海洋平台油气管道疲劳裂纹识别方法

魏强， 宋鹏飞， 刘国恒， 李忠涛， 曲先强

(1.中国飞机强度研究所 全尺寸飞机结构静力/疲劳航空科技重点实验室，陕西 西安 710065；2.中海油研究总院有限责任公司， 北京 100028；3.哈尔滨工程大学 船舶工程学院，黑龙江 哈尔滨 150001)

随着海洋强国战略的提出，近些年来在我国近海海域目前已经逐步建成很多海洋油气平台，不仅能够给国家带来可观的经济效益，而且具有非常重要的战略意义。随着服役时间的增加，而且这些海洋平台油气管道在恶劣的环境下又极易产生破坏，目前常规的监测方法已经不能保障平台油气管道结构安全运行，因此很多研究机构已经将海洋管道结构安全性作为重点研究课题之一。经过国内外研究学者研究，声发射(acoustic emission,AE)技术能够很好的监测结构的状态[1]，通过声发射装置提取有用的信息，建立数学模型进行一系列分析，从而能够对结构的状态有一个更深层次的判断。考虑到我国近海海洋油气平台有很大一部分已经进入设计使用寿命的后期，很多平台管道结构均已出现振动疲劳问题[2]，一旦不能够及时发现裂纹，就会存在重大的安全隐患，从而造成重大的安全事故和巨大的经济损失，因此需要对这些意义重大的海洋平台油气管道结构进行健康监测，保证其在服役期间内安全平稳运行。由于实际海洋平台环境异常复杂，而且声发射传感器又十分灵敏，容易受到油气平台上管道振动噪声的干扰，因此，如何消除振动噪声干扰以及有效提取疲劳裂纹AE信号特征信息进而对结构疲劳裂纹进行识别是一个值得深入研究的课题。

小波分析是一种近些年来刚发展起来很实用的多分辨率分析方法，能够对信号在多个尺度上进行分解，将信号的频率范围细化成若干个频率段，可以充分提取到各个频率段的信息，这种信息对于复杂信号识别分类是非常有用的，通过小波包分解方法能够在多分辨率下对疲劳裂纹AE信号进行分析，可以提取到非常有价值并且对识别分类十分有用的疲劳裂纹特征信息[3-4]。Khon等[5]在小波分析理论的基础上对不同类型AE信号的波形进行了重点研究。Heidari等[6]对变速箱故障特征信息提取进行了研究，在研究过程中也用到了小波分析理论，研究结果表明小波能量信息对变速箱故障具有良好的表征。Warren等[7]同样基于小波分析理论对正常工作状态下的砂轮进行特征提取，再通过一系列算法对特征信息进行优化处理。大量研究及试验表明小波分析理论目前已经被广泛应用于各类故障信号特征提取中并且取得了很好的效果。

本文围绕声发射技术监测海洋平台油气管道所面临的复杂振动噪声干扰和疲劳裂纹声发射信号有效特征提取2大问题展开研究，在已有研究的基础上，提出了概率神经网络(probabilistic neural network, PNN)结合基于小波包为特征提取的疲劳裂纹识别方法，并且在海洋油气平台管道系统结构模型上进行了试验研究，验证了该方法的有效性。

1 疲劳裂纹声发射信号的频率成分

1.1 试样和试验设备

试验采用以Q235碳素钢为母材的小试样，试样的具体尺寸参考国标中“狗骨”状试件[8]，试样厚度为10 mm，具体尺寸如图1所示。

图1 小试样尺寸

试验过程中采用MTS810电液伺服疲劳试验机进行实验，控制软件为MTS793.32，最大能提供250 kN的载荷。试验采用的传感器如图2所示，采用增益为20～60 dB的前置放大器，前置放大器如图3所示。

