基于声发射技术的钻采过程引压支管泄漏信号研究*

杜莎莎 刘鹏谦 殷志明 张 源 张红生 徐长航

(1. 中国石油大学(华东) 机电工程学院 山东青岛 266580； 2. 中海油研究总院有限责任公司 北京 100028；3. 中国海洋石油有限公司钻完井办公室 北京 100010)

在海洋油气钻采过程尤其是采油过程中，压力监控十分必要。但压力测量过程中，由于传感器受安装位置和安装空间的限制，或主设备内压力、温度过高等原因的影响，通常在设备和传感器之间安装引压支管来传递压力[1]。实际应用的引压支管口径小、壁薄，但管路内的状态通常为高温高压，且工作介质常具有腐蚀性、易堵塞的特点，会导致引压支管产生裂纹或腐蚀穿孔，泄漏的危险性很大。中石化天然气管道分公司曾发生引压支管腐蚀穿孔，导致执行机构不能自动工作，天然气泄漏，引发天然气着火的事故[2]；某炼化公司加氢处理装置由于热高压分离器液位变送器的引压支管开裂导致泄漏事故[3]；工业上对引压支管泄漏的检测方法通常为人工喷洒肥皂水后目视检查，对微小泄漏难以及时发现。因此，采取科学有效的监测手段对引压支管进行在线监测十分必要。

引压支管泄漏检测属于泄漏检测，近年来泄漏检测引起国内外的较大重视[4-6]。且无损检测快速发展，其在管道上的应用[7]为管道泄漏检测提供了思路。声发射检测技术作为一种动态无损检测技术，可以实时有效地监测管道的工作状态[8]。一旦发生泄漏，流体向外喷射的过程中部分能量转换为管壁的振动[9]，该信号携带泄漏源的信息，泄漏位置不同、泄漏量不同时其信号均具有差异性，分析这些信号的变化便可得到泄漏源的状态或位置。小波变换是基于时间-尺度分析的常用信号处理方法，而EMD是一种可以有效处理非平稳信号的时频分析方法，近几年广泛应用于管道泄漏产生的非平稳随机信号的处理中。Saman Davoodi 、Amir Mostafapour[10]用小波变换进行去噪，研究加压管道中由于泄漏引起的AE信号建模及其振动特性；孙立瑛 等[11]研究基于小波包和HHT变换对声发射信号分解的区别；谭兴强[9]在设计的软件系统的基础上，运用数理统计、随机信号处理、自适滤波、小波变换、神经网络等方面的理论和知识对管道泄漏声发射在泄漏检测与定位方面进行研究；潘碧霞[12]研究了小波包分解、经验模态分解、EMD与FFT相结合、EMD与小波包分解相结合的4种信号特征提取方法。对于引压支管的声发射检测国内尚未见诸报道，本文通过实验研究，应用小波包分解和经验模态分解两种方法对实验所得到的引压支管泄漏声发射信号进行分析，探讨其信号特点，并验证声发射检测技术应用于引压支管泄漏检测的可行性。

1 引压支管泄漏声发射检测理论基础

1.1 声发射泄漏检测原理

引压支管的泄漏可视为管道泄漏的一种，管道泄漏产生声发射信号的现象是一种广义的声发射现象。声信号来源于泄漏时管内外压力差，管道内的流体向外喷射的瞬间与管壁相互作用激发应力波，该应力波携带泄漏源的信息，以声速在管壁中传播。

泄漏过程中，流体向外喷射的部分能量转换为管壁的振动，由于管壁的阻尼作用，只有与管道共振的应力波可传播较远的距离[9]，因此，不同距离的传感器便能检测到不同特征的声发射信号，通过放大器将信号放大，最后进行处理便可得到泄漏源的状态或位置。

1.2 小波变换原理

小波变换是一种对信号进行时间-尺度分析的方法，能够反映信号某个局部时间的特征，并同时描述信号在时域与频域上的特征。小波包分解(Wavelet Packet Decomposition，简称WPD)则采用一组低通与高通共轭正交镜像滤波器组实现对低频信号与高频信号在通频范围内不同层次的分解序列。

1.3 经验模态分解原理

经验模态分解(Empirical Mode Decomposition，简称EMD)是一种可以有效处理非平稳信号的时频分析方法[13-15]。EMD可以将信号从高频到低频按照一定的层次将不同特征尺度的波动逐级分解，构成几个固有模态函数(Intrinsic Mode Function，简称IMF)。IMF必须满足两点：曲线具有相等的极值点和零点数量，或两者差值最多为1；在曲线的任意一点，包络的最大极值点和最小极值点的均值等于零。分析IMF分量特点是EMD的关键。

