試效益［J］．石油鉆采工藝，2024，46（5）：586-599.AIX，LIUTY，ZHANGHW，etal.Variable weightcombination prediction model improves the efficiency ofdynamic liquid level testing in pumping unit wells[J]．Oil Drilling amp; Production Technology，2024，46（5） ： 586-599.

[20] 鄧虎，段慕白，葉林祥，等．基于電磁式聲波發(fā)射的環(huán)空液面連續(xù)監(jiān)測(cè)技術(shù)研究與應(yīng)用［J]．鉆采工藝，2024，47（4）：56- 64.DENG H，DUAN MB，YE L X，et al. Research andapplication of continuous monitoring technology of an-nulus liquid level based on electromagnetic acoustic e-mission[J]．Drillng and Production Technology，2024，47 （4）： 56- 64.

[21] 祁曉，張璋，李東，等．基于陣列聲波測(cè)井技術(shù)的海上砂巖儲(chǔ)層壓裂效果評(píng)價(jià)方法［J]．石油鉆探技術(shù)，2023，51 （6）：128-134.QI X，ZHANG Z，LI D， et al. Evaluation of fracturingeffcts in offshore sandstone reservoirs based on arrayacoustic logging technology [J]．Petroleum DrilingTechniques，2023，51（6）：128-134.

[22] DRAGOMIRETSKIY K，ZOSSO D. Variational modedecomposition ［J]. IEEE Transactions on Signal Pro-cessing，2014，62（3）：531-544.

[23] NAZARI M，SAKHAEI S M. Successive variationalmode decomposition [J]. Signal Processing，2020，174： 107610.

[24] 李波，胡剖郗，石劍鈞，等．基于多懲罰因子優(yōu)化VMD的滾動(dòng)軸承故障特征提取方法［J]．系統(tǒng)工程與電子技術(shù)，2023，45（11）：3690-3698.LI B，HUGX，SHIJJ，et al.Fault feature extrac-tion method of rolling bearing based on multiple penaltyfactors optimization VMD [J]. Systems Engineeringand Electronics，2023，45（11）：3690-3698.

[25] KOLOKOLOV A S，LYUBINSKII I A. Measuring thepitch of a speech signal using the autocorrelation func-tion［J]．Automation and Remote Control，2O19，80（2）： 317-323.

[26] 吳艷君，黃堅(jiān)，夏家莉．基于AMDF的脈搏周期檢測(cè)改進(jìn)算法［J]．計(jì)算機(jī)應(yīng)用與軟件，2014，31 （6）： 52-54.WU Y J，HUANG J，XIA JL. AMDF-based pulseperiod detection improved algorithm [J]. ComputerApplications and Software，2014，31 （6） ：52-54.

[27] 劉迪，樊建春，劉書(shū)杰，等．基于ACF-AMDF的氣井環(huán)空液面回波特征提取方法［J]．中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2018，14（9）：63-68.LIUD，F(xiàn)ANJC，LIU SJ，et al.Method of extrac-ting echo characteristics of annular liquid level in gaswell based on ACF-AMDF[J]. Journal of Safety Sci-ence and Technology，2018，14（9）：63-68.

第一作者簡(jiǎn)介：郝圍圍，工程師，生于1985年，2009年畢業(yè)于大慶石油學(xué)院石油工程專(zhuān)業(yè)，現(xiàn)主要從事深井超深井鉆井工藝技術(shù)研究工作。地址：（102206）北京市昌平區(qū)。email：haowwd @ cnpc. com. cn。通信作者：張思源。email：zhangsyns @ 163.com。