Multiple fault diagnosis of down-hole conditions of sucker-rod pumping wells based on Freeman chain code and DCA

It is important to achieve continuous, stable and efficient pumping well operation in actual oilfield operation. Down-hole pumping well working conditions can be monitored in real-time and a reasonable production scheme can be designed when computer diagnosis is used. However, it is difficult to make a comprehensive analysis to supply efficient technical guidance for operation of the pumping well with multiple faults of down-hole conditions, which cannot be effectively dealt with by the common methods. To solve this problem, a method based on designated component analysis （DCA） is used in this paper. Freeman chain code is used to represent the down-hole dynamometer card whose important characteristics are extracted to construct a designated mode set. A control chart is used as a basis for fault detection. The upper and lower control lines on the control chart are determined from standard samples in normal working conditions. In an incompletely orthogonal mode, the designated mode set could be divided into some subsets in which the modes are completely orthogonal. The observed data is projected into each designated mode to realize fault detection according to the upper and lower control lines. The examples show that the proposed method can effectively diagnose multiple faults of down-hole conditions.

一种基于边界斜率拟合的角点检测方法

图像中的角点为描述物体特征提供关键信息,是复杂应用(如图像分类、目标检测和跟踪、定位和测量)的预处理步骤,角点检测的质量将直接影响后续图像处理的有效性.在工业环境中,角点检测算法需要在各类噪声和干扰因素下,对大规模数据集进行高效处理,以实现实时和准确的角点检测.因此,研究和设计快速高效、高准确性的角点检测算法具有重要意义.针对传统算法需要进行曲率计算或曲线拟合的局限性,提出了一种基于Freeman边界链码的快速、轻量级角点检测算法,通过对Freeman链码在角点之前和之后的连续多个点进行线段的斜率拟合和夹角的阈值判定,进而识别出角点.从准确性、鲁棒性和计算速度等方面,在NRS工业图像集上与主流角点检测算法进行了对比实验.结果表明,所提出的算法具有较少漏检和误检的角点数量,并实现了更快的检测速度,在工业应用中更具有优势.

基于改进Freeman链码的柑橘簇生区域数量判别方法

水果簇生区域的数量判别是图像处理技术的难点。提出了一种改进的Freeman链码,即在Freeman8邻域链码的基础上插入了3个新的链码元素"S"、"8"和"9"。识别过程中,首先获得水果簇生区域二值图像的改进Freeman 8邻域链码,然后计数链码中"8"出现的次数,再根据研究对象的轮廓特性,计算出簇生区域的数量。利用该方法对柑橘树数字图像中簇生区域的柑橘数量进行了判别,实验结果表明,该方法对2～5簇生判别效果良好,效率高,其中2、3簇生识别正确率为100%。

Freeman链码描述的曲线匹配方法

针对普通曲线匹配算法不能处理旋转和缩放曲线的不足,提出Freeman链码描述的曲线匹配方法。该方法为Freeman链码设计一种基于差别累加值及链码差的拐角点快速检测算法,能够快速地检测出曲线拐角点;通过计算曲线起点和曲线方向,得到不随曲线旋转、平移和尺度变化的标准拐角点序列;根据拐角点的长度序列和夹角序列进行相似判断实现曲线匹配。Freeman链码描述的曲线匹配方法不受曲线旋转和缩放的影响,计算量小,易于实现,仿真实验证明该算法合理有效。

一种有效的基于Freeman链码的拐角检测法

拐角检测在模式识别和机器视觉中有重要作用。本文提出了一种有效的用于检测和确定拐角位置的方法，它能显著地改善现有拐角检测法的性能。该算法基于Ｆｒｅｅｍａｎ链码，它包括三个步骤：（１）排除掉在一条直线上的非拐角点，同时提取出必是拐角的点。（２）估算剩下可疑点的曲率，把曲率大于一阈值的点做为可能的拐角点。（３）挑出每组临近可能拐角点中曲率最大的点为真实拐角点，将其它曲率较小的可能拐角点作为伪拐角点排除掉。实验结果表明本文提出的方法优于现有的拐角检测法，它能准确地检测出同被测对象相一致的拐角点。另外，该方法的处理速度也比现有的拐角检测法快。