1.4 研究方法框架

与普通管道不同，引压支管的使用环境通常伴有高温高压等条件因素，且管内介质常具腐蚀性；管上具有多处阀门、卡套等连接结构，连接处易存在裂缝、焊接缺陷，且易腐蚀、冲蚀造成泄漏孔，加大了泄漏的风险；其尺寸小，结构紧凑，连接点多，更加强了声发射信号的衰减。因此，探究恰当的声发射信号处理方法是检测其泄漏的关键。

本文通过实验采集引压支管无泄漏、微小泄漏、中度泄漏、严重泄漏时的声发射信号，利用小波包分解与经验模态分解两种方法处理信号，得到其声发射信号特征，实现泄漏检测的同时识别出不同的泄漏程度，最终确定最佳的检测方法，研究方法框架如图1所示。

图1 引压支管泄漏声发射检测研究方法框架Fig.1 Proposed framework for acoustic emission detection of inlet pipe leakage

2 引压支管泄漏声发射检测实验研究

2.1 引压支管泄漏声发射检测实验

实验以引压支管为研究对象，空气压缩机提供气源连接引压支管左侧工艺端，压力变送器连接其右侧仪表端，工艺流程如图2所示。实验仪器如图3所示，包括压缩机、引压支管、压力变送器、声发射检测系统。其中声发射检测系统采用的是美国物理声学公司(PAC)生产的PCI-2型声发射检测系统，主要包括：①传感器、②前置放大器、③信号电缆、④数据采集卡、⑤AEwin软件。

图2 引压支管泄漏声发射检测工艺流程图Fig.2 Flowchart of the experiment for acoustic emission detection of inlet pipe leakage

本实验中，压缩机压力变化为0.05、0.10、0.15、0.20、0.25、0.30 MPa；管上阀门从左至右分别定义为V1、V2、V3。如图3c中泄漏源为A(距引压支管最左侧3.5 cm)，根据传感器安装的便捷性设计1～8号共8个测点，确定传感器最佳安装位置。

图3 引压支管泄漏声发射检测实验仪器 Fig.3 Laboratory instruments for acoustic emission detection of inlet pipe leakage

通过开度来表征泄漏程度，通过调节排放阀V2开度为1时模拟无泄漏；开度为2、3、4时模拟小、中、大3种不同泄漏量并定义为微小泄漏、中度泄漏、完全泄漏，操作方法分别对应阀门V2关闭、阀门旋开半圈、阀门旋开一圈半、阀门全开，实验采集4种情况下的声发射信号。

2.2 引压支管泄漏最佳测点分析

幅值、平均信号电平(ASL)、有效值电压(RMS)是评估泄漏声发射信号的常用参数，通常参数值越大，声发射信号越强，检测效果越好。分析3个参数的影响，结果如图4所示。综合来看，当压力小于0.15 MPa时，3测点的3个参数值最大；当压力大于0.15 MPa时，2测点较大。考虑工程中输送流体压力较大，取最佳测点为2号测点(距引压支管最左端7.5 cm)，将传感器安装于2号位置采集声发射信号。

图4 不同测点声发射信号的3个特征参数分析Fig.4 Analysis of three characteristic parameters of acoustic emission signals from different points

此外，由图4可以看出，在任一检测位置，压力越低，特征参数越小，声发射信号越弱，因此本文压力范围0～0.3MPa虽低于工程实际，但检测难度却更大。

3 基于小波包分解的泄漏信号的结果及分析

针对阀门开度分别为1、2、3、4所得到的引压支管泄漏声发射信号，根据文献选用Daubechies小波基[16]，进行3层小波包分解，得到信号在8个不同频率范围的分量，即(3,0)—(3,7)，其对应的频率分布如表1所示。根据能量分布分析压力为0.10 MPa下引压支管无泄漏、微小泄漏、中度泄漏、完全泄漏的声发射信号特点。图5以柱状图的形式直观地表现出4种情况下的小波包能量分布。

为定量分析泄漏信号在不同频率段的强度，对能量进行归一化处理，结果见表2。结合图5及表2可知，引压支管无泄漏时(开度为1)，声发射信号能量分布与发生泄漏时完全不同，其能量主要集中在0～62.5 kHz(3,0)为48.15%，在其他频率段分布极少，数值均在10%以下。

表1 8个小波包对应的频率范围Table 1 Spectrum distribution of eight wavelet package

图5 声发射信号小波能量分布Fig.5 Wavelet energy distribution of acoustic emission signals

表2 声发射信号在不同频率段的归一化能量值Table 2 Normalized energy value of acoustic emission signals in different frequency segments

