常压储罐罐底腐蚀声发射检测去噪方法分析*

李自力 毕海胜 程远鹏 王 军 陈健飞

(1.中国石油大学(华东)油气储运工程系；2.胜利油田技术检测中心)

声发射是材料中局域源快速释放能量产生瞬态弹性波的一种现象，也称为应力波发射(Stress Wave Emission)、微震动活动(Micro-seismic Activity)等[1]。声发射检测作为一种无损检测方法，在石油化工、航空航天、电力系统、岩石勘探及桥梁建筑等诸多领域得到了广泛的应用。具体在石油化工领域，声发射检测用于压力容器裂纹检测、常压储罐罐底腐蚀检测、油气管道泄漏检测以及LNG低温储罐检测等方面取得了良好的效果。声发射罐底腐蚀检测相对于漏磁检测、超声波检测及磁粉检测等传统离线无损检测，具有独特的优势。它采取“被动听声”的方式，在线监测储罐底板产生的腐蚀信号并对罐底板腐蚀情况作出判断，其检测灵敏度高，能够对腐蚀活性缺陷和早期开裂快速检测和准确定位，无需停产、开罐、倒罐、清洗，对储罐底板100%覆盖并快速检测，检测一个直径为50m的储罐只需一天，进而根据腐蚀程度对储罐实现“好”与“坏”的分级，变“定期检测”为“状态检测”，节省了大量的人力、资金和时间[2～4]。

在世界范围内，声发射检测是目前适用于大型常压储罐底板腐蚀在线检测与评估的最好方法。但是，储罐声发射检测受背景噪声的干扰比较大，这些噪声包括可测量的流动噪声、物件和储罐的机械撞击、 电磁干扰(EMI)和射频干扰(RFI)[5]，管道或软管连接处的泄漏、壁板的泄漏、膨胀管的热胀冷缩，自然雨雪、 冰雹、大风、鸟和昆虫，罐壁上的喷淋器、罐内的加热盘管、搅拌机、液位探测仪以及其他储罐内部构件、储罐内的化学反应、气泡的运动等，导致检测信号在解释、识别和聚类上存在很大的困难，混淆甚至丢失有用的腐蚀信号而出现误判的情况时有发生，因而如何去噪是声发射检测在应用过程中遇到的最大难题。

1 检测过程实施去噪

1.1 检测时间的选择

现场储罐声发射检测表明，白天罐区周边因施工、设备运转、机动车辆及太阳照射等的影响，背景噪声水平总体较高，采集到的信号当中含有大量的噪声信号，白天采集到的信号量远远大于晚上的信号量。太阳照射储罐，迎光面和背光面罐壁受光照不一样，壁板因受热不均而产生热应力，热胀冷缩变形产生应力波；带有滑动膨胀节的外加热盘管夹套，在环境温度变化时将会产生具有长持续时间的不连续的突发型声发射信号；此外，罐内介质(主要是油品)受热不均，液体热对流与罐壁、内加热盘管以及进出口油管等摩擦也会产生大量的噪声。

因此实施声发射检测之前，除了确保储罐进出口阀门关闭，搅拌器、加热设施和泵机组等停止运转，并静置一段时间(约12h)之外，还必须选择一个温度可控的环境或温度相对稳定的时间[6]。目前国际上没有统一的标准来规定储罐声发射检测的时间。在欧洲，推荐最佳检测时间是晚上；GB/T 10764-2007也推荐，合适的检测时间是早晨或晚上。张涛等人通过现场检测并处理分析，推荐在22:00至次日凌晨4:00的时间段进行检测，效果良好[7]。因此，选择最佳时间区间进行检测，对于消噪干扰至关重要。

