Q235、Q345R与304不锈钢在NaCl溶液中腐蚀声发射监测实验研究*

高 胜 王少凡 付 玉 贾 鑫 李 伟

(东北石油大学机械科学与工程学院)

声发射检测技术对材料的结构变化敏感，不同的腐蚀机理会产生不同参量和不同动态特性的声发射信号。通过金属腐蚀实验研究，达到利用声发射检测技术在线监测金属腐蚀过程的目的[1]。研究表明，腐蚀过程中的声发射信号与腐蚀产物的生成和剥落、气泡在材料表面的波动有密切联系。笔者通过建立实验平台，对储运设备和压力容器工业常用的3种金属材料(Q235、Q345R与304不锈钢)试件在4%NaCl溶液中的腐蚀过程进行声发射监测，研究不同材料腐蚀过程中产生的声发射信号变化规律，为金属腐蚀过程产生声发射信号的理论提供实验依据，并为应用声发射技术进行的腐蚀监测奠定实验基础。

1 实验方案

1.1实验系统

本实验中使用的是共振频率为100～1 000kHz的WD宽带压电晶体传感器(PAC公司，USA)。这种传感器适用于频谱分析、波形分析等信号类型或噪声的鉴别。采用2/4/6前置放大器，它有较宽的动态范围、大输出信号的特点，PCI-2是PAC公司研制的适用于高端声发射研究的高性能、低价位声发射卡(系统)，该系统具有18位A/D，3～3 000kHz频率范围[2]。声发射检测系统的参数设定如下：

门槛 30dB

采样率 1 000K/s

PDT 400μs

HDT 1 000μs

HLT 1 200μs

1.2试件选取

实验所采用腐蚀溶液为4%NaCl溶液，实验所采用的试件材料为Q235碳素结构钢、Q345R普通低合金钢和304不锈钢。根据实验要求，钢板加工成尺寸为150mm×40mm×4mm的薄板(3种材料的试件尺寸统一)，首先用砂纸对其进行打磨，然后用蒸馏水清洗，置于干燥的容器中干燥备用。

1.3实验装置

将处理过的试件浸入NaCl腐蚀溶液，传感器固定在试件上烧杯以外的部分，实验装置如图1所示。

1.4实验过程

本实验中，断铅标定信号幅值均值96～98dB，根据有关标准中的相关规定，标定平均值间的幅度差应小于3dB，说明传感器灵敏度较好。实验共分两个阶段，第一阶段是一个通道单独采集Q235在4% NaCl溶液中腐蚀的声发射信号；第二阶段是两个通道同时采集，1通道采集不锈钢在4% NaCl溶液中腐蚀的声发射信号，2通道采集Q345R在4% NaCl溶液中腐蚀的声发射信号，两个阶段分别进行72h连续监测。

图1 实验装置示意图

2 实验结果与分析

2.1腐蚀过程声发射信号特征分析

实验第一阶段是将Q235浸入4%NaCl溶液中。试件浸入溶液后便有信号产生，信号参数为幅度31dB，计数1，能量0，上升时间0，持续时间0，从能量和持续时间可以看出，初始阶段信号不是腐蚀产生的声发射信号，而是由仪器产生的干扰信号(图2a)；30min后出现能量较高的信号，信号参数为幅度61dB，计数10，能量86，上升时间42μs，持续时间6 679μs，通过实验观察，此时信号主要来自于试件表面气泡的吸附和脱离。频率主要分布在200～500kHz，并且这类信号有较长的持续时间(图2b)。

图2 实验第一阶段波形及频谱图

24h内传感器接收到900个撞击，幅值分布在30～70dB之间，撞击与幅值关联图如图3a所示；24～48h之间，撞击数为820，幅值分布在30～70dB之间，撞击与幅值关联图如图3b所示；48～72h之间，撞击数为750，幅值分布在30～70dB之间，撞击与幅值关联图如图3c所示。

图3 撞击与幅值关联图

从图3可以看出Q235钢在4%NaCl溶液中腐蚀，从初始阶段一直到72h，这段时间内信号的幅值范围都集中在30～70dB之间，而且撞击数逐渐减少。

实验第二阶段，1通道传感器检测不锈钢信号，2通道传感器检测Q345R信号，浸入4%NaCl溶液中，1通道不锈钢无信号产生。2通道Q345浸入溶液初期大多都是电化学反应产生的电噪声信号，2通道信号参数为幅度31dB，计数10，能量1，上时间272μs，持续时间809μs。频率主要集中在50kHz以下的低频噪声干扰(图4a)。1min后Q345R表面吸附少量气泡，气泡吸附产生声发射信号，2通道信号参数为幅度50dB，计数1 035，能量31，上升时间476μs，持续时间7 305μs。频率主要集中在200～300kHz，在200～500kHz有广泛分布，持续时间较长，这与实验第一阶段气泡吸附和脱吸产生的信号特征相似(图4b)。40min后，2通道Q345R表面有腐蚀生成物生成，同时产生声发射信号，信号参数为幅度64dB，计数3 149，能量335，上升时间243μs，持续时间21 013μs，这类信号有较高能量，高持续时间的特点，频率主要分布在200～300kHz之间(图4c)。1通道不锈钢，1h后出现声发射信号，信号参数为幅度33dB，计数4，能量2，上升时间246μs，持续时间1 123μs，频率主要集中在200～250kHz之间(图4d)。

图4 实验第二阶段波形及频谱图

1通道不锈钢信号能量小于10，幅值小于35dB，24h内1通道1 000个撞击，幅度主要集中在30～35dB之间，2通道1 700个撞击，幅度分布在30～75dB之间(图5a)。24～48h之间 1通道撞击数为900，幅度主要集中在30～35dB之间，2通道撞击数为700，幅度主要集中在30～70dB之间(图5b)。48～72h之间1通道撞击数为850，幅度主要集中在30～35dB之间，2通道撞击数为400个，幅度主要集中在30～70dB之间(图5c)。

从上述关联图可以看出Q235和Q345R信号幅度分布在30～70dB之间，而不锈钢信号主要分布在30～35dB之间，通过关联图可区分Q235和不锈钢信号之间的差异，也可区分Q345R和不锈钢信号之间的差异，而Q235和Q345R信号之间的差异通过关联图还无法准确区分。

图5 撞击与幅度关联图

2.2声发射信号累加参数分析

如图6所示不锈钢与碳钢在24h之前累加撞击数都有上升的趋势，20h后上升趋势减缓，70h之后逐渐趋于平稳。从图7可以看出3种材料腐蚀声发射信号累加能量计数在60h之前有上升趋势，60～70h之间都趋于平稳。从图6、7可以看出Q345R的累加撞击数和累加能量在相同时间段都在Q235之上，这主要由于Q345R腐蚀产生气泡要比Q235多，同时气泡波动较Q235腐蚀时产生的气泡波动剧烈，通过撞击和能量的累加计数图可以区分Q345R和Q235两种材料腐蚀信号。

图6 累加撞击计数随时间的变化

图7 累加能量计数随时间的变化

2.3声发射信号的小波分析

2.3.1小波基的选取

笔者以突发型声发射波形为选取小波基的基础。计算小波基分别取db1～10，分解层数分别为1～10时的信息代价函数值，将各小波基下的最小信息代价函数值列于表1，从表1中看出，小波基取db9时，信息代价函数值最小。

表1 不同小波基下的最小信息代价函数值

绘制db9小波基分解层数对信息代价函数的关系曲线(图8)，从图8中可以看出，当分解层数为5时，信息代价函数值最小，故笔者选择db9小波基对声发射信号进行5层小波分解[3]。

图8 小波基为db9时不同分解层数下的信息代价函数值

2.3.2声发射信号的小波能谱系数分析

对实验采集的信号进行基于db9小波基的5层小波分解，并计算其小波特征能谱系数，各尺度能谱系数分别如图9～13所示。从图9可看出，3种材料腐蚀过程中产生噪声信号波形相似，小波特征能谱系数分布相近，主要频率范围集中在d5和a5低频频带。通过波形和小波能谱分布图将腐蚀信号分为两类，第一类如图10所示，3种材料腐蚀过程中产生声发射信号波形相似，小波特征能谱系数分布相近，主要频率范围集中在d1和d2高频频带；第二类如图11所示，d1、d2和d3频带有高值，其余频带系数较低。同时实验过程中采集到如图12所示的低频信号，这种信号与3种材料腐蚀过程中气泡同时产生，图13是典型敲击信号的波形及小波能谱分布图，两图对比发现，本实验采集到图12所示类型的信号与敲击信号波形和能谱分布相似，推断图12信号为气泡吸附到金属表面产生的类似敲击信号的声发射信号。

图9 噪声信号小波分解能谱分布图

图10 第一类腐蚀信号小波分解能谱分布图

图11 第二类腐蚀信号小波分解能谱分布图

图12 气泡吸附波动信号小波分解能谱分布图

图13 敲击信号小波分解能谱分布图

3 结论

3.1Q235和Q345R信号幅度分布在30～70dB之间，而不锈钢信号主要分布在30～35dB之间，通过关联图可区分Q235和不锈钢信号之间的差异、Q345R和不锈钢信号之间的差异。

3.2由于Q345R腐蚀产生气泡要比Q235多，同时气泡波动较Q235腐蚀时产生的气泡波动剧烈，所以Q345R的累加撞击数和累加能量在相同时间段都在Q235之上，通过撞击和能量的累加计数图可以区分Q345R和Q235两种材料腐蚀信号。

3.3通过实验采集信号的小波特征能谱系数分布图的分析，可将3种材料腐蚀过程中产生的噪声信号、腐蚀信号和气泡波动信号归类区分开，说明分析小波分解分量的能量在不同频率范围中的分布特征，在一定程度上可以识别不同类型的声发射信号。

[1] 李伟.低碳钢点蚀声学检测与信号处理技术研究[D].大庆：大庆石油学院，2006.

[2] Xu J，Wu X Q，Han E H.Acoustic Emission during the Electrochemical Corrosion of 304 Stainless Steel in H2SO4Solutions[J].Corrosion Science，2011，53(1)：448～457.

[3] Long F F，Zheng G H，Li W，et al.Research on Signal Analysis Method of Acoustic Emission Based on EMD Filter And Clustering[C].WCAE2011.Beijing：Chinese Society for Non-destructive Testing，2011：141～146．