论文部分内容阅读
石油钻杆是油田必不可少的钻采设备之一，它们的服役条件恶劣，极易发生损坏。钻杆损坏可能造成重大人员伤亡及设备损坏；套管的变形或损坏可直接导致一口井的报废。钻杆和套管的损坏已成为目前我国各主力油田发展中后期面临的主要问题之一。而目前国内对钻杆的检测主要是统一运到检测中心或管子站进行检测，不能及时发现问题；对套管的在线检测特别是腐蚀状况的检测也很不理想。所以，对钻杆和套管的安全进行实时监控显得尤为重要。
针对这种情况，本文设计了钻杆在线缺陷检测装置。该装置在钻杆从井口的提升过程中进行缺陷检测工作，将采集到的数据存储到计算机中供后期处理。程序以先进的虚拟仪器作为开发平台，首先，利用小波变换对漏磁信号进行降噪处理，然后采用模极大值方法进行非平稳信号的识别，并进行截取。对于截取的信号片段利用Levenberg-Marquardt神经网络进行训练，以达到对缺陷模式进行定性分类和定量识别。
在本设计的最后，对所设计的钻杆在役缺陷检测装置的实用性进行了实验室验证。钻杆在线缺陷检测装置可以顺利通过接头，实现在线连续检测，并能较准确地对缺陷进行识别，设计满足钻杆和套管特殊工况的要求，达到了设计的目的。