基于聚类分析的罐底声发射检测信号融合方法

采用声发射技术进行罐底腐蚀与泄漏检测过程中,需要对多个传感器的检测到的声发射信号进行融合处理,将属于同一声发射源的声发射信号判定为一个声发射事件。但是在现场检测过程中,由于噪声的存在,使得在声发射信号融合处理时容易对声发射源产生误判。针对该问题,提出了一种基于聚类分析的罐底声发射信号融合方法,其基本原理是先根据事件定义时间进行初始声发射事件判定,然后采用聚类分析方法对初始声发射事件中的信号进行分类,将每一类信号分别判定为一个声发射源。现场实验表明采用该方法抗噪声干扰能力强、误判概率低,能准确反应罐底腐蚀的实际情况。     

基于平均频谱的储油罐罐底腐蚀声发射特征分析

针对声发射(AE)罐底检测过程中传统分析方法无法准确判断储油罐罐底腐蚀区域腐蚀程度的问题,提出了基于平均频谱的储油罐罐底腐蚀声发射特征分析方法,用于判断储油罐罐底板腐蚀类型.该方法利用平均值原理,分别求出罐底板不同腐蚀区域的平均频谱,再通过傅里叶逆变换得到该区域的平均波形,以此来表征腐蚀区域占主导地位的声发射信号特征.为了验证分析方法的有效性,进行了现场储油罐检测实验,实验过程中应用护卫传感器屏蔽罐内噪声干扰.实验结果表明,护卫传感器可以有效屏蔽大量罐内噪声信号,使定位结果更加准确.应用护卫传感器所得到的定位结果与开罐检测结果基本一致.在获得准确的声发射定位结果的前提下,应用基于平均频谱的分析方法,可以有效识别不同腐蚀类型,进而准确判断出罐底腐蚀程度.     

基于极限学习机和b值法的罐底声发射检测腐蚀信号识别方法

声发射储罐罐底腐蚀检测过程中,采集到的腐蚀信号里不可避免地混有干扰。针对该问题,提出了基于极限学习机(ELM)的石油储罐罐底腐蚀信号识别方法。为验证该方法的有效性,在秦皇岛输油站的消防水罐里,进行模拟罐底腐蚀检测实验,并应用ELM对采集到的声发射信号进行分类识别,用b值法对ELM的分类效果进行评估。实验结果表明:ELM识别正确率高于90%。ELM识别出的腐蚀信号的b值变化规律与实验室条件下腐蚀信号的b值变化规律一致,并能够反映磷酸腐蚀碳钢板的过程。     

基于小波聚类的罐底声发射源聚集区域自动识别

利用声发射(AE)技术进行储罐罐底腐蚀检测过程中,不仅要获得声发射信号,还要根据声发射源分布的疏密了解罐底各处的腐蚀情况.传统方法一般采用人工方式进行腐蚀区域划分和识别,效率和准确率都低.为解决该问题,提出了一种基于小波聚类的罐底声发射源聚集区域自动识别方法.算法过程主要包括:划分网格、二维离散小波变换、区域查找和标记、确定声发射源所属区域等步骤.现场实验数据表明,该方法能够对任意分布形状的声发射源聚集区域进行自动识别,特别是能够将因加热盘管腐蚀产生的声发射源划分到同一区域,有效提高了对罐底腐蚀评估的效率和准确性.此外,以声发射源分布信息熵作为区域识别有效性的评价指标,选择信息熵最大的识别结果作为最终声发射源聚集区域识别结果最为有效.     

EMD信号分析方法的声发射管道泄漏检测研究

针对管道泄漏声发射检测信号的非平稳特征,提出了基于经验模态分解(EMD)的信号分析方法。该信号分析方法将管道泄漏产生的声发射信号通过EMD分解为多个平稳的固有模态函数(IMF)之和,选择包含声发射特征的若干IMF分量进行重构,可以提取到管道泄漏声发射信号的本质特征,消除噪声信号的干扰。通过对重构后的信号进行互相关分析计算,使基于声发射方法的管道泄漏检测的定位精度得到较大提高,验证了Hilbert-Huang变换是表征声发射信号的非平稳特征及信号参数提取的有效工具。     

储油罐声发射在线检测技术研究与应用

由于传统储罐检修中的定周期、盲目开罐可能造成巨大财力物力损失、“坏”罐漏检等问题,近年来国内外出现了睹罐在线检测技术。而声发射技术是目前国内外应用比较多的储油罐底板腐蚀在线检测定性评价技术。本文在声发射在线检测原理基础上,探索出一种实用的储罐声发射信号采集流程。在神经网络的声发射信号模式识别方法的基础上,提出了一种混合式的声发射信号处理方法。本文的研究成果成功应用于储油罐声发射在线检测的现场数据采集和分析处理,对储油罐在线检测技术研究具有一定的指导作用。     

基于小波变换降噪的声发射源定位方法

选取最优小波基对声发射信号进行小波变换降噪处理,采用阈值法确定不同传感器接收声发射信号时间以提高各向异性材料中声发射源定位精度。在钢板和木板上进行断铅模拟声发射源实验,利用Geiger算法分别计算出降噪前后的声发射源定位结果以验证该定位方法的有效性。结果表明该定位方法能有效减小噪声信号的影响,提高各向异性材料中声发射源定位精度。采用该定位方法对氧化铝陶瓷试件压缩破坏过程中的声发射源进行定位,定位结果有效地反映了材料内微裂纹产生和扩展而导致试件破坏的动态过程。     

基于二次相关加权阈值的滚动轴承声发射信号小波包降噪算法研究

针对滚动轴承疲劳损伤初期声发射信号微弱而易湮没于噪声中难以有效检测的问题,提出一种基于二次相关加权阈值的声发射信号小波包降噪算法。通过计算原始信号各小波包分解成分自相关函数与噪声自相关函数的互相关系数(二次相关),对"3σ"阈值加权得到小波包分层阈值,实现对声发射信号的降噪。仿真分析与实测声发射信号分析表明,该方法能够有效去除干扰噪声,凸显声发射冲击信号。     

基于AR模型的声发射信号到达时间自动识别

声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,本文结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。     

断铅试验声发射信号处理与损伤源定位研究

以断铅试验为例模拟材料的断裂损伤事件,进行声发射特征参数和损伤源定位的试验研究,采用小波变换对声发射信号进行分解和重构。结果表明:声发射计数、能量和有效值对断铅具有较高的检测灵敏度;仅依据声发射幅值并不能判断铅芯断裂释放的声发射信号能量的高低。采用4层小波变换将断铅声发射信号分解到不同的频率段并进行重构,将高频接触摩擦信号和低频噪音信号滤除,能准确提取铅芯断裂特征信息。通过布置多个传感器对断铅位置进行定位的方法完全可行,时差线定位偏差不超过10 mm。