CN117034201A - 一种多源实时数据融合方法 - Google Patents
一种多源实时数据融合方法 Download PDFInfo
- Publication number
- CN117034201A CN117034201A CN202311291695.9A CN202311291695A CN117034201A CN 117034201 A CN117034201 A CN 117034201A CN 202311291695 A CN202311291695 A CN 202311291695A CN 117034201 A CN117034201 A CN 117034201A
- Authority
- CN
- China
- Prior art keywords
- data
- time
- sensor
- acquired
- sensors
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 6
- 238000000034 method Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 7
- 239000003208 petroleum Substances 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000005553 drilling Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种多源实时数据融合方法,涉及信息技术领域以及石油勘探领域,通过对所有传感器传输的数据进行实时融合,实现了对多源数据的时间同步,解决了由于各个传感器的采集频率不一致,或者采样方式不均匀,而导致各类传感器数据的采集时间不一致,影响工作人员不能对当前的工况做出正确评估的问题。
Description
技术领域
本发明属于信息技术领域以及石油勘探领域,具体涉及一种多源实时数据融合方法。
背景技术
在石油开采钻井过程中,传感器是监测钻井作业中各种参数的关键装置,这些传感器可以实时监测钻井平台上的温度、湿度、压力等重要参数,确保钻井作业的安全,辅助工作人员实时监控工作状况,防止意外事故的发生,在现代化的钻井作业中,传感器扮演者重要的角色,为高效、安全的钻井操作提供了坚实的保障。
钻井平台中心接收传感器采集的实时钻井数据,工作人员在这些数据的基础上进行统计和分析,及时了解作业进度,并对钻井过程中可能遇到的问题和风险采取有效的规避措施,保障安全生产。但是,由于各个传感器的采集频率不一致,甚至有的传感器采用非均匀采样的方式接收数据,导致钻井平台中心接收的实时数据并非是同一时刻下的数据,在钻井过程中,微小的时间误差可能带来空间上较大的误差,数据的采集时间不匹配,导致工作人员不能对当前的工况做出正确的评估。
发明内容
针对上述问题,本发明提供一种多源实时数据融合方法,如图1所示,该方法通过对各类传感器的采集数据进行实时融合,对来自不同数据源的数据实现了时间同步,从而通过提高钻井数据的准确性,辅助工作人员对当前的工况做出及时、正确的评估。
为实现上述目的,本发明的原理如下:各类传感器在输出采集信号时附加采集时
间,并且在开始工作任务前对所有的传感器进行时间校准,保持时间一致。在工作任务过程
中,以其中一个传感器为基础,记为传感器A,以传感器A实时接收的最新两帧数据的采集时
间、为条件,其中<,分别计算在时刻其它传感器的数据,最后对时刻的所有
传感器数据进行组合,得到满足时间同步要求的融合数据。
与现有技术相比,本发明的有益效果是:本发明解决了在钻井过程中由于各个传感器采集的信号存在时间不同步而影响钻井数据准确性的问题,通过本发明,可以计算出在同一时刻下所有传感器的传输数据,满足时间同步和实时性的要求,从而提高数据准确率,对当前的工况做出及时、正确的评估。
附图说明
图1为进行数据融合的不同数据源示意图;
图2为在时间区间内未采集数据时计算方法示意图;
图3为传感器B计算数据与采集数据对比;
图4为传感器C计算数据与采集数据对比。
具体实施方式
为使本发明的所述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
各类传感器根据功能不同,采集的参数指标不同,在开始工作任务前,对所有的传感器进行设置,设置传感器在输出采集信号时附加采集时间,并且对所有的传感器进行时间校准,保持时间一致。
以下以传感器A为基础,计算其它传感器的采集数据,传感器A输出的每一帧数据
记为:,其中t表示传感器A采集数据的时间,表示第j个参数在
t时刻的数据值。以传感器B为例,计算其它传感器的传采集数据,传感器B输出的每一帧数
据记为:,其中t表示传感器B采集数据的时间,表示第j个参数