图2 R15型传感器

图3 前置放大器

1.2 疲劳试验

试验之前对试样用酒精进行擦拭，通过胶带将传感器固定在试件上，传感器布置如图4所示，可以观察到疲劳裂纹。将疲劳试验机设定为横幅载荷进行加载，加载波形为正弦波，加载频率设定为5 Hz，试验过程中注意观察试件的情况，小试件疲劳试验如图5所示。

图4 传感器安装位置

图5 小试件疲劳试验

金属结构疲劳裂纹声发射信号为突发型信号，其频谱分布范围较宽，在低于800 kHz范围内均有能量分布[9]，100～200 kHz频率范围为疲劳裂纹信号的主要频带，可将采样频率设定为2 000 kHz，AE信号采样长度为8 192点。

实验室内对试样进行疲劳试验时背景噪声主要来源于以下几点：1)机器运转以及振动产生的机电干扰噪声；2)试样与夹具之间摩擦产生的干扰噪声。在试验刚开始正常加载状态下试件还未产生裂纹之前对由机器振动及摩擦产生的干扰噪声信号进行采集。当试样出现肉眼可见的裂纹时，开始对疲劳裂纹信号进行采集，试验采集到的疲劳裂纹AE信号和噪声信号如图6所示。

图6 疲劳裂纹AE信号和噪声信号

分别对采集到的噪声信号和疲劳裂纹声发射信号进行时频分析得到噪声信号和疲劳裂纹声发射信号时频分析结果如图7所示。

图7 采集信号的时频分析

从图7(b)中可以看出疲劳裂纹AE信号频率在采样点数为1 000(0.5 ms)左右发生突变，突变的频率范围大概为120～380 kHz，其他时间段都在0～50 kHz，而噪声信号频率在0～50 kHz，几乎不随时间发生变化，频率的突变反映了试件已经出现疲劳裂纹了，因此可以认为120～380 kHz是疲劳裂纹声发射信号的特征频率段。

断铅信号时频图如图7(c)所示，将图7(b)和图7(c)对比分析可知，断铅信号与钢结构疲劳裂纹声发射信号的特征频率范围基本接近，大致都在120～380 kHz这个频率范围内，但断铅信号持续的时间较长，随着时间逐渐衰减，因此在实际结构上可以通过断铅来模拟结构疲劳裂纹，目前国内外很多试验研究均采用这种方法。

2 小波的选择与特征提取

钢结构疲劳裂纹声发射信号是一种突发型信号，所包含的频率异常复杂，为了进一步探究疲劳裂纹声发射信号的频率成分，由于小波包变换可以将原始信号的频率范围划分成等宽带且互不重叠的窄宽带，这些窄宽带包含了疲劳裂纹声发射信号特征重要信息，因此研究基于小波分析理论对疲劳裂纹声发射信号进行分析[10-11]。

金属结构的疲劳裂纹声发射信号频率往往在100 kHz以上，通过对疲劳裂纹声发射信号时频分析可知，金属结构疲劳裂纹AE信号的特征频率范围大概在120～380 kHz。小波包的分解层数增多，虽然能够细化频率范围，但会使后续的计算量显著增大。因此，分解层数的确定原则为最小的分解层数同时必须包含疲劳裂纹声发射信号的高频特征频率。按照上述原则对疲劳声发射信号进行小波包分解，当层数为3层时，小波包结点(3，1)和(3，3)所在的频率范围能够包含疲劳裂纹声发射信号的特征频率，对应的频率范围分别为125～250 kHz和250～375 kHz，因此将小波包分解层数确定为3层，为各个小波包结点重构信号所对应的频率范围如表1所示。

表1 小波包各个结点重构信号的频率范围

对声发射信号进行小波包分解时，小波的选择会对分析结果会有很大的影响，因此选择一种合适的小波是非常重要的。为了选择一种最优的小波对疲劳裂纹声发射信号进行分解，必须有一个选择的标准，很多研究学者对这方面进行了研究，本文将采用能量比熵(energy-to-entrpopy,ETE)的标准进行选择，计算结果同文献[12]中计算的结果一样，bior3.1小波符合上述选择标准，因此把bior3.1作为最优小波用于分析疲劳裂纹声发射信号。

通过上述分析可知疲劳裂纹AE信号的特征频率范围在120～380 kHz，采用bior3.1小波对疲劳裂纹声发射信号进行3层分解，根据小波包分量重构信号对应的频率范围可知，小波包分量(3,1)和(3,3) 重构信号所在的频率范围能够包含疲劳裂纹声发射信号的特征频率，图8和图9分别为疲劳裂纹AE信号和噪声信号小波包分量(3,1)和(3,3)重构信号图。实际钢结构的疲劳裂纹信号为高频突发型信号，包含疲劳裂纹特征频率的小波包结点(3,1)和(3,3)的重构信号也必定是突发型信号，持续时间非常短。从图8可知，小波包分量(3,1)重构信号的幅值稍大于(3,2)重构信号的幅值，说明疲劳裂纹AE信号在125～250 kHz频率范围的能量要稍大于在250～375 kHz范围的能量。

图8 AE信号结点分量重构

图9 噪声信号结点分量重构

峭度因子是无量纲参数，由于对冲击信号特别敏感，因此被广泛应用于各种故障诊断中[13-16]。它同样对疲劳裂纹声发射这种突发型信号很敏感，当信号幅值发生突变时，区域较大幅值的出现会使信号总体的幅值分布偏离正态分布，峭度因子也会随之变大；正常状态下的噪声信号会在一个相对稳定的范围浮动，并不会出现较大的突变，因而噪声信号的幅值分布也不会偏离正态分布太多。针对包含疲劳裂纹特征频率范围的重构声发射信号来说，会存在局部信号幅值瞬时突变，这种变化可以通过峭度因子体现出来，因此，峭度因子的变化能够直接反映出钢结构是否出现疲劳裂纹。

峭度因子k为：

(1)

波峰因子同样为无量纲参数，反映的是声发射信号的峰值与有效值的比值，该比值越大说明声发射信号在短时间内大幅度瞬时波动越大，对于平稳的噪声信号来说，波峰因子往往在一个小区间内波动，而对于突发型疲劳裂纹声发射信号来说波峰因子比平稳的噪声信号要大很多，这种局部信号幅值瞬时突变同样会通过波峰因子表现出来[17-18]。因此，针对包含疲劳裂纹特征频率范围的重构信号来说，波峰因子值的大小能够直接揭示结构疲劳裂纹AE信号的本质特征。

波峰因子C为：

(2)

式中：P为峰值；R为均方根值：

(3)

(4)

峭度因子和波峰因子能够从不同角度揭示包含疲劳裂纹特征频率范围的小波包重构分量幅值的突变，这种局部瞬时幅值突变能够直接反映出疲劳裂纹声发射信号的本质。因此分别对疲劳裂纹声发射信号和噪声信号的小波包分量(3,1)和(3,3)重构信号进行上述特征提取，构成一个四维特征向量。

3 海洋油气平台管道系统结构模型试验研究

3.1 管道系统结构模型试验

根据实际调研可知，平台管道尺寸规格在10～50 cm的管子易发生振动疲劳破坏，使管道产生振动的诱因主要是机械激励、湍流以及水锤现象。振动频率往往集中在低频，频率范围大概在10～50 Hz，同时也要考虑到管道的振动情况也会随管道位置的改变而不同，综合以上几点，为了更真实的模拟海洋平台油气管道，因此在实验室中建立实尺度管道系统结构模型，同时包含了典型海洋平台油气管道易发生振动疲劳的管道构型，管道系统结构模型材料为国标中规定的输送高压流体的无缝钢管[19]。为了探究不同程度的管道结构振动干扰对识别结果的影响，同时也为了探究外界激振频率对识别结果的影响，试验采用激振器使管道产生振动，由于激振器对管道结构的作用力随着激振频率的增加而减少，因此可以通过改变激振器频率的方式控制管道受干扰的程度。激振频率分别设定在10、20、30、40以及50 Hz，通过压力装置将管道结构注满水，压力保持在0 MPa，试验现场如图10所示，打压设备和激振器装置分别如图11和图12所示，通过声发射装置分别采集上述管道试验模型不同位置处的振动噪声信号。

图10 管道系统结构模型试验现场

图11 打压设备

图12 激振器装置

考虑到断铅信号与钢结构疲劳裂纹AE信号的特征频率范围基本一致，而且在如此大的管道结构上无法进行疲劳试验，因此采用国际通用断铅模拟疲劳裂纹的方法来模拟管道疲劳裂纹声发射信号，在激振器的激励作用下同时在管道系统结构不同位置处进行断铅试验并采集数据，通过这种方式能够真实的模拟平台油气管道的振动噪声情况。考虑到断铅信号具有随机性，并且管道的振动情况也会随管道位置的改变而不同，因此需要将数据样本进行归一化处理以消除因幅值差异带来的影响。试验共采集管道振动噪声信号和断铅信号各100组，其中50组作为训练样本，剩下50组样本用于测试。

3.2 试验结果分析

结果分析采用的分类器为概率神经网络，将待识别样本与样本库中的数据进行逐一比对，最终将概率最大的一类进行输出，具有很强的识别分类能力，目前已经被广泛应用到多个领域[20-23]。

激振频率分别为10、20、30、40和50 Hz时，基于小波包的疲劳裂纹AE信号识别方法在特定频率下的识别结果如图13所示，基本能够做到准确识别。基于小波包的疲劳裂纹AE信号识别方法通过提取高频特征频率范围内的特征信息，以此来排除在低频范围噪声的干扰。经过试验验证，PNN结合基于小波包为特征提取的疲劳裂纹识别方法即使在外界振动噪声干扰的情况下仍能够取得良好的效果。

图13 不同激振频率下的识别结果

3.3 探究管道结构内部压力对识别结果的影响

为了探究管道压力对识别结果的影响，分别在0、1、2、3 MPa下在上述结构模型上进行试验。试验结果表明，在上述5个频率中，激振频率为10 Hz时断铅信号受到管道振动的干扰最强，因此将激振器的频率设定为10 Hz，0 MPa压力下可以直接采用3.2节的结果。

在上述压力下进行试验的识别结果如图14所示，其中类别1和类别2分别为断铅信号和振动信号。管道系统结构压力在0 MPa下出现1个识别错误，将振动信号误判成断铅信号；压力在1 MPa下出现2个识别错误，将振动信号误判成断铅信号；压力在2 MPa下出现3个识别错误，同样将振动信号误判成断铅信号；压力在3 MPa下出现2个识别错误，将断铅信号误判成振动信号。

图14 不同压力下的识别结果

针对PNN结合基于小波包为特征提取的识别方法来说，由于管道系统结构在上述压力下识别正确率差别非常小，另外考虑到通过断铅产生的断铅信号具有随机性，施加力的大小以及断铅角度都不可能做到完全一致，无法将管道压力与识别结果建立起相应的联系，综合以上2点得出管道系统结构压力对上述方法识别结果没有影响。

4 结论

1)小试件的疲劳试验确定了钢结构的疲劳裂纹声发射信号的特征频率范围大致在120～380 kHz，为后续在实际结构上的试验研究做了理论依据。

2)断铅信号的特征频率范围同真实钢结构疲劳裂纹声发射信号十分接近，国际上采用断铅模拟结构疲劳裂纹的方式是合理的。

3)通过只对包含特征频率范围的重构声发射信号进行特征提取，可以排除低频噪声的干扰，经过试验验证该方法具有一定的抗干扰能力。

4)PNN结合基于小波包为特征提取的疲劳裂纹识别方法具有良好的识别效果，识别准确率整体能够达到97%以上，为后续实际监测海洋平台油气管道疲劳裂纹提供了试验依据。