引压支管发生微小泄漏时(开度为2)，能量在62.5～312.5 kHz较为集中，其中在62.5～125 kHz(3,1)、187.5～250 kHz(3,2)、125～187.5 kHz(3,3)3个频率段信号最强且归一化能量值相近，分别为25.31%、24.93%、25.64%；在0～62.5 kHz、312.5～500 kHz分布极少，归一化能量值之和为8.42%。引压支管发生中度泄漏时(开度为3)，泄漏信号在62.5～125 kHz(3,1)最强，归一化能量值为28.04%，其余能量主要分布在125～312.5 kHz，且能量在62.5～125 kHz(3,1)、187.5～250 kHz(3,2)、125～187.5 kHz(3,3)、250～312.5 kHz(3,6) 4个频率段集中程度呈下降趋势，数值分别为28.04%、20.30%、17.98%、16.19%；另外，相较微小泄漏的情况，中度泄漏信号在0～62.5 kHz(3,0)有所增强，同样在312.5～500 kHz分布极少。引压支管发生完全泄漏时(开度为4)，能量主要集中在0～312.5 kHz，其中在62.5～125 kHz(3,1)频率段最为集中，归一化能量值为29.15%；其次为187.5～250 kHz(3,2)、250～312.5 kHz(3,6)，其归一化能量值分别为21.04%、17.13%。

综合微小泄漏、中度泄漏、完全泄漏的能量在8个不同频率段的分布来看，其能量分布具有一定规律性：三者能量均集中在62.5～312.5 kHz。由图5可以看出，随着泄漏量增大，能量比重在62.5～125 kHz(3,1)、250～312.5 kHz(3,6)增大，在125～187.5 kHz(3,3)减小。可见，小波包分解的方法可以很好地分析引压支管无泄漏及泄漏量变化时的声发射信号规律及特点。

4 基于经验模态分解的泄漏信号的结果及分析

对压力为0.10 MPa时无泄漏、微小泄漏、中度泄漏、完全泄漏4种情况的声发射信号进行EMD分析(c1—c10)，分解得到10个固有模态函数即IMF分量，获得4种信号在不同尺度的局部特征。如图6所示，横坐标代表采样点，纵坐标代表幅值，反映的是信号在时域上的波动。

根据图6所示，从无泄漏、微小泄漏、中度泄漏、完全泄漏的同一分解尺度来看，无泄漏时幅值极小，微小泄漏时幅值最大，随着泄漏量增大，幅值减小，但中度泄漏与完全泄漏同一分解尺度幅值变化不明显。分别对图6a、b、c、d这4幅图进行分析，发现4种情况经过EMD分解得到的IMF分量(c1—c10)幅值均不断减小，前6个IMF分量(c1—c6)具有明显的泄漏声发射信号特征，其余IMF分量(c7—c10)波动很小，基本类似于普通正弦信号。

为更充分地确定前6个IMF分量能够代表引压支管泄漏的声发射信号特征，分析声发射信号能量在10个IMF分量的分布，结果如表3所示。

由表3可见，声发射信号能量主要分布在c1和c2分量，且从c1至c8分布依次减小，在c9和c10略有波动但波动值极小。另外，无泄漏、微小泄漏、中度泄漏、完全泄漏的声发射信号能量在前6个IMF分量分布之和分别为91.26%、96.07%、95.59%、96.70%，可见前6个IMF分量足以表现整个声发射信号的特征。因此，将EMD与FFT方法相结合，将前6个IMF分量进行快速傅里叶变换，得到引压支管泄漏的声发射信号在频域上的波动模式，如图7所示，横坐标表示频率，纵坐标表示幅值。

图6 声发射信号EMD分解结果Fig.6 Results of AE signal processed by EMD

表3 声发射信号能量在各IMF分量的分布情况Table 3 Energy distribution in each IMF of acoustic emission signals

图7 声发射信号前6个IMF分量FFT处理结果Fig.7 FFT results of the first six IMFs

5 结论

本文通过设计引压支管泄漏检测试验，主要对引压支管有无泄漏及泄漏量不同时的声发射信号进行小波包分解及经验模态分解得到其信号的特点，主要认识如下：

1) 小波包分解结果表明：实验所用引压支管无泄漏时能量主要集中在0～62.5 kHz，而泄漏时能量主要集中62.5～312.5 kHz；随着泄漏量的增加，能量比重在62.5～125 kHz(3,1)、250～312.5 kHz(3,6)增大，在125～187.5 kHz(3,3)减小。可见，该方法可以很好的获得无泄漏及不同泄漏量时的声发射信号规律。

2) 经验模态分解结果表明：前6个IMF分量可以表示引压支管泄漏的声发射信号特征，且能量主要分布在c1和c2分量；在同一分解尺度，无泄漏时幅值明显较小，一旦发生泄漏幅值提高但随泄漏量增加而减小；泄漏量不同时，频率在每个IMF分量的分布存在差异，但中度泄漏与完全泄漏差异不大，说明引压支管泄漏达到一定程度后，经验模态分解存在局限性。

3) 小波包分解和经验模态分解两种方法均可有效处理引压支管泄漏时产生的声发射信号，判断其泄漏的存在性，但对于引压支管泄漏量不同时产生的声发射信号，采用小波包分解进行处理可更好的得到其信号的异同点，辨识效果明显优于经验模态分解。