1.2 布置双层传感器

储罐进行声发射检测时，罐顶板的落杂、抗风圈振动、顶板和壁板的腐蚀和受热不均产生的应力波以及罐顶内表面油品低温凝析液滴落到液面也会产生声发射，从而对罐底声发射检测信号产生干扰。可以通过布置双层传感器来消除这些干扰，双层传感器的布置方法如图1所示，第一圈传感器靠近罐底板，距底板高度在0.2～0.5m之间(有的外文文献设定为1m)，确保高于罐底沉积物，且在同一高度壁板上环状均布；第二圈传感器布置在距底板高度3～5m的壁板，竖直方向上与第一圈传感器等间距错开，错开方式布置采用相同数量的通道可以覆盖更大范围的储罐壳体，尤其对于大型储罐可以减少需要的通道数。

第二层护卫传感器优先接收来自上层的声发射事件，根据信号到达时间差来剔除来自顶板和壁板背景噪声的干扰，这样保证第一圈传感器接收的信号主要是底板的腐蚀缺陷信号。

1.3 金属板附加传感器

为了减少自然雨雪、冰雹、风沙、储罐周围机械振动等较大环境噪声的干扰，英国声发射专家Chris Rowland认为，在储罐边缘放置一块材料与罐底板材料相同的金属板，在金属板上安装附加声发射传感器，并接入声发射采集系统，如图2所示。金属板传感器采集的信号主要来自外界的环境噪声，通过对金属板传感器采集的声发射信号处理分析，可以分辨出典型环境噪声的频率和幅度范围，并在主传感器信号上加以消除。只有将背景噪声的干扰降到最低，采集到的有效声发射信号才更可靠，检测的结果才更准确。

图2 储罐底板检测金属板附加传感器布置示意图

2 检测仪器设置去噪

2.1 设置阈值

设置声发射信号采集的阈值是控制噪声的最直接的方法之一。为了很好地剔除背景噪声，检测时应设置适当的阈值电压，也称为门限电压，通常以dB来表示，声发射检测中约定传感器输出的电信号1μV，即1μV为0dB。其他经过增益放大得到的信号幅度和设在不同部位的门槛电压都可依此推算。低于所设置阈值电压的噪声被剔除，高于这个阈值电压的信号则通过。阈值可分为固定阈值(fixed threshold)和浮动阈值(floating threshold)两种，如图3所示。

图3 固定阈值和浮动阈值去噪

通常情况下，根据背景噪声的总体水平，设置固定阈值就可以达到良好的去噪效果。但是在背景噪声比较大且随时间波动变化的情况下，最好设置浮动阈值。浮动阈值随噪声的高低而浮动，尽量减少受噪声起伏的影响，能够最大限度地检测真正有用的声发射信号。

2.2 滤波器

声发射检测过程中，为了降低噪声的影响，可以在整个检测电路的适当位置插入滤波器，用以选择合适的“频率窗口”，滤波器的工作频率根据背景噪声及材料本身声发射的频率特性来确定。根据滤波器的幅频特性，滤波器有带通滤波器、低通滤波器、高通滤波器和带阻滤波器之分。对于带通滤波器，在确定工作频率f之后，需要进一步确定频率窗口的宽度，也即相对宽度Δf/f。若Δf/f过宽容易引入外界噪声，失去了滤波作用；若Δf/f过窄，检测到的声发射信号太少，检测灵敏度降低。因此，通常采用Δf=+0.1f～+0.2f，且尽量使滤波器的通频带与传感器的谐振频率相匹配。此外，低通滤波器、高通滤波器和带阻滤波器在去噪方面也能起到很好的作用。

也可采用软件数字滤波器进行信号滤波。软件数字滤波器的特点是设置使用灵活方便、功能强大，但需要首先要求信号波形数字化，有时会导致数据量过大，目前多通道情况软件数字滤波实时性能较差。

3 信号处理分析去噪

3.1 小波去噪

传统的声发射信号分析是建立在傅里叶变换的基础之上的，但是傅里叶变换在时域无任何定位能力。小波分析属于时频分析的一种，它具有很强的时频局部化分析能力，为提取有用腐蚀信号和剔除噪声信号提供了保障。

(1)

其中，a为尺度因子；b为平移因子；工程上为便于数据处理常把小波离散化，取a=2-j，b=2-jk，从而得到离散小波变换：

φj,k(t)=2j/2φ(2jt-k)(j，k∈Z)

(2)

其中，φj,k(t)是离散小波函数，则对于罐底腐蚀信号f(t)∈L2(R)的小波级数表示为：

(3)

其中，Cj,k称为小波系数，目前在几种常用的小波基中, Daubechies小波、Symlets小波和 Coiflets小波是适合于声发射信号分析的小波基[8～10]。根据多分辨率分析，腐蚀声发射信号f(t)可表示为：

(4)

在小波分析的基础上，小波包去噪具有比小波分析更为精确的局部分析能力，对信号在低频段和高频段同时进行正交分解，可得到信号在任意频段的频率成分。重构信号可以充分抑制信号中的高频噪声，有效保存有用信号的高频部分，滤波效果较一般滤波方法更有效，是非常理想的去噪工具。

3.2 神经网络分析

人工神经网络声发射信号处理已成为国际声发射技术研究的一个热点。人们期望能用人工神经网络方法对声发射信号进行有效性识别，以期得到对声发射源特征的详细描述，克服目前声发射信号处理中存在的声发射源模式不可分、不可识别以及声发射信号处理过程中的人为干预、效率低的问题[11]。

人工神经网络的模型有很多种，不同的模型适合解决不同的实际问题。神经网络的训练方式可分为两类：监督学习和无监督学习。根据神经网络的特点，要实现由储罐底板的声发射信号特征向量到腐蚀缺陷类型的映射，需要建立有监督学习的神经网络，从而提高声发射的模式识别和去噪能力，提高检测的可靠性和准确性。

4 结束语

常压储罐底板声发射在线检测是目前唯一一种不用开罐而评估罐底腐蚀状况的无损检测技术，降低或消除背景噪声对检测信号的干扰可以大大提高声发射检测结果的准确性和可靠性。通过选择合适的检测程序、检测时间段和设置合理阈值、启用滤波器的方法进行信号去噪，取得了良好的效果。目前，小波包去噪和人工神经网络分析是声发射检测去噪强有力的工具，在常压储罐罐底声发射检测信号处理上具有很好的应用前景。

[1] ASME-E1316-06a, Standard Terminology for Nondestructive Examinations[S].United States: ASTM, 2006.

[2] 林明春, 辛爱华, 高金杰，等.罐底声发射在线检测及其可靠性验证[J].油气储运,2010,29(10):776～779.

[3] 李光海, 沈功田, 闫河，等.常压储罐声发射检测技术[J].无损检测,2010,32(4):256～258.

[4] 王云鹤, 郭小联, 刘富君.常压储罐声发射及漏磁检测技术[J].无损探伤,2009,33(1):1～5.

[5] JB/T 10764-2007, 常压金属储罐声发射检测及评价方法[S].北京:国家发改委, 2007.

[6] Martin G, Dimopoulos J.Acoustic Emission Monitoring as a Tool in Risk Based Assessments [C].12thA-PCNDT2006.New Zealand ：Asia-Pacific Conference on NDT,2006:5～10.

[7] 张涛, 李一博, 王伟魁，等.声发射技术在罐底腐蚀检测中的应用与研究[J].传感器学报, 2010,23(7):1049～1052.

[8] Jiao J P, He C F, Wu B, et al.Application of Wavelet Transform on Modal Acoustic Emission Source Location in Thin Plates with one Sensor[J].International Journal of Pressure Vessels and Piping, 2004,81(6):427～431.

[9] Hamstad M A, O’Gallagher A, Gary J.A Wavelet Transform Applied to Acoustic Emission Signals [J].Journal of Acoustic Emission, 2002,(20):39～61.

[10] 郭艳平, 解武波, 郑小平，等.基于小波的声发射信号特征分析[J].兰州交通大学学报, 2008, 27(3):123～125.

[11] 李孟源, 尚振东, 蔡海潮，等.声发射检测及信号处理[M].北京: 科学出版社, 2010.