儲罐底板聲源辨識及定位方法研究?

邱楓　戴光　張穎　趙永濤　李承志

（1東北石油大學(xué)大慶163318）（2中國石油集團安全環(huán)保技術(shù)研究院北京100102）

儲罐底板聲源辨識及定位方法研究?

邱楓1?戴光1張穎1趙永濤2李承志1

（1東北石油大學(xué)大慶163318）（2中國石油集團安全環(huán)保技術(shù)研究院北京100102）

儲罐底板腐蝕是多聲源問題，在不同位置的腐蝕源可能同時發(fā)射應(yīng)力波。這些聲源信號有時會重疊被傳感器接收，從而影響定位的可靠性。為此本文基于平面聲發(fā)射源能量定位方法的基本理論，進行了模擬儲罐底板定位實驗，提出了能量定位系數(shù)的修正方法。通過對實驗數(shù)據(jù)分析，發(fā)現(xiàn)快速獨立分量分析（FastICA）方法可以將同種聲源混合信號進行有效分離，并且基本保持原有波形特征，相干系數(shù)法可以實現(xiàn)對分離后的同源信號進行聚類，進而應(yīng)用改進能量定位方法對聲發(fā)射源進行定位，從而對聲源辨識，判斷事件集中度提供依據(jù)。

模擬儲罐底板，聲發(fā)射，定位，識別

1　引言

隨著我國經(jīng)濟的持續(xù)快速發(fā)展，常壓立式儲罐的規(guī)模越來越趨于大型化。國家和企業(yè)越來越關(guān)注其安全性和經(jīng)濟性。聲發(fā)射檢測（Acoustic emission testing）技術(shù)以其不需停產(chǎn)開罐檢測等一系列優(yōu)點成為目前國內(nèi)外對儲罐底板腐蝕狀態(tài)進行安全評估的主要手段［1］。在應(yīng)用聲發(fā)射檢測技術(shù)對儲罐底板腐蝕狀態(tài)進行檢測評估過程中，不僅要獲取聲發(fā)射信號，更重要的是了解聲源活動性和集中度，而聲源識別技術(shù)能夠反映缺陷聲源數(shù)量，以及實際缺陷聲發(fā)射活度［2］。因此在儲罐的腐蝕狀態(tài)聲發(fā)射檢測中，定位源作為檢測結(jié)果評價的一項重要指標，其結(jié)果具有很高的參考價值，對檢測結(jié)果具有一定的預(yù)見性［3］。

然而儲罐底板腐蝕環(huán)境十分復(fù)雜，往往在開罐檢驗時，發(fā)現(xiàn)儲罐底板表面腐蝕坑數(shù)量很多，無規(guī)律的分布在儲罐底板表面［4］。因此在某一時刻，在不同的點可能同時存在腐蝕聲源，其產(chǎn)生的信號不僅波形特征相似，頻率范圍也接近，若這些聲信號相互混疊，將造成定位事件數(shù)的丟失，甚至在聲源定位過程中存在偽定位。由于罐底聲源識別技術(shù)仍具有一定的局限性，及用于定位聲速的復(fù)雜性、現(xiàn)場信號類型的多樣性以及門檻值的限定性等因素，這些均會影響儲罐底板聲源定位的可靠性。為此，本文在前期研究工作［5］的基礎(chǔ)上，利用快速獨立分量分析將儲罐底板混合信號分離，對于分離后的信號相關(guān)分析同源聚類，進而采用參數(shù)定位方法對聲源進行識別。

2　模擬儲罐底板實驗方法

由于儲罐容積的大型化，而罐底缺陷信號的幅值較小，尤其是腐蝕信號，信號的衰減又較大，這樣極可能造成缺陷信號的漏檢和誤判［5］。因此在儲罐內(nèi)部放置傳感器變得很有必要，該傳感器與儲罐外面的傳感器處在同一平面上，這樣可以增加定位區(qū)域的檢測覆蓋面積，防止AE信號的“丟失”。因此實驗選用圓形鋼板模擬儲罐底板，傳感器布置方案如下節(jié)所述。

2.1實驗系統(tǒng)及參數(shù)設(shè)定

本實驗采用常壓立式儲罐底板常用材料Q235碳素結(jié)構(gòu)鋼所制成的圓形鋼板，其直徑為900 mm，厚度為8 mm；選用美國PAC公司生產(chǎn)的DP3I型傳感器，以及集成化更高、更適用于壓力容器檢測的第3代全數(shù)字化系統(tǒng)［6］。結(jié)合本文實驗所采用的材料及結(jié)構(gòu)尺寸，經(jīng)過多次實驗測試，最終設(shè)定系統(tǒng)有關(guān)參數(shù)PDT為300μs，HDT為600μs，HLT為1000μs。由于本實驗的定位聲源來自于2H（0.5）斷鉛模擬聲源，因此檢測門檻設(shè)為中靈敏度范圍的40 dB［7］。

2.2傳感器的布置方案及實驗內(nèi)容

本實驗是將6個傳感器均勻耦合在圓板外圍，與此同時，在圓板中心耦合1個傳感器，傳感器布置簡圖如圖1所示，圖2為實驗實物圖。表1為1—6號傳感器坐標表。

圖1　傳感器布置與斷鉛位置示意圖Fig.1 Diagrammatic drawing of sensor layout and lead-break location

圖2模擬儲罐底板傳感器布置方案實驗圖Fig.2 Stimulated tank bottom sensor layout of experiment

按圖1所示傳感器布置方案，在圓板上耦合傳感器后，進行傳感器靈敏度標定，各通道的接收到的信號幅值均在97 dB以上，且波動不超過±2 dB，保證各通道傳感器的靈敏度基本相同。

分別在1和2，2和3，3和4，4和5，5和6，6和7傳感器連線的中垂線上斷鉛20次，記錄和保存各傳感器數(shù)據(jù)，為修正能量定位系數(shù)做準備。另外在圓板上隨機斷鉛10次，記錄并保存各次斷鉛位置及各傳感器的數(shù)據(jù)，如表2所示。隨機選取7次（序號1—7組）斷鉛數(shù)據(jù)用于確定能量定位系數(shù)，其余3（序號8—10組）次斷鉛數(shù)據(jù)作為盲源分離，同源聚類，定位驗證分析數(shù)據(jù)。

表1　各傳感器坐標表Table 1 Coordinates of each sensors

表2　10次斷鉛各通道能量值Table 2 Average energy of every channel received lead-break signals in ten times

3　結(jié)果與討論

3.1信號分離

儲罐底板的聲源情況一般比較復(fù)雜，往往呈現(xiàn)多信號的混合，而對于聲發(fā)射信號這種多通道、非平穩(wěn)、非高斯信號，適用于盲源分離的獨立分量分析方法可以實現(xiàn)其混疊信號的分離。獨立分量分析［8］（Independent component analysis，ICA）是一種由盲信源分解技術(shù)發(fā)展的一種多通道信號處理方法，是一種在只有觀測數(shù)據(jù)且信號源混迭方法未知的情況下，對信號獨立源進行特征提取的一種信號處理方法［9］。該方法特點是可以將多通道觀察信號，按照統(tǒng)計獨立的原則，通過優(yōu)化算法分解成若干相互獨立的成分，從而幫助實現(xiàn)信號的增強和分析。而在眾多ICA算法中，快速獨立分量分析（FastICA）算法以其收斂速度快，非線性最佳化，內(nèi)存占用小等優(yōu)點，而被廣泛應(yīng)用。FastICA算法本質(zhì)上是一種最小化估計分量信息的神經(jīng)網(wǎng)絡(luò)方法，利用最大熵原理來近似負熵，并通過一個合適的非線性函數(shù)使其達到最優(yōu)。具體算法參考文獻［10］。

為了驗證快速獨立分量對混合信號盲源分離的有效性，采集3次斷鉛（序號8—10組）各個通道接收到波形信號，分別如圖3（a）、4（a）、5（a）、6（a）、7（a）、8（a）、9（a）所示。以Matlab為仿真平臺，利用快速獨立分量分析方法對3次斷鉛信號的混合信號進行分離。利用3×3隨機矩陣對每個通道的3次斷鉛信號進行混合，隨機矩陣如表3所示?；旌虾蟮牟ㄐ螆D如圖3（b）、4（b）、5（b）、6（b）、7（b）、8（b）、9（b）所示，利用快速獨立分量分析方法對3次斷鉛信號的混合信號進行分離，各通道獨立聲發(fā)射信號分離結(jié)果如圖3（c）、4（c）、5（c）、6（c）、7（c）、8（c）、9（c）所示。

表3　各通道信號混合矩陣Table 3 Mixed matrix of each channel signal

圖3　3次斷鉛1通道原始波形、混合后的波形及分離后的波形圖Fig.3 Original，mixed and separated lead-break waveforms received by channel 1 in three times

圖4　3次斷鉛2通道原始波形、混合后的波形及分離后的波形圖Fig.4 Original，mixed and separated lead-break waveforms received by channel 2 in three times

圖5　3次斷鉛3通道原始波形、混合后的波形及分離后的波形圖Fig.5 Original，mixed and separated lead-break waveforms received by channel 3 in three times

圖6　3次斷鉛4通道原始波形、混合后的波形及分離后的波形圖Fig.6 Original，mixed and separated lead-break waveforms received by channel 4 in three times

圖7　3次斷鉛5通道原始波形、混合后的波形及分離后的波形圖Fig.7 Original，mixed and separated lead-break waveforms received by channel 5 in three times

圖8　3次斷鉛6通道原始波形、混合后的波形及分離后的波形圖Fig.8 Original，mixed and separated lead-break waveforms received by channel 6 in three times

圖9　3次斷鉛7通道原始波形、混合后的波形及分離后的波形圖Fig.9 Original，mixed and separated lead-break waveforms received by channel 7 in three times

將各通道分離后的波形圖與原始波形進行比較，可以看出分離后的信號從波形上很好地保持了原始信號的波形，只是在波形幅度和順序等方面發(fā)生了變化，實現(xiàn)了混合波形的分離，驗證了獨立分量分析法對混合波形分離的有效性，這為下面的多聲源聲發(fā)射信號的辨識提供了必要的準備。

3.2同源信號聚類

若要準確的識別聲發(fā)射源，對于分離后的波形，需要判斷哪些信號來自同一事件。而各傳感器收到的同一聲發(fā)射源信號應(yīng)該具有比較高的相似性［11］。根據(jù)這一特點，基于互相關(guān)系數(shù)法對同一聲源信號進行聚類分析。設(shè)x=（x1，x2，···，xN），y=（y1，y2，···，yN）為被判定的兩個信號序列，其相關(guān)函數(shù)為

互相關(guān)函數(shù)是兩個不同信號x（n）和y（n）之間的乘積，這兩個被去除均值的信號之間存在共性部分（確定量）和非共性部分（隨機量），共性部分的相乘總是取相同符號，使得該部分得到累積加強，而非共性部分由于其隨機性相乘后有時取正號有時取負號，經(jīng)過平均運算后趨于相互抵消。因此，兩個信號的互相關(guān)運算能夠?qū)⑵涔残圆糠痔崛〕鰜聿⒁种频舴枪残圆糠郑ハ嚓P(guān)函數(shù)的最大值反映了兩個信號之間的相似性的程度。由于互相關(guān)函數(shù)的最大值是絕對量值，與信號幅值有關(guān)，不便于統(tǒng)一度量。因此，對x，y的最大值進行歸一化處理，得到兩個信號的互相關(guān)系數(shù)［12］。

互相關(guān)系數(shù)的值越接近1表明兩信號之間相似程度越高，來自同一個聲源的可能性越大。在聚類融合過程中，根據(jù)兩個信號之間的互相關(guān)系數(shù)是否超過閾值來確定其是否屬于同一個聚類。屬于同一聚類的信號則被判定來自同一聲源，為一個聲發(fā)射事件。這樣用相關(guān)系數(shù)法可以判斷兩個信號是否來自同一聲源。平均相關(guān)系數(shù)

式（3）中n′為聚類C中的信號數(shù)量。當ρ（x，C1）的意義在于判斷目標信號與已知聚類的相關(guān)性。設(shè)1，2，3，4，5，6，7通道接收信號集合依次為｛aa，ab，ac｝、｛ba，bb，bc｝、｛ca，cb，cc｝、｛da，db，dc｝、｛ea，eb，ec｝、｛fa，fb，fc｝、｛ga，gb，gc｝，利用相關(guān)系數(shù)法，以1，2，3通道接收到的信號為例進行相關(guān)分析，其相關(guān)性圖如圖10～12所示。

圖10　aa和ba信號相關(guān)性Fig.10 Correlation of aa and ba signals

圖11　aa和bb信號相關(guān)性Fig.11 Correlation of aa and bb signals

通過對信號進行譜分析發(fā)現(xiàn)，斷鉛信號的峰值頻率大約為30 kHz，由圖10～12可知aa，ba信號在30 kHz處相關(guān)系數(shù)最大，即相關(guān)性更大，故把aa和ba信號歸于同一聚類C1，即aa，ba∈C1。

圖12　aa和bc信號相關(guān)性Fig.12 Correlation of aa and bc signals

同理，由圖13～14可知ab，bb信號相關(guān)性更大，故把ab和bb信號歸于同一聚類C2，即ab，bb∈C2。顯然ac和bc信號歸于聚類C3，即ac，bc∈C3。同樣，對4—7通道進行類似上面的相關(guān)系數(shù)分析，可得到三個聚類C1，C2，C3，C1，C2，C3分別對應(yīng)一個聲發(fā)射信號，且C1=｛aa，ba，ca，da，ea，fa，ga｝，C2=｛ab，bb，cb，db，eb，fb，gb｝，C3=｛ac，bc，cc，dc，ec，fc｝。多聲源聲發(fā)射信號聚類的完成表明多聲源的辨識成功，這為聲源信號的定位提供了基礎(chǔ)。

圖13　ab和bb信號相關(guān)性Fig.13 Correlation of ab and bb signals

圖14　ab和bc信號相關(guān)性Fig.14 Correlation of ab and bc signals

3.3能量定位

根據(jù)材料的聲壓衰減規(guī)律，基于傳感器的基本原理，振幅、聲壓與能量的關(guān)系，將聲壓與能量進行相關(guān)轉(zhuǎn)換，得到關(guān)于能量的衰減公式，如式（4）所示［13］。

其中，E為能量計數(shù)，α和c為能量定位系數(shù)。假設(shè)某一聲源處于某三個傳感器所構(gòu)成的網(wǎng)格中，假設(shè)三個傳感器接收到的能量值分別為E1，E2，E3，三個傳感器與聲源的距離分別為x1，x2，x3，可得

分別以三個傳感器所在位置為圓心，以x1，x2，x3為半徑畫圓，三個圓的交點區(qū)域的平均位置即為聲源位置。

理論上當斷鉛位置與兩傳感器位置距離相同時，兩傳感器得到的數(shù)據(jù)應(yīng)一致。然而由于本實驗中7個傳感器雖均采用DP3I型傳感器，但傳感器間也會存在局部差異，并且鋼板材質(zhì)并不絕對均勻。實驗也發(fā)現(xiàn)，兩傳感器得到的能量數(shù)據(jù)并不一致。為了能夠減少誤差，有必要采集若干組數(shù)據(jù)對傳感器接收的信號數(shù)據(jù)進行修正。為此，沿相鄰兩傳感器連線的中垂線上斷鉛20次并采集數(shù)據(jù)，以1號、2號傳感器為例，如表4所示。

表4　1，2號傳感器連線中垂線上斷鉛的能量值Table 4 Lead-break energy of sensor 1 and sensor 2 on the midperpendicular（單位：個）

根據(jù)表4可知，1號、2號傳感器能量數(shù)據(jù)不一致，故需修正。根據(jù)1號、2號傳感器的散點圖（如圖15）不難看出，兩者大致成線性關(guān)系，其修正方程為y=0.9412x+931.93。同理，得2號、3號傳感器能量修正方程為y=1.2114x-139.41，3號、4號傳感器能量修正方程為y=0.7043x+2250.2，4號、5號傳感器能量修正方程為y=0.7705x-450.65，5號、6號傳感器能量修正方程為y=1.2198x-550.8，6號、7號傳感器能量修正方程為y=1.2741x+584.07。

圖15　1，2號傳感器接收能量值關(guān)系圖Fig.15 Energy relation of waves received by sensor 1 and sensor 2

根據(jù)傳感器能量數(shù)據(jù)的修正方程及兩傳感器距離聲源的距離，經(jīng)計算得出參數(shù)α和c的平均值分別為，α=0.0003，c=8.6688。根據(jù)α和c的平均值，對8—10組斷鉛聲源進行能量定位驗證分析，結(jié)果如表5所示。

表5　能量定位結(jié)果Table 5 Results of energy location

上述數(shù)據(jù)表明，能量方法能夠應(yīng)用于定位分析，并且可以估算聲源位置，但在工程實際中定位傳感器接收到的信號除了聲發(fā)射源產(chǎn)生的信號外。還會包含噪聲等干擾信號，定位精度會受到一定影響。如何排除干擾，提高該方法在工程實際中的定位精度還有待進一步研究。

4　結(jié)論

（1）快速獨立分量分析方法不僅對不同類型聲源的混疊信號有較好的分離效果，對同種類型聲源的混疊信號同樣可以較好的分離，并保持原有波形特性；

（2）相關(guān)系數(shù)法可以實現(xiàn)對不同傳感器接收到的同源信號聚類，即判斷哪些信號來自同一聲源，這對于識別聲源，判斷事件集中度有一定意義；

（3）基于參數(shù)分析的能量定位方法，對聲源的識別效果較好，本文提出的能量系數(shù)修正方法，可以減少由于材料等問題而造成的誤差，同時本文所述的針對罐底混疊信號進行分離，識別和定位方法，在一定程度上可以為聲發(fā)射對儲罐底板腐蝕評估提供依據(jù)。

致謝感謝黑龍江省教育廳化工過程機械重點實驗室、中國石油集團安全環(huán)保技術(shù)研究院HSE實驗室對本研究的支持。

［1］戴光.聲發(fā)射檢測技術(shù)在中國［J］.無損檢測，2008，30（7）：390-394. DAI Guang.The development of acoustic emission testing technologies in China［J］.Nondestr.Test，2008，30（7）：390-394.

［2］PARK Sosoon，KITSUKAWA Shigeo，KATOH Kenji，et al.AE source and relation between AE activity and rate of corrosion of oil tank bottom plate on acidic soils［J］. Materials Transactions，2005，46（11）：2490-2496.

［3］沈功田，耿榮生，劉時風(fēng).聲發(fā)射源定位技術(shù)［J］.無損檢測，2002，24（3）：114-117. SHEN Gongtian，GENG Rongsheng，LIU Shifeng.Acoustic emission source location［J］.Nondestr.Test，2002，24（3）：114-117.

［4］JIRARUNGSATIANC，PRATEEPASENA.Pitting and uniform corrosion source recognition using acoustic emission parameters［J］.Corrosion Science，2010，49（9）：187-197.

［5］戴光，張明宇，高果柱，等.常壓立式儲罐底板腐蝕過程聲發(fā)射源特性分析及試驗研究［J］.化工機械，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］.Chem.Eng.&Mach.，2012，39（6）：704-708.

［6］李光海，沈功田，閆河.常壓儲罐聲發(fā)射檢測技術(shù)［J］.無損檢測，2009，6（3）：257-258. LI Guanghai，SHEN Gongtian，YAN He.Acoustic emission testing technique for atmospheric storage tanks［J］. Nondestr.Test，2009，6（3）：257-258.

［7］NB/T 47013.9-2012，承壓設(shè)備無損檢測-聲發(fā)射檢測［S］.

［8］ROBERTS S，EVERSON R.Independent component analysis：Principles and practice［M］.New York：Cambridge University Press，2001.

［9］李卿，邵華，陳群濤，等.基于獨立分量分析的切削聲發(fā)射源信號分離［J］.工具技術(shù)，2011，45（6）：35-39. LI Qing，SHAO Hua，CHEN Quntao，et al.Source separation of cutting AE signal based on ICA［J］.Tool.Eng.，2011，45（6）：35-39.

［10］CICHOCKI S，AMARI K，SIWEK T，et al.ICALAB Toolboxes［EB/OL］.［2014-10-04］.http：//www.bsp.brain. riken.jp/ICALAB.

［11］DONG J Y，YAO Q，PLACID M F，et al.Dynamics，control and performance analysis of a novel parallel-kinematics mechanism for integrated，multi-axis nano-positioning［J］.Precision Engineering，2008，32（3）：20-33.

［12］王偉魁，李一博，杜剛，等.基于聚類分析的罐底聲發(fā)射檢測信號融合方法［J］.振動與沖擊，2012，31（7）：181-184. WANG Weikui，LI Yibo，DU Gang，et al.Signal fusion method for acoustic emission testing of tank bottom based on clustering analysis［J］.Journal of Vibration and Shock，2012，31（7）：181-184.

［13］龔斌，齊輝，馬春華，等.一種聲發(fā)射源的新型平面定位方法研究［J］.聲學(xué)技術(shù)，2006，25（2）：107-109. GONG Bin，QI Hui，MA Chunhua，et al.A new method of energy location for acoustic emission source［J］.Tech. Acoust.，2006，25（2）：107-109.

Research on acoustic source identification and positioning method of simulated tank bottom

QIU Feng1DAI Guang1ZHANG Ying1ZHAO Yongtao2LI Chengzhi1
（1 Northeast Petroleum University，Daqing 163318，China）（2 Security Environmental Protection Technology Research Institute China Petroleum Group，Beijing 100102，China）

The acoustic emission due to tank bottom corrosion is characteristic of multiple sources，i.e.the sources of corrosion in different locations may emit stress waves at the same time.The signals of these acoustic sources might be overlapped and received by various channels，and thus the reliability of source location would be affected.Based on the energy planar location theory of acoustic emission source，the positioning experiment of simulated tank bottom was conducted，and coefficient correction method of energy positioning was proposed. At the same time，through the analysis of experiment data，it is found that fast independent component analysis could separate the mixed signals of the same acoustic source，and keep the original waveform character to some degree.Moreover，correlation coefficient method can cluster the homologous signal after separation，and then improved energy positioning method could be applied to locate acoustic emission source，thus the identification of acoustic source and the judgment of events concentration can be directed.

Tank bottom，Acoustic emission，Positioning，Identification

TH49，TB553

A

1000-310X（2015）04-0364-09

10.11684/j.issn.1000-310X.2015.04.012

2014-11-19收稿；2015-04-25定稿

?中國石油天然氣集團公司科學(xué)研究與技術(shù)開發(fā)項目（2014D-460203），東北石油大學(xué)研究生創(chuàng)新科研項目（YJSCX2014-024NEPU），2015年安全生產(chǎn)重大事故防治關(guān)鍵技術(shù)科技項目（heilongjiang-0003-2014AQ）

邱楓（1987-），女，黑龍江富錦人，博士研究生，研究方向：聲發(fā)射檢測與信號處理。

E-mail：qiufeng1a2b3c@163.com