基于HHT的管道阀门内漏声发射检测研究

刘贵杰，徐 萌，王 欣，姜瑞林

(1.中国海洋大学 工程学院，青岛 266100;2.中海油田服务股份有限公司，北京 101149)

阀门是一种用途非常广泛的机械产品，主要用于各种流体工程系统的管道上。阀门的严密性是一个非常重要的性能指标，在实际使用中，时有发生的介质污染、火灾爆炸、中毒事故大都是由阀门内漏造成的。因此研究管道阀门内漏的在声发射检测理论、方法，实现对管道阀门内漏的有效监测，对于维护管网的安全运行，避免资源的浪费，有着重要的理论意义和实际应用价值。

声发射技术作为一种动态无损检测方法，可以在不停产的状况下对压力管道的活性缺陷和泄漏情况进行快速检测及判断，适用于复杂环境下管道和阀门的在线监测[1]。国内外学者对声发射技术在阀门泄漏检测和实验的应用做了大量的研究。文献[2－4]研究了声发射信号在阀门内漏中的测量、特征参数提取等问题。Kaewwaewnoi等[5]通过大量实验研究了液体和气体介质在不同阀门大小、类型和进口压力等级下的声发射信号特征，探索了阀门泄漏率与声发射信号功率谱之间的对应关系。Lee等[6]对核电站止回阀的磨损和泄漏状况进行了长期的声发射监测，通过小波分析的方法，利用声发射信号均方根值表征阀门泄漏状态。石志标等[7]通过试验和实际检验验证了声发射检测在阀门内漏检测中的可行性，并介绍了在严重噪声情况下采用信号差值法进行检测。孙立瑛等[8]利用EMD方法将声发射信号进行分解，并对特征分量重构进行互相关分析计算以达到对管道泄漏的精准定位。严谨等[9]针对地下管道漏损的准确定位问题，将管道周围土壤做弹性体考虑，对弹性介质中充液管道的声传播特性进行了解析研究。

由于阀门内漏产生的声发射信号具有非平稳的特征，以上研究使用的Fourier方法、小波方法、双线性时频分布、Gabor变换等方法或具有非线性信号分析局限性或有赖于基函数的选择，并且受到测不准原理的限制，不能给出正确合理的信号特征解释。EMD[10]作为一种新型的信号处理方法适合处理非线性非平稳信号，但EMD方法存在模态混叠现象，使得其应用效果降低。EEMD[11]是EMD方法的改进，该方法利用高斯白噪声具有频率均匀分布的统计特性，使加入高斯白噪声后的信号在不同尺度上具有连续性，从而有效地解决了模式混淆问题。本文将基于EEMD分解的HHT方法应用于阀门不同内漏量状态下的声发射信号特征提取，分析结果表明该方法对管道阀门内漏检测识别是正确有效的。

1 理论基础

1.1 阀门内漏声发射检测原理

声发射是材料中局域源能量快速释放而产生瞬态弹性波的现象，也称为应力波发射，简称AE。阀门检测中，阀门内漏可看作一个喷流过程，当因阀门密封性能不好而泄漏时，阀体内介质会从密封面的缝隙喷射而出，形成紊流，紊流对密封表面产生冲击而激发弹性波，流体内漏所激发的弹性波信号为连续信号且有较宽的频率范围，用声发射传感器接触阀体外壁，接收泄漏产生的在阀体中传播的弹性波，转换成电信号，对采集到的声发射信号进行特征分析，从而达到检测阀门泄漏的目的。

图1 阀门内漏声学分析模型Fig.1 The valve leakage acoustic analysis model

假设内漏模型为充分的泄漏喷射，将其分成3个区域:混合区、过渡区和充分发展区，见图1。混合区的延伸距离大约是阀门直径D的4.0～4.5倍，过渡区距离大致扩展到D的10倍。沿泄漏表面，漏口附近声压较低，在3至4倍直径的距离内迅速增加到极大值，以后又慢慢降低，泄漏声音大部分来之混合区和过渡区的湍流运动，高频噪声主要发生在喷口附近，低频噪声产生在下游，频谱峰在混合区的尖端附近。

离喷口稍远的区域为过渡区，在过渡区中处处充满湍流，平均速度随喷射距离的增加而渐减，射流宽度逐渐扩展。离喷口更远的地方，流体成为完全湍流运动，即充分发展区。在这个区域里流速逐渐降低以至完全消失变小，产生的声信号为低频性。

1.2 基于EEMD分解的HHT方法

1998年Norden提出了希尔伯特黄变换这一全新的时频分析理论。在这一理论中，通过EMD方法，将信号表示成有限个IMF分量和一个残余分量之和的形式，并且提出了通过Hilbert变换对各个IMF进行时频分析和求解瞬时频率。HHT在对非线性非平稳信号的分析处理方面表现出了有效性和自适应特性，而当信号不是纯噪声时，会缺失一些尺度，这时混叠现象就会发生。由此采用EEMD方法给信号加进高斯白噪声成为由信号和噪声组成一个“总体”，利用高斯白噪声具有频率均匀分布的统计特性，当向信号中加入高斯白噪声后，信号将在不同尺度上具有连续性，这样可以促进抗混分解，避免了EMD方法中由于IMF的不连续性而造成的模态混叠现象[11]。

EEMD的分解过程可以归纳如下:

(1)给目标信号x(t)加上一组白噪声m(t)，获得一个总体X(t):

(2)含有白噪声的总体X(t)为IMF分量:

(3)对信号加入不同的白噪声mi(t)，重复步骤(1)、(2)，分解到各自IMF分量组:

(4)将分解后的各IMF分量做为最结果:

式中:Cj表示对原始信号进行EEMD分解得到的第j个IMF分量;N为加入白噪声的次数。

对信号进行EEMD分解的最终目的是进行Hilbert变换，进行瞬时频率、边际谱和时频谱分析。简单地说，Hilbert变换为信号与1/t的卷积，因此，其特点是强调局部属性，这就避免了用傅里叶变换时拟合原始数列而产生的许多多余的、事实上不存在的高频成分。

将由EEMD分解后的n个IMF分量表示为xi(t)，i=1，…，n:

对每一个分量做Hilbert变换:

其中:yi(t)表示变换后的IMF分量，P.V表示柯西主值积分。

将xi(t)和yi(t)构成解析信号zi(t)，并用极坐标表示:

其中:ai(t)为瞬时振幅，θi(t)为瞬时相位。对瞬时相位求导就得到瞬时频率。x(t)的瞬时频率定义为:

原始信号可表示为:

根据式(10)可以将幅度时频平面中可以将振幅表示成时间和频率的二元函数，幅度的这种时频分布被称为希尔伯特谱(Hilbert谱)。相比于传统的频谱分析(如STFT谱)，Hilbert谱具有较高的时频分辨率。管道阀门内漏产生的声发射信号具有的非平稳特征非常明显，因此，采用基于EEMD分解的HHT时频分析方法可以对声发射信号的成分进行本质分析。

2 管道阀门内漏模拟实验

2.1 实验平台的搭建

图2为搭建的管道阀门内漏模拟实验台，包括:

(1)阀门内漏管道:采用直径为50 mm的UPVC管道搭建循环管道，最大耐压10 MPa。选择船用DN50闸阀作为模拟内漏阀门，泄漏介质为水。

表1 信号采集仪器及其主要参数Tab.1 Parameters of signal acquisition instruments

图2 阀门内漏实验台及声发射实验仪器Fig.2 Valve leakage laboratory furniture and AE experimental apparatus

(2)声发射检测设备:实验采用PXWAE全波形声发射检测仪实时采集信号。主要仪器及参数如表1所示。

2.2 阀门内漏声发射信号采集

将PRX15声发射传感器用耦合剂粘贴在DN50阀门中间位置，用以拾取阀门内漏时产生的AE信号;设定发射检测仪采样频率为1 024 kHz，单波形采样时间为16 ms，触发方式为上升沿软件触发。

开启齿轮泵对管道进行注水冲压，使阀门入水口处具有一定的压力，管道压力维持在1.5 Mpa。通过调节阀门不同开启度来模拟阀门内漏，分别采集阀门在未发生内漏状态、内漏量为12.5 mm3/s、50 mm3/s状态下阀门内漏产生的声发射信号。

图3～图5分别为阀门为泄漏状态下、内漏量为12.5 mm3/s、50 mm3/s状态下声发射信号时域图和频谱图。由图可知声发射信号主要集中在0～20 kHz，内漏量为12.5 mm3/s状态下，在50 kHz左右出现较低能量的频率波动，未内漏状态与内漏量50 mm3/s状态下频率分布差别不大。Fourier频谱图谱线密集，高频特征信号识别不明显，不能有效地反映阀门内漏的声发射信号本质特征。

图3 阀门未泄漏状态下信号时域图及Fourier频谱图Fig.3 Time domain diagram and Fourier frequency spectrum before leakage

图4 阀门内漏量为12.5 mm3/s状态下信号时域图及Fourier频谱图Fig.4 Time domain diagram and Fourier frequency spectrum when the valve leakage quantity of 12.5 mm3/s

图5 阀门内漏量为50 mm3/s状态下信号时域图及Fourier频谱图Fig.5 Time domain diagram and Fourier frequency spectrum when the valve leakage quantity of 50 mm3/s

3 阀门内漏信号的HHT分析

本证模态函数代表了信号的内在波动模式，对分解后的IMF分量进行分析可获得信号中更丰富的时频能量信。因此对采集到的不同内漏量状态下的声发射信号时域抽区间进行EEMD分解，并对分解后的信号进行Hilbert谱分析和边际谱分析。

根据文献[11]，进行EEMD分解时加入的白噪声幅值为原始信号幅值标准差的0.2倍。未内漏时原数据幅值标准差为 0.065 6，所加入白噪声幅值为0.013 1。设定集总平均次数为100次，原信号自适应分解为12个IMF分量，并对分解后的信号进行Hilbert谱分析。图6是阀门未泄漏时声发射信号EEMD分解IMF分量时频谱和Hilbert谱。由图，EEMD分解后的IMF分量较好地表现了各频段的幅值、频率特征，未泄漏时信号主要频率集中在0～15 kHz，在整个时间域，信号频率、能量分布均匀。

图6 阀门未泄漏时声发射信号IMF时域图和Hilbert谱图Fig.6 IMF time domain diagram and Hilbert spectrum before leakage

内漏量为 12.5 mm3/s时原始数据标准差为0.093 5，则加入的白噪声幅值为0.018 7。设定集总平均次数为100，信号自适应分解出12个IMF分量，分解后的IMF分量时域图如图7所示。

图8为能量较大的前4个IMF分量功率谱图，由图可以看出IMF1～IMF4对应的频率依次减小，这说明EEMD有效地避免了阀门内漏信号EMD分解造成的模态混叠现象。

图7 阀门内漏量为12.5 mm3/s时声发射信号IMF时域图Fig.7 IMF time domain diagram and Hilbert spectrum when the valve leakage quantity of 12.5 mm3/s

图8 阀门内漏量为12.5 mm3/s状态下声发射信号EEMD分解前4个IMF分量Fourier频谱图Fig.8 The first four IMF Fourier frequency spectrum when the valve leakage quantity of 12.5 mm3/s

图9 为内漏量为12.5 mm3/s状态下声发射信号的Hilbert谱图，由图可以得出，12 ms时信号频率及能量发生突变，主要频段集中在20～80 kHz，高频段能量集中在60～80 kHz，整个频率突变持续时间10 ms，随后信号频率回归到低频状态，对下一时间窗信号进行分析得到类似的频谱分布，该信号具有一定的周期性，由此可以判定，此时发生了内漏，且内漏产生的声发射信号频率较高。由于内漏时，泄漏处形成的射流与泄漏孔壁相互作用及液体高速流出泄漏孔冲击到阀下内壁都会产生不同频率的声发射信号，因此造成了频率内漏信号频带较宽(如图9中的频带分布)。

阀门内漏量为50 mm3/s时原始数据标准差为0.085 7，所以加入的白噪声幅值为0.017 1。设定集总平均次数为100，信号自适应分解出12个IMF分量，分解后的IMF分量时域图及Hilbert谱如图10所示，由图可知在16 ms处信号频率、能量发生突变，主要频段集为50～90 kHz，但能量值较内漏量为12.5 mm3/s较低，持续时间3 ms，随后信号回归到低频状态，并在下一时间域出现周期性突变。

图9 阀门内漏量为12.5 mm3/s时信号Hilbert谱图Fig.9 Hilbert spectrum when the valve leakage quantity of 12.5 mm3/s

图10 阀门内漏量为50 mm3/s时信号时域图和Hilbert谱图Fig.10 Time domain diagram and Hilbert spectrum when the valve leakage quantity of 50 mm3/s

图11 阀门未发生内漏时信号的Hilbert边际谱Fig.11 Hilbert marginal specturm before leakage

图12 阀门内漏量为12.5 mm3/s时信号Hilbert边际谱Fig.12 Hilbert marginal spectrum when the valve leakage quantity of 12.5 mm3/s

图13 阀门内漏量为50 mm3/s时信号Hilbert边际谱Fig.13 Hilbert marginal spectrum when the valve leakage quantity of 50 mm3/s

由于Fourier频谱的幅值只能反映频率在信号中实际存在的可能性大小，而边际谱的幅值能真实反映频率在信号中是否存在。边际谱是Hilbert谱对时间轴的积分，它是对信号中各个频率成份的幅(或能量)的整体测度，它表示了信号在概率意义上的累积幅值，反映了信号的幅值在整个频率段上随频率的变化情况，当某一频率的能量出现时，就表示一定有该频率的振动波出现[12]。对信号进行HHT边际谱分析，以期找出主要的内漏信号频率。图11～图13是三种内漏状态AE信号HHT边际谱。对比图3～图5中的Fourier频谱，不难发现，边际谱对主要作用频率的分辨率要比Fourier频谱高出很多。阀门未内漏时信号频率分布在5 kHz～15 kHz之间，即实验背景噪声频率分布范围;内漏量为12.5 mm3/s时内漏信号主要作用频率为50 kHz和80 kHz;内漏量为50 mm3/s时主要作用频率为70 kHz。

4 结论

(1)阀门内漏的声发射信号为复杂的非平稳信号，采用EEMD方法将其分解为若干个IMF分量，对前4个分量进行Fourier频谱分析，验证了EEMD方法可以有效避免阀门内漏声发射信号频谱模态混叠现象。

(2)Hilbert谱在对阀门内漏声发射信号分析上具有更高的时频分辨率，对信号时域抽区间进行Hilbert边际谱分析，能够更加准确地确定内漏信号的作用频率。

(3)模拟管道阀门内漏实验分析结果表明基于EEMD和HHT方法的阀门内漏声发射检测识别是正确有效的。

[1]Lee J K，Lee S P，Lee J H.Study on damage mechanism of pipe using ultrasonic wave and acoustic emission technique[J].Key Engineering Materials，2007，353－358(4):2415－2418.

[2]Puttmer A，Rajaraman V.Acoustic emission based online valve leak detection and testing[J].Proceedings of IEEE Ultrasonics Symposium，New York，USA，October 28－31，2007:1854－1857.

[3]Lee S G，Park J H，Yoo K B，et al.Evaluation of internal leak in valve using acoustic emission method[J].Key Engineering Materials 326－328(I)，2006:661－664.

[4]Kaewwaewnoi W，Prateepasen A.Measurement of valve leakage rate using acoustic emission[J].ECTI，2005，Pattaya，Thailand，May 12－13，2005:597 －600.

[5]KaewwaewnoiW， Prateepasen A. Investigation ofthe relationship between internal fluid leakage throug a valve and the acoustic emission generated from the leakage[J].Measurement，2010，43:274 －282.

[6]Lee J H，Lee M R，Kim J T，et al.Analysis of acoustic emissionsignals for condition monitoring of check valve at nuclear power plants[J].Key Engineering Materials，270 －273，2004:531 －536.

[7]石志标，陈向为，张学军.声发射技术在阀门检漏中的应用[J].无损检测，2004，26(8):391 －392，401.

[8]孙立瑛，李一博，曲志刚，等.EMD信号分析方法的声发射管道泄漏检测研究[J].2007，10(26):161－165.

[9]严 谨，刘敬喜，张 娟.埋地管道漏损检测的声传播特性研究[J].振动与冲击，2012，31(3):127 －131.

[10]Huang N E，Shen Z，Long S R.The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[J].Proc.R.Soc.Lond.A，1998，454:903 －995.

[11]Zhao H W， HuangN E. Ensembleempiricalmode decomposition:A noise assisted data nalysis method[J].Advances in Adaptive Data Analysis，2009，1(1):1 －41.

[12]Zhong Y M，Qin S R.Study on the marginal spectrum in Hilbert-Huang transform[J]，SystemsEngineeringand Electronics，2004，26:1323 －1326.