气体阀门内漏声发射信号特征提取方法研究*

张璐莹 张宏远 徐洋 姜智通 蒋鹏

1东北石油大学

2中国石油管道局工程有限公司

目前，阀门作为一种通用的机械产品，已在石油、石化行业的过程装置中得到广泛应用[1]。然而随着石化装置生产工艺及物料种类的不断多元化，使得阀门的运行工况日益复杂，加上使用维修不当等因素，石化装置阀门跑、冒、滴、漏现象时有发生。一旦阀门发生泄漏，会对设备的安全构成严重威胁，同时还会产生能量损失，降低装置工艺管线介质的输送效率[2]。因此，在石油化工生产过程中，及时、高效、准确地发现阀门的泄漏具有重要意义[3]。

声发射是一种动态无损检测技术，材料的损伤造成局部能量快速释放，产生的瞬态弹性波是声发射主要的声源激励[4]。声发射信号是声发射源的信息载体，检测声发射信号的目的就是希望通过声发射信号这个桥梁来推断声发射源的部位、性质等方面的信息[5]。

本文利用声发射技术研究气体介质阀门在内漏过程中所产生的声发射特征信号，采集不同工况下的阀门内漏声发射信号，研究阀门内漏过程所产生的声发射信号各特征参数之间的关系，并利用小波包分析实现阀门内漏声发射信号的有效识别。

1 声发射信号特征提取方法

1.1 声发射参量分析

有效值电压(RMS)与平均信号电平(ASL)均为声发射信号特征参数，均适用于摩擦、泄漏等连续型声发射信号。

（1）RMS。指在采样时间内，信号的均方根值，以V 表示。其与声发射能量有关，不受门槛的影响，主要用于连续型声发射活动性评价。对于一个包含N个样本的声发射信号：x[0]，x[1]，…，x[N-1]，其RMS值可以表示为

（2）ASL。指在采样时间内，信号电平的均值，以dB 表示。其除了具有与RMS相似的作用外，还能用于背景噪声水平的测量[6]。对于一个包含N个样本的声发射信号的电压值分别为：y[0]，y[1]，…，y[N-1]，则其ASL值用下式表示

1.2 傅里叶变换

傅里叶变换是时域到频域相互进行转化的工具，普遍被视为声发射信号分析中的辅助分析工具，例如在小波分析之前，应用谱分析方法作为一种预处理手段。其实质是把信号f(t)这个波形分解为许多不同频率的正弦波之和，进而对各次谐波分量进行分析[7]。定义如下：

设f(t)为一个连续非周期时间信号，若f(t)满足狄里赫利条件，即

那么，f(t)的傅里叶变换存在，并定义为

其反变换为

1.3 小波包分解

小波分析具有良好的时-频局部化特性，非常适用于瞬态、时变等非稳态信号分析。小波包变换是基于小波变换的进一步发展，能够提供比小波变换更高的分辨率[8]。小波包分析能够为信号提供一种更精细的分析方法，其将频带进行多层次的划分，不仅对低频部分，对有细节的高频部分也能进一步分解，并能根据信号的特征自适应地选择相应的频带，使之与信号频谱相匹配，提高时频分辨率[9]。可用下面的递归式（6）进行小波包分解[10]

式中：h(k)为高通滤波器组；g(k)为低通滤波器组。

将收集的声发射信号通过高通和低通组合滤波器组，对信号的每一层进行分解时都将原始信号分别分配到两个不同的频率通道，然后再对高频和低频部分做重复分解而最终达到要求[11]。

2 试验研究

2.1 阀门系统

试验所涉及阀门系统来自于两部分，即实验室模拟试验和青岛炼化公司试验系统。其中实验室模拟试验主要采用东北石油大学阀门内漏检测装置和青岛安工院华山基地阀门内漏检测装置，青岛炼化公司试验阀门为供排水车间现场阀门。主要包括气体流量计、空气压缩机、气体增压机、缓冲罐等，具体实物图如图1 所示。

图1 阀门内漏试验系统Fig.1 Test system for valve internal leakage

本文主要选取球阀作为研究对象，具体尺寸参数如表1 所示。

表1 试验阀门参数Tab.1 Test valve parameters

2.2 试验系统

该检测系统主要包括传感器、前置放大器、PCI-Ⅱ声发射数字采集处理卡、分析软件AEwin。前置放大器选用2/4/6 型前置放大器，将传感器上涂适量真空脂，用磁座将其固定在阀门出口端法兰处，确保传感器与检测点良好耦合，如图2 所示。

图2 声发射检测试验系统Fig.2 Test system for acoustic emission detection

3 试验结果与讨论

3.1 参量分析结果

图3 为DN25 球阀不同压力下各参量随泄漏量变化趋势图，可以看出，在不同压力下声发射ASL参量都随着泄漏量的增大而增大，上升趋势明显。幅值参量与ASL参量呈现出一致的趋势，但幅值参量在数值上整体比ASL参量大，这与声发射系统对采集到的电压信号的算法有关。RMS参量整体表现出上升趋势，但对比ASL和幅值参数上升趋势不一致，波动现象明显，较ASL参量平稳性弱，需要进一步进行对比分析。峰值频率参量表现为杂乱无章，压力改变，峰值频率参量趋势不统一，较ASL参量、幅值参量、RMS参量规律性明显减弱，需要后期经滤波进行分析。