在t时刻的数据值。
传感器A实时采集的最新两帧数据记为:和,其中<,以下分情况计算
在时刻的传感器B的数据,其中为第j个参数在时刻
的计算值。
(1)当在时刻传感器B采集到数据时,即采集的数据为,则,即,其中;
(2)当在时刻传感器B未采集到数据,在时间区间内采集到一帧或者多帧
数据时,取在区间内距时刻最近的时刻所采集的数据,记为,取在时间区间内采集到数据且距时刻最近的时刻所采集的数据,记为,根据插值法计算在时刻的数据,计算方法如下:
,其中;
(3)当在时刻传感器B未采集到数据,在时间区间内也未采集到数据时,
取在区间内采集到数据且距时刻最近的时刻所采集的数据,记为:
其中<<,则在时刻的数据的计算步骤如
下,如图2所示:
步骤1,根据在时刻的采集数据,采用插值法分别计
算在时刻的数据和在时刻的数据,计算方法如下:
其中;
步骤2,计算在时刻采集数据和计算数据之间的偏差值,计算方法如下:
,其中;
步骤3,计算在时刻的偏差,计算方法如下:
,其中;
步骤4,计算在时刻的传感器B数据,计算方法如
下:
,其中;
以上方法实现了计算传感器B在时刻的数据的方法,其它传感器数据的计
算方法可参考上述方法,不再赘述。
最后,对时刻的所有传感器的数据进行组合,得到满足时间同步和实时性要求
的融合数据,数据组合方式如下:
以下通过一个具体实施例,对上述的实施方式进行说明:
传感器A采集的每一帧数据的时间的集合为T=[10,12,14,16,18,20,22,24,26,28,30,32,34,36,38,40,42,44,46,48,50],单位为秒;传感器B和传感器C采集的数据分别为:
采用本发明的方法,分别计算传感器B和传感器C在时间集合T中所有时刻对应的数据,计算结果如下:
图3为传感器B的计算结果与采集数据的对比情况,其中,图中符号“.”表示的是采集值,符号“*”表示的是计算值;
图4为传感器C的计算结果与采集数据的对比情况,其中,图中符号“.”表示的是采集值,符号“*”表示的是计算值。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上,本说明书内容不应理解为对本发明的限制。
Claims (3)
1.一种多源实时数据融合方法,其特征在于,各类传感器在输出采集信号时附加采集时间,并且在工作任务前对所有的传感器进行时间校准同步,在工作任务过程中,以其中一个传感器为参照,记为传感器A,计算其它传感器的实时数据,以传感器A实时接收的最新两帧数据的采集时间为条件,其中/>,分别计算在/>时刻其它传感器的数据,最后对/>时刻所有传感器的数据进行组合,得到满足时间同步要求的融合数据,具体计算方法如下:
传感器A输出的每一帧数据记为:,其中t表示传感器A采集数据的时间,/>表示第j个参数在t时刻的数据值,以下以传感器B为例,计算其它传感器的数据,传感器B输出的每一帧数据记为:/>,其中t表示传感器B采集数据的时间,/>表示第j个参数在t时刻的数据值;
传感器A实时采集的最新两帧数据记为:和/>,其中/>,以下分情况计算在/>时刻的传感器B数据/>,其中/>为第j个参数在/>时刻的计算值:
(1)当在时刻传感器B采集到数据时,即采集的数据为,则/>,即/>,其中/>;
(2)当在时刻传感器B未采集到数据,在/>时间区间内采集到一帧或者多帧数据时,取在/>区间内距/>时刻最近的时刻/>所采集的数据,记为,取在(0/>区间内采集到数据且距/>时刻最近的时刻/>所采集的数据,记为/>,根据插值法计算在/>时刻的数据/>,计算方法如下:
,其中/>;
(3)当在时刻传感器B未采集到数据,在/>时间区间内也未采集到数据时,取在(0/>区间内采集到数据且距/>时刻最近的时刻/>所采集的数据,记为、/>、,其中/>,则在/>时刻的数据的计算步骤如下:
步骤1,根据在时刻的采集数据/>,采用插值法分别计算在/>时刻的数据/>和在/>时刻的数据,计算方法如下:
,其中/>;
步骤2,计算在时刻采集数据/>和计算数据/>之间的偏差值,计算方法如下:
,其中/>;
步骤3,计算在时刻的偏差/>,计算方法如下:
,其中/>;
步骤4,计算在时刻的传感器B数据/>,计算方法如下:
,其中/>;
参考上述方法计算在时刻其它传感器的数据。
2.根据权利要求1所述的一种多源实时数据融合方法,其特征在于,所述各个传感器的采集频率不一致。
3.根据权利要求1所述的一种多源实时数据融合方法,其特征在于,在时刻,计算完所有传感器数据后,对所有数据进行组合,得到满足时间同步和实时性要求的融合数据,数据组合方式如下:
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311291695.9A CN117034201A (zh) | 2023-10-08 | 2023-10-08 | 一种多源实时数据融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311291695.9A CN117034201A (zh) | 2023-10-08 | 2023-10-08 | 一种多源实时数据融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117034201A true CN117034201A (zh) | 2023-11-10 |
Family
ID=88645238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311291695.9A Pending CN117034201A (zh) | 2023-10-08 | 2023-10-08 | 一种多源实时数据融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117034201A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708514A (zh) * | 2024-02-06 | 2024-03-15 | 东营航空产业技术研究院 | 一种基于多传感器的数据处理方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103105611A (zh) * | 2013-01-16 | 2013-05-15 | 广东工业大学 | 一种分布式多传感器智能信息融合方法 |
WO2020253260A1 (zh) * | 2019-06-21 | 2020-12-24 | 上海商汤临港智能科技有限公司 | 时间同步处理方法、电子设备及存储介质 |
US20210099711A1 (en) * | 2019-09-27 | 2021-04-01 | Apple Inc. | Dynamic Point Cloud Compression Using Inter-Prediction |
CN113918652A (zh) * | 2021-10-19 | 2022-01-11 | 广州极飞科技股份有限公司 | 数据同步方法、装置及可读存储介质 |
CN114001841A (zh) * | 2021-12-06 | 2022-02-01 | 哈尔滨理工大学 | 一种光伏组件测温方法 |
CN115577320A (zh) * | 2022-10-15 | 2023-01-06 | 北京工业大学 | 一种基于数据插值的多传感器异步数据融合方法 |
CN116340736A (zh) * | 2022-12-26 | 2023-06-27 | 湖南华诺星空电子技术有限公司 | 一种异质传感器信息融合方法及装置 |
CN116702064A (zh) * | 2023-05-26 | 2023-09-05 | 云南电网有限责任公司电力科学研究院 | 电力工器具的作业行为估计方法、***、存储介质及设备 |
CN116720144A (zh) * | 2023-06-21 | 2023-09-08 | 大连理工大学 | 基于数据融合与特征提取的自由活塞直线电机运行模式识别方法 |
CN116822743A (zh) * | 2023-07-05 | 2023-09-29 | 淮阴工学院 | 一种基于两阶段分解重构与误差校正的风电功率预测方法 |
-
2023
- 2023-10-08 CN CN202311291695.9A patent/CN117034201A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103105611A (zh) * | 2013-01-16 | 2013-05-15 | 广东工业大学 | 一种分布式多传感器智能信息融合方法 |
WO2020253260A1 (zh) * | 2019-06-21 | 2020-12-24 | 上海商汤临港智能科技有限公司 | 时间同步处理方法、电子设备及存储介质 |
US20210099711A1 (en) * | 2019-09-27 | 2021-04-01 | Apple Inc. | Dynamic Point Cloud Compression Using Inter-Prediction |
CN113918652A (zh) * | 2021-10-19 | 2022-01-11 | 广州极飞科技股份有限公司 | 数据同步方法、装置及可读存储介质 |
CN114001841A (zh) * | 2021-12-06 | 2022-02-01 | 哈尔滨理工大学 | 一种光伏组件测温方法 |
