技術領域：
本發明涉及一種螺紋數據處理算法，尤其涉及一種石油鉆桿螺紋為研究對象的基于激光測量系統的錐螺紋數據處理算法。具體是通過自適應萊以特準則結合改進的小波自適應閾值算法對采集的螺紋廓形原始點云數據進行去粗大誤差和降噪，再通過抗差最小二乘法對降噪后的數據進行擬合，根據擬合曲線斜率提取特征點，根據特征點進行螺紋參數計算。
背景技術：
：
石油鉆桿是利用內外錐管螺紋聯接在一起的。由于鉆井時鉆桿受力大，溫度高，加之高壓泥漿的沖刷摩擦，鉆桿臺肩面和螺紋牙型很容易變形、磨損或局部損壞，目前國內均利用錐螺紋的特點,對螺紋牙型進行機械加工修復，以使鉆桿得到多次重復利用，但目前的方法均不理想。
技術實現要素：
：
發明目的:
本發明提供一種基于激光測量系統的錐螺紋數據處理算法，其目的是解決以往所存在的問題。
技術方案:
一種基于激光測量系統的錐螺紋數據處理算法，其特征在于：該方法包括以下步驟：
(1)綜合測量原理和獲得數據的特點，采用變系數自適應萊以特準則將移傳感器采集的螺紋廓形數據中的粗大誤差去除，當某些測量值的殘差,即測量數據zd與平均值z差的絕對值大于判別系數t與標準差σ之積時，即
|zd-z|＞tσ
認為該誤差為粗大誤差，測得數據zd為離群數據，予以舍棄,其中zd為測量數據，z平均值，t為判別系數，σ為標準差,設計變系數自適應萊以特準則，開始時取t的值接近于零，后逐步擴大t的值，每次都有新的數據點被剔除，并重新計算平均值z用于下次計算，直至有n/3個點被剔除，得到最終平均值z；
(2)應用改進的小波閾值去噪方法對去粗差后數據中的隨機噪聲點進行去除,提出并應用了一種新的改進過的閾值處理函數，表達式為:
解決了硬閾值算法在±λ處不連續，軟閾值算法存在恒定偏差的問題,其中
(3)應用抗差最小二乘法對去噪后的數據進行擬合，存在待定系數矩陣
得到螺紋廓形，用以計算螺紋參數,其中m為抗差估值，z為軸向測量數據，
(4)根據擬合廓形導數情況對進行分段并提取特征點；最后通過提取的特征點計算螺紋參數。
(1)改進的萊以特準則去粗差算法:
綜合測量原理和獲得數據的特點，采用變系數自適應萊以特準則將移傳感器采集的螺紋廓形數據中的粗大誤差去除,進行多次測量，以減小粗大誤差，得到多個測量值，z1，z2，……，zn,算數平均值
標準差為:
當某些測量值的殘差,即測量數據zd與平均值z差的絕對值大于判別系數t與標準差σ之積時，即
|zd-z|＞tσ
認為該誤差為粗大誤差，測得數據zd為離群數據，予以舍棄,其中zd為測量數據,z平均值，t為判別系數,σ為標準差，n為數據個數,設計變系數自適應萊以特準則，開始時取t的值接近于零，后逐步擴大t的值，每次都有新的數據點被剔除，并重新計算平均值z用于下次計算，直至有n/3個點被剔除，得到最終平均值z；
(2)改進的小波閾值去噪算法:
對去除粗大誤差后的數據進行去噪處理,小波閾值去噪的主要方法是先設定一個邊界閾值λ，若小波系數大于λ，就認為這個系數主要是由信號引起，則對這部分系數進行保留,如果小波系數不大于λ，就認定該系數主要是由噪聲引起，則對這部分系數進行去除；
(3)抗差最小二乘法數據擬合:
本方法采用抗差最小二乘法對降噪后的測量數據進行擬合；
抗差最小二乘法權值是殘差的函數，權函數體現了聯合抗差的理念，對正常的觀測值進行保權處理,對非正常但又可利用的可疑值實行降權處理,對于差異過大的粗差將其權值降為零使其淘汰，通過上述方法來達到抵抗誤差的目的；
(4)獲取螺紋參數
對螺紋形面測量數據進行擬合之后，要根據螺紋的參數定義來計算螺紋參數，按照螺紋形狀的特征，采用斜率的方式對螺紋的數據進行分割，在對螺紋數據進行分割時，通過對螺紋測量數據求導來尋求曲線的特征點，特征點判別的方法是找曲線導數變化的點，從而通過特征點對螺紋數據進行劃分；
對螺紋輪廓數據的擬合曲線進行求導，按照曲線斜率特性來確定曲線的特征點ni(ai,bi)，x為徑向，z為軸向，依據特征點將螺紋測量數據劃分為牙頂、牙側上升、牙側下降和牙底四部分；以螺紋的重要參數螺距p、牙形角α、錐度t為例來介紹參數計算過程，n、n2、n3、n4、n5為前5個點，通過第i個特征點ni(ai,bi)，ai、bi為第i個點的軸向坐標和徑向坐標，牙頂、牙側下降、牙底、牙側上升四部分的徑向數據和軸向數據分別為xding、xcexia、xdi、xceshang和zding、zcexia、zdi、zceshang；kding、kcexia、kdi、kceshang為各段擬合系數；
1)螺距為p
p＝ai+4-ai
2)牙型角為α
令
則牙型角為
3)錐度為t
(2)步驟中，再對得到的小波系數進行小波逆變換就得到經小波閾值去噪后的信號；具體步驟為:
1)對含噪信號s(k)進行小波變換，得到一組小波分解系數wj,k；
2)通過對小波分解系數wj,k進行閾值處理，得到估計小波系數
3)利用估計的小波系數
在此提出并應用了一種新的改進過的閾值處理函數，表達式為
其中
(3)步驟中，應用抗差最小二乘法建立的理想的模型為：
設徑向測量數據為x，徑向擬合數據為
其中，z為軸向測量數據,v為殘差，v＝(v1，v2，......，vn)t
設等價權矩陣為
最小二乘估計原理為：
抗差估計基本思想是用一增長較慢的函數ρ(vi)代替
令
解得參數矩陣的抗差估值，即
其中，p為迭代權；求取殘差
vk＝zmk-x
求得權矩陣
計算公式
選擇huber權函數
其中，c為常數通常為2.0；其中測量數據為x，徑向擬合數據為
優點效果:
本發明提供一種基于激光測量系統的錐螺紋數據處理算法，本發明以石油鉆桿螺紋為研究對象，該算法通過自適應萊以特準則結合改進的小波自適應閾值算法對采集的螺紋廓形原始點云數據進行去粗大誤差和降噪，再通過抗差最小二乘法對降噪后的數據進行擬合，得到螺紋廓形曲線并根據擬合廓形導數情況對進行分段并提取特征點；最后通過提取的特征點計算螺紋參數。本發明可以實現錐螺紋數據采集后數據的高效快速處理，提高了錐螺紋檢測的效率。
附圖說明：
圖1為螺紋廓形圖。
具體實施方式：
本發明提供一種基于激光測量系統的錐螺紋數據處理算法，激光測量系統對螺紋數據的非接觸采集，避免接觸測量過程中測頭與工件間因接觸壓力產生的誤差及測頭對工件表面的劃傷，有更高的檢測速度和較高的檢測精度。根據自適應萊以特準則去除原理誤差。再通過改進小波自適應閾值對數據進行降噪，去除隨機誤差。后利用抗差最小二乘法對降噪后的數據進行擬合，得到螺紋廓形，根據斜率劃分特征點，根據特征點計算螺紋參數，實現了基于激光測量系統的錐螺紋數據采集處理。
基于激光測量系統的錐螺紋數據處理算法，包括以下步驟：
(1)綜合測量原理和獲得數據的特點，采用變系數自適應萊以特準則將移傳感器采集的螺紋廓形數據中的粗大誤差去除，當某些測量值的殘差(即測量數據zd與平均值z差的絕對值)大于判別系數t與標準差σ之積)時，即
|zd-z|＞tσ
認為該誤差為粗大誤差，測量數據zd為離群數據，予以舍棄。其中zd為測量數據,z平均值,t為判別系數,σ為標準差。設計變系數自適應萊以特準則，開始時取判別系數t的值接近于零，后逐步擴大判別系數t的值，每次都有新的數據點被剔除，并重新計算平均值z用于下次計算，直至有n/3個點被剔除，得到最終平均值z。
(2)應用改進的小波閾值去噪方法對去粗差后數據中的隨機噪聲點進行去除。提出并應用了一種新的改進過的閾值處理函數，表達式為
解決了硬閾值算法在±λ處不連續，軟閾值算法存在恒定偏差的問題。其中
(3)應用抗差最小二乘法對去噪后的數據進行擬合，存在待定系數矩陣
得到螺紋廓形，用以計算螺紋參數。其中m為抗差估值，z為軸向測量數據，p為迭代權，x為徑向測量數據
(4)根據擬合廓形導數情況對進行分段并提取特征點；最后通過提取的特征點計算螺紋參數。
具體步驟如下：
(1)改進的萊以特準則去粗差算法
受到螺紋表面性質及檢測系統本身原理和環境因素的影響，激光測量系統采集的螺紋廓形數據可能會含有粗大和隨機誤差，其中粗大誤差是明顯與螺紋廓形不符的離群數據。綜合測量原理和獲得數據的特點，采用變系數自適應萊以特準則將移傳感器采集的螺紋廓形數據中的粗大誤差去除。為提高準確度進行了多次測量，以減小粗大誤差，得到多個測量值，z1，z2，……，zn。算數平均值
標準差為
當某些測量值的殘差(即測量數據zd與平均值z差的絕對值)大于判別系數t與標準差σ之積大于判別系數與標準差之積時，即
|zd-z|＞tσ
認為該誤差為粗大誤差，測得數據zd為離群數據，予以舍棄。其中zd為測量數據,z平均值，t為判別系數,σ為標準差，n為數據個數。設計變系數自適應萊以特準則，開始時取t的值接近于零，后逐步擴大t的值，每次都有新的數據點被剔除，并重新計算平均值z用于下次計算，直至有n/3個點被剔除，得到最終平均值z。
(2)改進的小波閾值去噪算法
對去除粗大誤差后的數據進行去噪處理。小波閾值去噪的主要方法是先設定一個邊界閾值λ，若小波系數大于λ，就認為這個系數主要是由信號引起，則對這部分系數進行保留。如果小波系數不大于λ，就認定該系數主要是由噪聲引起，則對這部分系數進行去除；再對得到的小波系數進行小波逆變換就得到經小波閾值去噪后的信號。具體步驟為:
1)對含噪信號s(k)進行小波變換，得到一組小波分解系數wj,k；
2)通過對小波分解系數wj,k進行閾值處理，得到估計小波系數
3)利用估計的小波系數
在此提出并應用了一種新的改進過的閾值處理函數，表達式為
其中
(3)抗差最小二乘法數據擬合
只有對螺紋的數據進行擬合才能對螺紋進行數學描述，進而得到螺紋廓形和螺紋參數。本發明采用抗差最小二乘法對降噪后的測量數據進行擬合。
傳統的最小二乘法權值是先驗，而抗差最小二乘法權值是殘差的函數。權函數體現了聯合抗差的理念，對正常的觀測值進行保權處理,對非正常但又可利用的可疑值實行降權處理,對于差異過大的粗差將其權值降為零使其淘汰，通過上述方法來達到抵抗誤差的目的。應用抗差最小二乘法建立的理想的模型為
設徑向測量數據為x，徑向擬合數據為
其中，z為軸向測量數據,v為殘差，v＝(v1，v2，......，vn)t
設等價權矩陣為
最小二乘估計原理為：
抗差估計基本思想是用一增長較慢的函數ρ(vi)代替
令
可解得參數矩陣的抗差估值，即
其中，p為迭代權。求取殘差
vk＝zmk-x
求得權矩陣
計算公式
選擇huber權函數
其中，c為常數通常為2.0。其中測量數據為x，徑向擬合數據為
(4)獲取螺紋參數
對螺紋形面測量數據進行擬合之后，要根據螺紋的參數定義來計算螺紋參數，螺紋廓形如圖1所示。按照螺紋形狀的特征，采用斜率的方式對螺紋的數據進行分割。在對螺紋數據進行分割時，通過對螺紋測量數據求導來尋求曲線的特征點。特征點判別的方法是找曲線導數變化的點，從而通過特征點對螺紋數據進行劃分。
對螺紋輪廓數據的擬合曲線進行求導，按照曲線斜率特性來確定曲線的特征點ni(ai,bi)，x為徑向，z為軸向，依據特征點將螺紋測量數據劃分為牙頂、牙側上升、牙側下降和牙底四部分。以螺紋的重要參數螺距p、牙形角α、錐度t為例來介紹參數計算過程。n、n2、n3、n4、n5為前5個點，通過第i個特征點ni(ai,bi)，ai、bi為第i個點的軸向坐標和徑向坐標。牙頂、牙側下降、牙底、牙側上升四部分的徑向數據和軸向數據分別為xding、xcexia、xdi、xceshang和zding、zcexia、zdi、zceshang。kding、kcexia、kdi、kceshang為各段擬合系數。
1)螺距為p
p＝ai+4-ai
2)牙型角為α
令
則牙型角為
3)錐度為t