液压控制的智能井系统通过长达数千米的液压管线向井下传送液压控制信号和动力,选择目的层层位和控制流量。向井下传送液压控制信号时,受传输介质和细长液压管线的影响,液压控制信号的传输速度、强度和形态都会发生衰减和扭曲,难以被井下设备识别。为对井下执行器进行可靠的控制,讨论了液压控制信号的传输速度、井眼温度沿深度方向变化对传输介质黏度的影响;分析了井口压力向井下传播时压力与时间的变化关系、地面液压控制信号传到井下时的形态变化、同时施加液压控制信号和液压动力信号时的传输特性,以及有无阻力状态下开启井下滑套时控制压力的变化;再考虑管线内径、加压方式、井眼环境、液压油黏度等对上述传输特性的影响,得出液压控制压力应大于5 MPa、3000 m深水井中井下液压信号传输时间约为25 min等定量评估结论。研究结论可

由于工程机械油压信号易受各种噪声的影响,难以提取有用的信号特征。该文对比了数学形态学降噪、小波阈值降噪、EMD自适应降噪、改进EEMD自适应降噪四种方法,通过仿真信号和实测信号对四种降噪方法进行检验,结果表明:对于一般的信号,小波降噪、EMD降噪、改进EEMD降噪、数学形态学降噪都可以进行降噪处理,并提取趋势项。但是对于含有冲击或突变信号的油压信号,基于数学形态滤波器的方法最好,所得到的信号不失真、信噪比最高。

液压信号具有非平稳性、非线性、特征信息相近时难以正确辨识的特点。针对该特点提出了一种经验模态分解（EMD）和多特征组合的信号辨识方法。该方法将信号自适应分解为若干个固有模态函数（IMF）；提取各IMF分量的能量、裕度、峰度、波动系数等特征参数，规范化后组合形成全局特征向量，并输入支持向量机（SVM）中学习和辨识。通过对液压主管压力信号处理表明：该方法能有效辨识特征信息相近的压力信号，在小样本下仍然具有较好的辨识率。