[发明专利]基于激光测量系统的锥螺纹数据处理方法

摘要

一种基于激光测量系统的锥螺纹数据处理算法，该方法包括以下步骤：（1）采用变系数自适应莱以特准则将移传感器采集的螺纹廓形数据中的粗大误差去除；（2）应用改进的小波阈值去噪方法对去粗差后数据中的随机噪声点进行去除；（3）应用抗差最小二乘法对去噪后的数据进行拟合；（4）根据拟合廓形导数情况对进行分段并提取特征点；最后通过提取的特征点计算螺纹参数。本发明以石油钻杆螺纹为研究对象，该算法通过自适应莱以特准则结合改进的小波自适应阈值算法对采集的螺纹廓形原始点云数据进行去粗大误差和降噪，再通过抗差最小二乘法对降噪后的数据进行拟合，得到螺纹廓形曲线并根据拟合廓形导数情况对进行分段并提取特征点；最后通过提取的特征点计算螺纹参数。本发明可以实现锥螺纹数据采集后数据的高效快速处理，提高了锥螺纹检测的效率。

主权项

一种基于激光测量系统的锥螺纹数据处理算法，其特征在于：该方法包括以下步骤：(1)综合测量原理和获得数据的特点，采用变系数自适应莱以特准则将移传感器采集的螺纹廓形数据中的粗大误差去除，当某些测量值的残差,即测量数据Zd与平均值Z差的绝对值大于判别系数T与标准差σ之积时，即|Zd‑Z|＞Tσ认为该误差为粗大误差，测得数据Zd为离群数据，予以舍弃,其中Zd为测量数据，Z平均值，T为判别系数，σ为标准差,设计变系数自适应莱以特准则，开始时取T的值接近于零，后逐步扩大T的值，每次都有新的数据点被剔除，并重新计算平均值Z用于下次计算，直至有n/3个点被剔除，得到最终平均值Z；(2)应用改进的小波阈值去噪方法对去粗差后数据中的随机噪声点进行去除,提出并应用了一种新的改进过的阈值处理函数，表达式为:W^j,k=αsgn(Wj,k)(|Wj,k|-λ)+1-α2Wj,k,|Wj,k|≥λ0,|Wj,k|<λ]]>解决了硬阈值算法在±λ处不连续，软阈值算法存在恒定偏差的问题,其中为估计小波系数，Wj,k为小波分解系数，α为噪声标准方差，λ为边界阈值；(3)应用抗差最小二乘法对去噪后的数据进行拟合，存在待定系数矩阵M=(ZTP‾Z)-1ZTP‾X]]>得到螺纹廓形，用以计算螺纹参数,其中M为抗差估值，Z为轴向测量数据，为等价权矩阵，X为径向测量数据；(4)根据拟合廓形导数情况对进行分段并提取特征点；最后通过提取的特征点计算螺纹参数。