基于Freeman链码的圆识别方法

在研究圆的Freeman链码性质并得出圆的Freeman链码与其对称链码的关系后,提出了一种基于Freeman链码性质的圆识别方法,通过圆的Freeman链码与其对称链码的相似度和奇偶码值出现的次数对圆进行识别。实验结果表明,该方法识别准确、效率高。

基于Freeman链码的花生果嘴和果腰图像识别及其DUS性状定量分析

为实现花生荚果果嘴和果腰的自动识别,以及评价图像处理方法量化花生特异性(distinctness)、一致性(uniformity)和稳定性测试(stability)(简称DUS)性状的技术适用性,该文提出了基于Freeman编码的花生果嘴和果腰识别方法以及花生荚果DUS测试性状量化方法。首先提取荚果图像边界轮廓并进行Freeman编码,接着采用近似曲率法和局部曲率最大法确定内拐角点,然后采用位置判断法定位果嘴和果腰位置,最后对荚果缢缩程度、果嘴明显程度和荚果长度3个DUS性状进行量化。对600个花生样本的测试结果表明,该文提出的方法对果嘴和果腰的识别正确率分别为93.1%和95.5%,较其他角点检测算法在时间和准确率方面都有很大优势。同时能够有效地对相关DUS性状(荚果缢缩程度、果嘴明显程度和荚果长度)进行量化,对荚果缢缩程度和果嘴明显程度的分级准确率分别为92.4%和91.7%。图像处理具有高效、客观、低成本采集和量化花生荚果外观形状的能力,为花生外观性状的自动采集和测量提供了研究基础和依据。

改进的Freeman链码在边缘跟踪及直线提取中的应用研究

针对传统链码用于边缘跟踪过程中易产生边缘断裂,提出一种改进的Freeman链码用于边缘跟踪及直线提取。该算法在链码跟踪过程中,记录链码起点,优先跟踪位于边缘方向上的点。对当前点,先进行基于Freeman链码八邻域内跟踪,在八邻域内没有边缘点的情况下,再进行八邻域外链码跟踪。然后对跟踪后得到的边缘链码进行分裂提取直线链码。实验结果表明,该算法不仅能有效提取直线,而且能提取曲线边缘,并且保持完好的边缘连续性,避免后续直线合并。

Freeman四方向链码压缩率提高的方法研究

文中通过大量的实验,在研究现有的基于Freeman方向链码的方法的基础上,对提高Freeman四方向链码压缩率的方法进行了深入的研究。从改变码值含义定义并对码值进行Huffman编码,进而对出现频率最高的码值进行计算编码等不同角度,进行大量的实验、比较与分析。提出了一个Freeman四方向链码新方法:计算编码不等长相对四方向Freeman链码———AVRF4。实验结果表明,其链码压缩率比Freeman八方向链码提高了26%,而比原始Freeman四方向链码提高了15%。

基于Freeman链码的汉字图像轮廓曲线拐角点检测方法

拐角点检测在模式识别和机器视觉中有重要作用。本文应用基于Freeman链码的一种检测和确定图像轮廓曲线拐角点位置的方法,提取出汉字轮廓图像的拐角点作为特征点用于图像配准中。首先提取出汉字图像的轮廓曲线,然后利用Freeman链码给轮廓曲线编码,根据判断准则,提取出必是拐角点的点与可疑拐角点,最后估算可疑拐角点的曲率,挑出每组临近可能拐角点中曲率最大的点为真实拐角点。实验结果表明本文应用的方法能准确地检测出同被测对象相一致的拐角点,给出了实验数据与过程。

基于Freeman链码的图像中多个区域面积的计算方法

在进行图像处理时,经常需要求图像中的多个区域的面积。对同时求取一幅图像中多个区域的面积的方法进行了研究。首先利用Freeman链码方式对目标区域求取边界链码,然后基于边界链码及制定的上边界和下边界的判定规则表,求取各区域的面积。该方法具有简单快速的特点。

一种基于Freeman差分码的双目立体匹配算法研究

分析了双目视觉中立体匹配的难点问题及关键要素,提出了一种基于Freeman链码表示的多特征(包括点、直线及曲线)边缘匹配算法,并对其中具体的原理进行了探讨.

改进的Freeman链码进行人民币的面额识别

针对尺寸法进行人民币的面额识别中,使用Freeman链码进行纸币边界曲线跟踪时出现的断点、漏点、错点及处理数据量大、速度慢的问题,提出一种新的链码定位边界法。首先通过统计纸币轮廓点的横、纵坐标值出现的频率确定链码起始点;然后定义一种新的多方向链码以解决图像边界点的间断问题;最后利用之前链码预测之后链码以减少漏点、错点,减少噪声对曲线跟踪的影响。实验结果表明,该方法用于纸币识别,识别率达到了96.159%以上,计算复杂度降低,识别速度提高,是一种有效的图像边界提取方法。

基于PNN网络和Freeman链码的抽油机井工况诊断

利用概率神经网络(PNN)对抽油机井工况进行诊断,建立了抽油机井工况诊断的概率神经网络模型;对示功图提取特征值的质量好坏直接影响识别效率和可靠性,提出了用Freeman链码对等效的电流示功图提取特征参数,进行预处理,建立抽油机典型工况的链码特征样本库;将Freeman链码作为特征向量,利用MATLAB对网络进行训练;结果表明,Freeman链码能够有效地识别各种典型工况示功图,并且该概率神经网络学习速度快、诊断准确率高,可用于抽油机井工况的实时监测和诊断。

基于Freeman链码特征值的示功图分类识别研究

示功图分析是目前比较常用的油井故障诊断方法,基于神经网络的示功图分类识别要求准确地提取示功图的特征值,特征值的质量直接关系到示功图识别的效率和可靠性。传统的示功图特征值提取方法计算量很大,与油井现场的实时性要求相悖。为了解决这一问题,提出了用Freeman链码来表达示功图特征,对示功图的识别进行研究。分析了示功图Freeman链码的提取方法以及典型工况链码特征,建立示功图链码特征样本库,给出了示功图识别的方法步骤,在MATLAB下进行仿真验证。结果表明,Freeman链码特征值能够有效地分类出各种典型工况示功图,神经网络具有更快的收敛速度和更高的识别效率。

基于Freeman链码连通体边界检测及其在坭兴陶图像中的应用

Freeman链码分为八方向和四方向。介绍Freeman链码的原理、记录方式、链码的获取并给出链码的核心代码。对图像采用八方向的链码方法记录图像的边界,实验结果表面采用八方向链码的方式提取图像的边界特征效果较好,并应用到坭兴陶图像中。

一种基于点特征与Freeman链码的红外与微光图像配准算法研究

由于红外与微光图像成像原理的不同,成像特征的巨大差异,研究提出了一种基于点特征与Freeman链码的红外与微光图像配准算法。目的是解决红外与微光图像配准中特征点提取较复杂、特征匹配难的问题;采用优化的Harris角点检测算法进行特征点提取,结合环形灰度区域、RSTC不变矩和Freeman链码对红外与微光图像进行特征点匹配。实验结果表明该算法能够提取出有效的匹配点,能够有效地解决红外与微光图像配准中遇到的视场不统一、旋转、平移问题。

一种基于Freeman链码描述及其应用的快速图象复原算法

描述了一种快速的图象复原算法 .该图象由记录图象轮廓的链码所描述 .首先使用链码描述对图象的轮廓进行跟踪并对其进行平滑 ,从而产生平滑后的图象的链码 .

基于Freeman链码的自由曲线直线逼近算法

提出一种简单而有效的直线逼近自由曲线算法。自由曲线轮廓采用Freeman链码描述,提出快速分割链码算法,得出逼近节点,从而准确地实现对曲线的逼近。此外,该方法不仅适用于直线、圆弧和非圆曲线,而且还适用于形状复杂,不能用初等解析函数直接表示的自由曲线。实验结果表明,该算法简单、快速、准确,并对自由曲线具有较好的逼近效果。

Freeman链码在CCD输出信号处理中的应用

测量信号噪声数据的处理是仪器仪表设计和生产的必要内容,采用解析几何或者傅立叶变换得到特征频谱来判断一段离散数据曲线上的噪声大小,运算复杂。通过对Freeman方向链码的分析,提出利用Freeman方向链码判断一段曲线上的噪声程度,量化后作为平滑窗口尺寸选择的依据,并在处理线阵CCD输出信号中与固定窗口曲线平滑及FFT数字滤波器进行了比较,证明了其可行性。Freeman链码的应用简化了在单片机编程中使用数字滤波器的大模块的编程,降低编程难度,同时使信号噪声的处理仅仅在数学运算阶段,不引入其他的电路噪声,比以前增加电子元件完成信号处理的方法能更好地抑制噪声。