3.2 傅里叶带通滤波

对DN25 球阀在气压为0.4 MPa、内漏流量分别为4、8、12、16、20、24 L/min 条件下检测数据进行波形文件提取，执行傅里叶变换得到其峰值频率，结果如表2 所示。

图3 DN25 球阀不同压力下各参量随泄漏量变化趋势Fig.3 Change trend of various parameters with leakage of DN25 ball valve under different pressures

表2 不同泄漏量下球阀内漏声发射信号频谱峰值频率Tab.2 Peak frequency of acoustic emission signal of ball valve internal leakage under different leakage amount kHz

由表2 可知，不同公称直径球阀峰值频率分布范围十分接近，即不同尺寸球阀内漏声发射信号具有相似频率特性。DN25、DN32、DN40、DN50、DN65 球阀内漏声发射信号频谱峰值频率主要分布于20～30 kHz 范围内。采用基于傅里叶变换的理想带通滤波器对声发射信号进行滤波，滤波器通带设置为20～30 kHz。

对DN25 球阀在气压0.4 MPa、内漏流量分别为4、8、12、16、20、24 L/min 下阀门内漏声发射信号滤波，并进行信号重构，重构信号波形如图4所示。

图4 DN25 球阀原始信号、重构信号波形（傅里叶带通滤波）Fig.4 DN25 ball valve original signal and reconstructed signal waveforms(Fourier bandpass filtering)

从图4（图中横坐标为时间，单位为μs；纵坐标为电压，单位为V）可以看出，经过滤波，原始信号中高频干扰信号基本消除。比较滤波前后波形幅值，发现滤波后波形幅值明显低于原始波形信号，说明在滤波过程中，原始信号所包含的能量被大量削弱甚至去除，即滤波给信号造成了能量损失和信号失真，这势必会给阀门内漏的诊断造成严重干扰，甚至导致诊断错误。这说明了理想带通滤波的方法不适用于阀门内漏声信号的处理。

3.3 小波包分析

球阀峰值频率分布于20～30 kHz，对目标频带内声发射信号进行分析研究，仅采用傅里叶分析是不够的，而理想带通滤波处理方法将导致信号能量大量损失。小波包分解技术可以将信号以频率为基准进行分解，因此考虑采用小波包分解技术处理阀门内漏声发射信号。为得到目标频带的分解信号，将球阀和闸阀内漏声发射信号以尺度为4 进行小波包分解，小波包分解结构树如图5

图5 小波包分解结构树Fig.5 Structural tree of wavelet packet decomposition

图6 DN25 球阀原始信号、重构信号波形（小波包分解）Fig.6 DN25 ball valve original signal,reconstructed signal waveforms(wavelet packet decompostition)

对峰值频率为20～30 kHz 的球阀声发射信号进行分解尺度为4 的小波包分解，4 层内节点对应的频带如表3 所示。根据信号峰值频率分布以及节点对应频带，可确定信号目标频带对应节点。

对DN25 球阀在0.4 MPa 内的泄漏声发射信号进行小波包分解，并分别进行信号重构，原始信号、重构信号波形如图6 所示（图中横坐标为时间，单位为μs；纵坐标为电压，单位为V）所示。

表3 小波包分解频带分布Tab.3 Band distribution of wavelet packet decomposition kHz

重构信号频谱如图7 所示。

重构信号峰值、峰值频率如表4 所示。

由表4 可知，试验信号经小波包分解、重构后，原始信号中主要频率成分没有丢失，且如重构信号频谱所示，重构信号中同时包含了原始信号主要频率以及部分高频成分，既保证了信息的完整性，又通过滤波对原始信号中的次要成分进行了削弱。与理想带通滤波方法相比，小波包分解技术能够有效地提供较完整的信号信息，而不是简单地将通带以外的频率完全消除；在能量衰减方面，无论小波包分解技术或理想带通滤波器都会造成信号能量损失，然而由图7 可知，小波包分解在对信号滤波的同时保留了除主要频率成分外的部分高频成分，这是理想带通滤波器无法做到的。

图7 DN25 球阀重构信号频谱Fig.7 DN25 ball valve reconstruction signal spectrum

表4 重构信号峰值、峰值频率分布Tab.4 Reconstructed signal peak and peak frequency distribution

4 结论

声发射RMS和ASL两种特征参量均能实现对气体阀门内漏状态的在线监测，其中RMS对于不同工况下阀门内漏状态的变化反应更为敏感。在得到特征参量的基础上，分别利用傅里叶变化和小波包分解得到了阀门内漏声发射信号的主要频带信息，基本实现复杂背景噪声下气体管道阀门内漏声发射信号波形特征信息的有效提取。与傅里叶带通滤波方法相比，小波包分解在解决该问题方面更具优势。