CN115577320A (zh) * | 2022-10-15 | 2023-01-06 | 北京工业大学 | 一种基于数据插值的多传感器异步数据融合方法 |
CN116340736A (zh) * | 2022-12-26 | 2023-06-27 | 湖南华诺星空电子技术有限公司 | 一种异质传感器信息融合方法及装置 |
CN116702064A (zh) * | 2023-05-26 | 2023-09-05 | 云南电网有限责任公司电力科学研究院 | 电力工器具的作业行为估计方法、***、存储介质及设备 |
CN116720144A (zh) * | 2023-06-21 | 2023-09-08 | 大连理工大学 | 基于数据融合与特征提取的自由活塞直线电机运行模式识别方法 |
CN116822743A (zh) * | 2023-07-05 | 2023-09-29 | 淮阴工学院 | 一种基于两阶段分解重构与误差校正的风电功率预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117708514A (zh) * | 2024-02-06 | 2024-03-15 | 东营航空产业技术研究院 | 一种基于多传感器的数据处理方法 |
CN117708514B (zh) * | 2024-02-06 | 2024-04-09 | 东营航空产业技术研究院 | 一种基于多传感器的数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117034201A (zh) | 一种多源实时数据融合方法 | |
WO2021027579A1 (zh) | 中心频率收敛趋势作用下的故障诊断方法 | |
WO2017161963A1 (zh) | 一种光纤状态的检测方法及装置 | |
CN111143438B (zh) | 一种基于流处理的车间现场数据实时监测与异常检测方法 | |
CN104390657A (zh) | 一种发电机组运行参数测量传感器故障诊断方法及*** | |
CN104700200A (zh) | 一种面向数字化车间的产品多元质量监控方法 | |
CN104864985A (zh) | 一种列车轴温传感器故障检测方法和装置 | |
CN115186883A (zh) | 基于边云协同计算的工业设备健康状态监测***及方法 | |
CN104921736A (zh) | 一种包含参数估计功能滤波模块的连续血糖监测设备 | |
US20230014095A1 (en) | Method and system for recognizing environmental protection equipment based on deep hierarchical fuzzy algorithm | |
CN104217112A (zh) | 一种基于多类型信号的电力***低频振荡分析方法 | |
CN111904079A (zh) | 一种基于智能安全帽的工人健康监控方法 | |
CN114611745A (zh) | 机床评估方法、机床评估***及介质 | |
CN112268719A (zh) | 一种联合收割机割台远程故障诊断方法 | |
CN108222083B (zh) | 一种智能化基坑监测*** | |
CN117517877A (zh) | 一种分布式行波在线测量故障定位*** | |
WO2023200597A8 (en) | Automated positive train control event data extraction and analysis engine for performing root cause analysis of unstructured data | |
CN116993122A (zh) | 一种基于物联网的碳监测和指挥*** | |
CN111741084A (zh) | 基于无线传感器网络的作物生长监测诊断*** | |
CN203479915U (zh) | 基于物联网的电力设备的噪声和电磁场同步检测*** | |
CN116227125A (zh) | 一种基于数字孪生的行星齿轮箱管理***和建模方法 | |
CN202075609U (zh) | 结构安全远程终端 | |
CN103543353A (zh) | 一种宽温环境下的直流采集方法 | |
CN115406522A (zh) | 基于声纹识别的电厂设备运行状态研究与应用 | |
CN110162803A (zh) | 基于卡尔曼滤波和离散数值积分计算示功图位移的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |