12MnNiVR钢拉伸过程声发射信号特征分析

李光海　焦敬品　王新健　何存富　吴　斌

1.中国特种设备检测研究院，北京，100029　　2.北京工业大学，北京，100022



12MnNiVR钢拉伸过程声发射信号特征分析

李光海1焦敬品2王新健2何存富2吴斌2

1.中国特种设备检测研究院，北京，1000292.北京工业大学，北京，100022

摘要：对大型常压储罐材料12MnNiVR钢拉伸过程中声发射信号的幅值、振铃计数、撞击计数和能量等常规特征参数进行了分析。在此基础上，对拉伸过程不同阶段典型声发射信号的时域波形、频谱、希尔伯特时频分布等进行了波形分析。结果表明，声发射信号的特征参数和波形分析能反映不同拉伸过程变形特征，可用于拉伸过程的表征。

关键词：大型常压储罐； 声发射； 特征参数； 希尔伯特-黄变换

0引言

作为国家石油战略储备的重要基础设施，大型常压储罐的安全运行备受人们关注。目前，常见的储罐检测方法主要有两大类：清罐检测和在线检测。其中清罐检测需要暂停生产，人力物力耗费大；在线检测因其实施便捷，成本相对低，是储罐检测的发展方向。而声发射技术是一种应用最广的在线检测方法，它对于大型储罐在线检测具有特殊优势[1]。

针对大型储罐声发射在线监测问题，国内外学者已开展大量卓有成效的研究工作，并在工程中得到一定的应用[2-3]。受声发射源多样性、声发射信号传播路径复杂性等的影响，声发射信号往往很复杂，使得信号的分析识别难度大，难以从中提取出有效的结构损伤状态信息。为建立声发射信号特征参数与结构损伤状态的关系，国内外学者开展了大量的研究工作。目前，常见的声发射信号分析方法主要包括特征参数分析和波形分析两大类[4]。在特征参数分析方面，周猛等[5]利用声发射技术对镀镍钢带拉伸过程进行了监测，分析了不同拉伸状态下声发射信号的变化特征，利用持续时间、振铃计数和能量三个声发射信号特征参数表征了拉伸过程中试件的状态变化。徐长航等[6]通过钢制试件拉伸断裂和疲劳开裂两种损伤过程的声发射监测试验，研究了声发射信号特征参数与试验过程中试件力学行为之间的相关性。Aggelis[7]和Soulioti等[8]将声发射技术应用于钢筋混凝土无损检测中，利用撞击数、能量数和持续时间等声发射特征参数对混凝土裂纹扩展状态进行表征。Mukhopadhyay等[9]将声发射技术应用在SA333 Gr.6材料的裂纹扩展研究中，利用撞击数、有效电压值和能量等声发射特征参数对裂纹扩展初期状态进行表征。

为了进一步揭示声发射检测信号与结构损伤状态的关联，国内外学者对声发射信号波形进行了深入的研究。常见的声发射信号波形分析方法包括小波变换、希尔伯特-黄变换(Hilbert-Huang transform,HHT)和神经网络等[10-12]。Khamedi等[13]对不同马氏体含量双相钢试件拉伸过程产生的声发射信号进行了小波分析。骆志高等[14-15]使用声发射技术对拉伸件成形状态进行监测，将声发射信号经验模态分解的能量值作为初始特征参数，应用遗传算法和马氏距离算法，进行拉伸件的裂纹状态判别，实现对金属拉伸件成形质量状态的识别。Li等[16-17]将声发射技术应用于近海工程中的焊接钢桁架检测，通过对声发射信号进行希尔伯特-黄变换分析，实现桁架有无损伤的识别。李一博等[18]将小波变换和BP神经网络方法应用于储罐底板声发射信号的分析。Hamdi等[19]将声发射技术应用于高分子复合材料检测，通过对声发射信号的希尔伯特-黄变换和聚类分析，实现复合材料三点弯曲损伤表征识别。

综上可以看出，从声发射信号中提取出有效的损伤信息是声发射检测的关键所在。同时，由于材料性能直接决定了承载结构的应力-应变关系，因此材料性能对结构产生的声发射信号有很大的影响。为此，本文进行常压储罐常用材料12MnNiVR钢拉伸过程典型声发射信号特征分析，为实现储罐损伤状态声发射评价和表征提供技术支撑。

1声发射检测系统及拉伸试验

1.1声发射检测系统

12MnNiVR钢拉伸过程声发射检测试验系统主要由拉伸试件、声发射传感器、声发射检测仪、拉伸试验机、计算机(配套分析软件)及信号电缆等组成，如图1所示。

图1　12MnNiVR拉伸试件声发射检测系统

选取的待检测试件取自退役储罐底板，材料为12MnNiVR。试件根据GB/T 228.1-2010进行设计，如图2所示。

图2　拉伸试件

声发射检测仪采用德国Vallen公司的AMSY-6声发射检测系统。声发射信号由VS45-M型宽带传感器(20～450 kHz)和VS150-RIC型谐振传感器(100～450 kHz)拾取，并通过AEP4型前置放大器进行放大，增益设定为34 dB。传感器的布置如图2所示。试验过程中声发射系统的参数设定如表1所示。

表1　声发射采集参数设定表

1.2拉伸试验

拉伸试验在SANS SHT4605型拉伸试验机上进行。该拉伸试验机采用基于DSP的全数字高响应测量系统，负荷、应变测量全程不分档，拉伸过程的变形分辨力为1/300 000，最大负荷600 kN，满足GB/T 228.1-2010的相关要求。试验中，对12MnNiVR试件采用3 mm/min恒速率进行连续拉伸加载，直至试件断裂。

噪声干扰是影响声发射检测的一大难题。本文检测试验过程中的干扰源主要包括：连接销轴与试样间的摩擦、拉伸试验机电子噪声干扰等。在试验中采取以下措施来减少干扰噪声：①在销轴与试件接触面处增加橡胶衬垫，用于减少界面间产生的摩擦信号；②试验开始预加载荷1.5 kN后暂停，然后同步启动试验机和声发射仪，实现整个实验系统的同步采集；③测定背景噪声，如果测得有拉伸试验机的动力源引起的电子干扰源存在，利用导线，将声发射仪器与材料试验机相接，减小电子噪声干扰。

图3为12MnNiVR试件拉伸过程的加载力-时间关系曲线，其持续时间t=107.6 s，最大拉力Fmax=39.150 kN。根据这一曲线，并参照常用钢材拉伸特性，可清楚地分辨出其拉伸过程的五个阶段：弹性阶段、塑性阶段、屈服阶段、强化阶段和颈缩阶段，各阶段分布范围如表2所示。表3给出了拉伸试验测得的主要性能参数。

图3　试件拉伸过程的力-时间曲线

弹性阶段(AB段)塑性阶段(BC段)屈服阶段(CD段)强化阶段(DE段)颈缩阶段(EF段)幅值(s)0～12.7212.72～17.1417.14～31.6431.64～76.5276.52～110.30加载力(kN)0～28.8528.85～36.0036.00～36.3936.39～39.1539.15～23.88

表3　拉伸试验结果参数

利用上述声发射检测系统对12MnNiVR试件拉伸过程产生的声发射信号进行采集，下面将分别对其进行特征参数及波形分析。

2拉伸过程声发射信号特征参数分析

本节对12MnNiVR试件拉伸过程产生的声发射信号进行特征参数分析，涉及的特征参数包括信号幅值、持续时间、信号能量、振铃计数和撞击计数。

图4给出拉伸过程声发射信号的幅值时间历程分布。从图4中可以发现，在12.72 s之前(弹性阶段)，基本没有达到规定阈值的声发射信号出现；在12.72 s之后，开始有声发射信号出现，且声发射信号的幅值时间历程分布与试件的拉伸力-时间曲线呈现某种关联性。具体体现在，在12.72～17.14 s(塑性阶段)范围内，声发射信号较丰富，且幅值较大，主要分布在40～65 dB；在17.14～31.64 s(屈服阶段)范围内，声发射信号稀疏，且幅值降低，主要分布在40～45 dB；在31.64～76.52 s(强化阶段)范围内，声发射信号丰富，且幅值较大，分布在40～75 dB；在76.52～110.30 s(颈缩阶段)范围内，声发射信号极为稀疏，特别是在断裂之前，声发射信号极少，且幅值较小，在断裂点附近，出现较为丰富的声发射信号，幅值在40～60 dB。

图4　声发射信号的幅值时间历程

图5～图7给出拉伸过程产生声发射信号的振铃数、撞击数和持续时间三个特征参数的时间累计分布。从图中可以看出，声发射信号的振铃数、撞击数和持续时间三个特征参数的时间累计曲线分布极为相似，且与试件的拉伸力-时间曲线呈现明显的关联性。具体体现为，在12.72～17.14 s(塑性阶段)范围内，振铃数、撞击数和持续时间三个特征参数的累计数量随时间呈近似线性增加趋势；在17.14～31.64 s(屈服阶段)范围内，三个特征参数的累计值随时间增长变缓；在31.64～76.52 s(强化阶段)范围内，三个特征参数的累计值随时间增长呈明显增加趋势；在76.52～110.30 s(颈缩阶段)范围内，三个特征参数的累计值随时间增长再次变缓。

图5　振铃数的时间累积

图6　信号持续时间的时间累积

图7　撞击的时间累积图

图8给出拉伸产生声发射信号的能量时间历程分布。从图8中可以看出，在拉伸过程中，出现了三个声发射信号能量的集中区，其中第一个集中区位于12.72～17.14 s(塑性阶段)范围内，第二个集中区位于31.64～55.52 s(强化阶段)范围内，第三个集中区位于110.3 s(断裂点)附近。而这三个能量集中区分别与拉伸过程的塑性阶段、强化阶段前中期、颈缩最后阶段相对应。结果表明，在拉伸过程的这些阶段，声发射源活跃，声发射信号强度较大。

图8　能量时间历程

从图4～图8可以看出，在12MnNiVR钢试件拉伸过程中的不同阶段，声发射信号的特征参数，如幅值、持续时间、能量、振铃计数和撞击计数等，在拉伸不同阶段的分布有很大不同。在塑性变形阶段，声发射源活跃，表现为声发射信号幅值和能量大、撞击数和振铃计数随拉伸过程呈线性增大的趋势；在屈服阶段，声发射源不活跃，表现为声发射信号幅值和能量小，振铃计数和撞击数随拉伸过程几乎不变；在强化阶段，声发射源较活跃，表现为声发射信号幅值和能量较大、撞击数和振铃计数随拉伸过程呈缓慢增大的趋势；在颈缩后期，声发射源活跃，声发射信号幅值和能量较大。

通过对声发射信号的特征参数分析，可以了解到拉伸过程不同阶段中声发射信号的能量、强度及撞击数等特点，能在一定程度上反映不同阶段声发射源的强弱。但声发射参数分析无法反映声发射源及声发射信号的时间及频率瞬时特征，如声发射信号幅值随时间的变化趋势及频率组成等。

3波形分析

为进一步揭示拉伸过程不同阶段的声发射信号变化规律，对12MnNiVR钢试件拉伸过程中塑性变形、屈服、强化和颈缩四个阶段的典型声发射信号分别进行时域波形、频谱、希尔伯特时频分布和边际谱的波形分析。

3.1时域波形及频谱

图9给出拉伸过程不同阶段声发射信号典型时域波形及其频谱图。

(a)塑性变形阶段

(b)屈服阶段

(c)强化阶段

(d)颈缩阶段图9　信号时域频域图

从时域波形可以看出，屈服阶段的声发射信号属于突发型声发射信号，其余三个阶段属于连续型声发射信号；从信号幅值的角度分析，塑性变形和颈缩阶段的信号幅值较大，峰峰值可达50 mV，强化阶段幅值居中(峰峰值为5 mV)，而屈服阶段的声发射信号幅值最弱(峰峰值仅为0.2 mV)；从信号带宽来看，塑性变形和屈服阶段的声发射信号带宽较窄，分别分布在20～200 kHz和100～300 kHz。颈缩阶段声发射信号能量主要处于0～400 kHz范围。强化阶段的声发射信号带宽最宽(达700 kHz)，且包含的频率分量丰富。

3.2时频分析

在时域波形和频谱分析的基础上，对以上典型信号进时频分析。希尔伯特-黄变换作为一种典型的时频分析方法，特别适合用于声发射信号和振动信号的分析[10-11]。

HHT包含两部分，第一部分为经验模态分解，第二部分为Hilbert谱分析。经验模态分解(EMD)方法能把非平稳、非线性信号分解成一组稳态和线性的ck(t)数据序列集，即本征模态函数(IMF)。时间序列数据s(t)的经验模态分解可表示为

(1)

其中，ck(t)为IMF分量；rn(t)为平均趋势分量。

对式(1)中的每个固有模态函数ck(t)作Hilbert变换得

(2)

进而可以求出瞬时频率：

(3)

其中，θk(t)为信号的瞬时相位。由式(3)可看出，ω(t)是时间的单值函数，为了使瞬时频率有意义，作为希尔伯特变换的时间序列数据必须是单组分的，而经过经验模态分解后得到的本征模态函数序列恰好满足这个要求。

将式(1)～式(3)所表示的变换应用于所有本征模态函数序列，得

(4)

其中，n为离散点数；ak(t)为各模态的瞬时幅值。显然ωk(t)和ak(t)均为时间的变量，从而构成时间、频率、幅值的三维时频谱图，即Hilbert时频谱，用H(ω,t)表示。它精确地描述了信号的幅值随时间和频率的变化规律。

(a)塑性变形阶段

(b)屈服阶段

(c)强化阶段

(d)颈缩阶段图10　三维时频分布图

图10给出四个阶段典型声发射信号的Hilbert时频分布。从图10中可以看出，拉伸过程不同阶段声发射信号的时频分布有很大不同，主要体现在信号主要分量的时间及频率分布范围。塑性变形阶段的声发射信号主要位于0～120 kHz频带内，持续时间较长，峰值频率集中在50～100 kHz，最大峰值为38 mV。屈服阶段的信号主要位于20～120 kHz，持续时间较短，能量较为集中，峰值频率集中在50～100 kHz，最大峰值约为0.08 mV。强化阶段的声发射信号的持续时间长，分布频带宽(可达300 kHz)，峰值位于150～200 kHz附近，最大幅值为1.8 mV。颈缩阶段的声发射信号主要位于0～120 kHz频带范围内，持续时间较长，峰值频率集中在50～100 kHz附近，最大峰值为36 mV。从信号强度上看，塑性变形阶段和颈缩阶段声发射信号的强度较大，屈服阶段的声发射信号强度最弱；从信号持续时间来看，屈服阶段声发射信号持续时间最短，属于突发声发射信号，其余三个阶段的声发射信号持续时间较长，属于连续声发射信号；从信号分布频带范围来看，强化阶段和颈缩阶段声发射信号包含频率成分丰富，频带较宽。塑性阶段和屈服阶段声发射信号频带相对较窄。

4结论

(1)拉伸过程不同阶段声发射信号的特征参数分布有很大的不同。在塑性变形阶段，声发射信号幅值和能量大，撞击数和振铃计数随拉伸过程呈线性增大的趋势；在屈服阶段，声发射信号幅值和能量小，振铃计数和撞击数随拉伸过程几乎不变；在强化阶段，声发射信号幅值和能量较大，撞击数和振铃计数随拉伸过程呈缓慢增加趋势；在颈缩后期，声发射信号幅值和能量较大。

(2)拉伸过程不同阶段声发射信号波形有很大不同。屈服阶段的声发射信号属于突发型声发射信号，其余三个阶段属于连续型声发射信号；塑性变形和颈缩阶段的信号幅值较大，频带较窄，而屈服阶段的声发射信号幅值最弱，强化阶段的声发射信号频带最宽。

(3)声发射信号的特征参数和波形分析能反映不同拉伸过程的变形特征，可用于拉伸过程的表征。

参考文献：

[1]王伟魁.储罐罐底腐蚀声发射检测信号处理关键技术研究[D].天津:天津大学,2011.

[2]闫河,沈功田,李光海,等.常压储罐底板特性的声发射检测[J].压力容器,2008,25(2)：53-57.

Yan He, Shen Gongtian, Li Guanghai, et al. Examination of Atmosphere Storage Tank Bottom Corrosion Using Acoustic Emission[J]. Pressure Vessel, 2008,25(2)：53-57.

[3]戴光,张明宇,髙果柱,等.常压立式储罐底板腐蚀过程声发射源特性分析及试验研究[J].化工机械,2012,39(6)：704-708.

Dai Guang, Zhang Mingyu, Gao Guozhu, et al. Analysis and Experimental Study on Acoustic Emission Source Characteristics of Corrosion Process in Atmospheric Vertical Tank Bottom[J]. Chemical Engineering & Machinery,2012,39(6)：704-708.

[4]沈功田,耿荣生,刘时风.声发射信号的参数分析方法[J].无损检测,2002,24(2)：72-77.

Shen Gongtian, Geng Rongsheng，Liu Shifeng. Parameter Analysis of Acoustic Emission Signals[J]. Non-destructive Test, 2002,24(2)：72-77.

[5]周猛, 龙士国, 马增胜,等. 镀镍钢带拉伸断裂过程的声发射特征[J].压电与声光, 2012, 34(1)：121-124.

Zhou Meng, Long Shiguo, Ma Zengsheng, et al. Characteristics of Acoustic Emission Signals of Nickel Planted Steel Sheet under Tensile Fracture Condition[J]. Piezoelectrics and Acoustooptics, 2012,34(1)：121-124.

[6]徐长航,刘立群,陈国明.钢制试件拉伸断裂及疲劳开裂声发射特征分析[J].中国石油大学学报(自然科学版),2009, 33(5)：95-99.

Xu Changhang, Liu Liqun, Chen Guoming. Characteristics Analysis of Acoustic Emission Signals from Steel Specimens under Tensile Fracture and Fatigue Crack Condition [J]. Journal of China University of Petroleum (Edition of Natural Science) , 2009, 33(5)：95-99.

[7]Aggelis D G. Classification of Cracking Mode in Concrete by Acoustic Emission Parameters[J].Mechanics Research Communications, 2011,11(38)：153-157.

[8]Soulioti D, Barkoula N M, Paipetis A, et al. Acoustic Emission Behavior of Steel Fiber Reinforced Concrete under Bending[J]. Construction and Building Materials, 2009, 23(12)：3532-3536.

[9]Mukhopadhyay C K, Sasikala G, Jayakumar T, et al. Acoustic Emission during Fracture Toughness Tests of SA333 Gr.6 Steel[J]. Engineering Fracture Mechanics, 2012(96)：294-306.

[10]王慧.HHT方法及其若干应用研究[D].合肥:合肥工业大学,2009.

[11]曹正敏.兰姆波检测技术及HHT时频分析方法研究[D].大连：大连理工大学,2008.

[12]陈淑萍,程磊.基于Hilbert-Huang理论的非线性系统分析[J].系统工程与电子技术,2008,30(4)：719-722.

Chen Shuping, Cheng Lei. Nonlinear System Analysis Based on Hilbert-Huang Transform Theory[J].Systems Engineering and Electronics,2008,30(4)：719-722.

[13]Khamedi R, Fallahi A, Oskouei A R. Effect of Martensite Phase Volume Fraction on Acoustic Emission Signals Using Wavelet Packet Analysis during Tensile Loading of Dual Phase Steels[J].Materials and Design, 2010, 31(6)：2752-2759.

[14]骆志高, 范祥伟, 陈强. 金属拉伸件拉伸过程微裂纹AE信号特征参数的优化及状态识别[J]. 振动与冲击, 2012, 31(17)：154-158.

Luo Zhigao, Fan Xiangwei, Chen Qiang. AE Signal Characteristic Parametric Optimization of Initial Crack and Status Identification for Metal Drawing Parts[J]. Journal of Vibration and Shock, 2012, 31(17)：154-158.

[15]骆志高, 叶红英, 胥爱成.基于时序分析的拉伸件成形裂纹的特征参数提取[J]. 振动与冲击, 2012, 31(17)：120-123.

Luo Zhigao, Ye Hongying, Xu Aicheng. Extraction of Characteristic Parameters of Acoustic Emission Signals for Molded Metal Drawing Parts Based on Time-Series Analysis and MATLAB[J]. Journal of Vibration and Shock, 2012, 31(17)：120-123.

[16]Li Lin,Chu F. Feature Extraction of AE Characteristics in Offshore Structure Model Using Hilbert-Huang Transform[J]. Measurement, 2011,44(1)：46-54.

[17]Li Lin, Chu F. HHT-based AE Characteristics of Natural Fatigue Cracks in Rotating Shafts[J]. Mechanical Systems and Signal Processing, 2012, 26(1)：181-189.

[18]李一博,孙立瑛,靳世久,等.大型常压储罐底板的声发射在线监测[J].天津大学学报,2008,41(1)：11-16.

Li Yibo, Sun Liying, Jin Shijiu, et al. On-line Acoustic Emission Inspection Method for Large Normal Pressure Storage Tank Bottom[J].Journal of Tianjin University, 2008,41(1)：11-16.

[19]Hamdi S E, Le Duff A, Simon L, et al. Acoustic Emission Pattern Recognition Approach Based on Hilbert-Huang Transform for Structural Health Monitoring in Polymer-composite Materials[J]. Applied Acoustics, 2013,74(5)：746-757.

(编辑王旻玥)

收稿日期：2015-01-19

基金项目：“十二五”国家科技支撑计划资助项目(2011BAK06B03-03)；质检公益性行业科研专项(201510066)

中图分类号：TG156

DOI：10.3969/j.issn.1004-132X.2016.13.012

作者简介：李光海，男，1970年生。中国特种设备检测研究院研究员、博士。主要研究方向为特种设备无损检测及安全评定。发表论文40余篇。焦敬品，女，1973年生。北京工业大学机电学院教授、博士研究生导师。王新健，男，1988年生。北京工业大学机电学院硕士研究生。何存富，男，1958年生。北京工业大学机电学院教授、博士研究生导师。吴斌，男，1962年生。北京工业大学教授、博士研究生导师，北京工业大学副校长。

Acoustic Emission Behavior of 12MnNiVR Steel under Stretching

Li Guanghai1Jiao Jinping2Wang Xinjian2He Cunfu2Wu Bin2

1.China Special Equipment Inspection & Research Institute,Beijing,100029 2.Beijing University of Technology,Beijing,100124

Abstract：Several methods of characteristic parameter analyses were introduced to analyze AE signals in stretching process of 12MnNiVR steel used in large atmospheric tank. These parameters included signal amplitudes, counts, hits and energy. Furthermore, the stretching process at different stages of a typical AE signal waveforms were also analyzed including time-domain waveform, spectrum, Hilbert time-frequency distribution etc. The results show that the characteristic parameters and waveform analysis of AE signals may reflect the different characteristics of the tensile deformation stages. AE technique can be used to characterize material stretching processes.

Key words：large atmospheric tank; acoustic emission(AE); characteristic parameter; Hilbert-Huang transform(HHT)