常壓儲罐罐底腐蝕聲發射檢測去噪方法分析*

李自力 畢海勝 程遠鵬 王 軍 陳健飛

(1.中國石油大學(華東)油氣儲運工程系；2.勝利油田技術檢測中心)

聲發射是材料中局域源快速釋放能量產生瞬態彈性波的一種現象，也稱為應力波發射(Stress Wave Emission)、微震動活動(Micro-seismic Activity)等[1]。聲發射檢測作為一種無損檢測方法，在石油化工、航空航天、電力系統、巖石勘探及橋梁建筑等諸多領域得到了廣泛的應用。具體在石油化工領域，聲發射檢測用于壓力容器裂紋檢測、常壓儲罐罐底腐蝕檢測、油氣管道泄漏檢測以及LNG低溫儲罐檢測等方面取得了良好的效果。聲發射罐底腐蝕檢測相對于漏磁檢測、超聲波檢測及磁粉檢測等傳統離線無損檢測，具有獨特的優勢。它采取“被動聽聲”的方式，在線監測儲罐底板產生的腐蝕信號并對罐底板腐蝕情況作出判斷，其檢測靈敏度高，能夠對腐蝕活性缺陷和早期開裂快速檢測和準確定位，無需停產、開罐、倒罐、清洗，對儲罐底板100%覆蓋并快速檢測，檢測一個直徑為50m的儲罐只需一天，進而根據腐蝕程度對儲罐實現“好”與“壞”的分級，變“定期檢測”為“狀態檢測”，節省了大量的人力、資金和時間[2～4]。

在世界范圍內，聲發射檢測是目前適用于大型常壓儲罐底板腐蝕在線檢測與評估的最好方法。但是，儲罐聲發射檢測受背景噪聲的干擾比較大，這些噪聲包括可測量的流動噪聲、物件和儲罐的機械撞擊、 電磁干擾(EMI)和射頻干擾(RFI)[5]，管道或軟管連接處的泄漏、壁板的泄漏、膨脹管的熱脹冷縮，自然雨雪、 冰雹、大風、鳥和昆蟲，罐壁上的噴淋器、罐內的加熱盤管、攪拌機、液位探測儀以及其他儲罐內部構件、儲罐內的化學反應、氣泡的運動等，導致檢測信號在解釋、識別和聚類上存在很大的困難，混淆甚至丟失有用的腐蝕信號而出現誤判的情況時有發生，因而如何去噪是聲發射檢測在應用過程中遇到的最大難題。

1 檢測過程實施去噪

1.1 檢測時間的選擇

現場儲罐聲發射檢測表明，白天罐區周邊因施工、設備運轉、機動車輛及太陽照射等的影響，背景噪聲水平總體較高，采集到的信號當中含有大量的噪聲信號，白天采集到的信號量遠遠大于晚上的信號量。太陽照射儲罐，迎光面和背光面罐壁受光照不一樣，壁板因受熱不均而產生熱應力，熱脹冷縮變形產生應力波；帶有滑動膨脹節的外加熱盤管夾套，在環境溫度變化時將會產生具有長持續時間的不連續的突發型聲發射信號；此外，罐內介質(主要是油品)受熱不均，液體熱對流與罐壁、內加熱盤管以及進出口油管等摩擦也會產生大量的噪聲。

因此實施聲發射檢測之前，除了確保儲罐進出口閥門關閉，攪拌器、加熱設施和泵機組等停止運轉，并靜置一段時間(約12h)之外，還必須選擇一個溫度可控的環境或溫度相對穩定的時間[6]。目前國際上沒有統一的標準來規定儲罐聲發射檢測的時間。在歐洲，推薦最佳檢測時間是晚上；GB/T 10764-2007也推薦，合適的檢測時間是早晨或晚上。張濤等人通過現場檢測并處理分析，推薦在22:00至次日凌晨4:00的時間段進行檢測，效果良好[7]。因此，選擇最佳時間區間進行檢測，對于消噪干擾至關重要。

1.2 布置雙層傳感器

儲罐進行聲發射檢測時，罐頂板的落雜、抗風圈振動、頂板和壁板的腐蝕和受熱不均產生的應力波以及罐頂內表面油品低溫凝析液滴落到液面也會產生聲發射，從而對罐底聲發射檢測信號產生干擾。可以通過布置雙層傳感器來消除這些干擾，雙層傳感器的布置方法如圖1所示，第一圈傳感器靠近罐底板，距底板高度在0.2～0.5m之間(有的外文文獻設定為1m)，確保高于罐底沉積物，且在同一高度壁板上環狀均布；第二圈傳感器布置在距底板高度3～5m的壁板，豎直方向上與第一圈傳感器等間距錯開，錯開方式布置采用相同數量的通道可以覆蓋更大范圍的儲罐殼體，尤其對于大型儲罐可以減少需要的通道數。

第二層護衛傳感器優先接收來自上層的聲發射事件，根據信號到達時間差來剔除來自頂板和壁板背景噪聲的干擾，這樣保證第一圈傳感器接收的信號主要是底板的腐蝕缺陷信號。

1.3 金屬板附加傳感器

為了減少自然雨雪、冰雹、風沙、儲罐周圍機械振動等較大環境噪聲的干擾，英國聲發射專家Chris Rowland認為，在儲罐邊緣放置一塊材料與罐底板材料相同的金屬板，在金屬板上安裝附加聲發射傳感器，并接入聲發射采集系統，如圖2所示。金屬板傳感器采集的信號主要來自外界的環境噪聲，通過對金屬板傳感器采集的聲發射信號處理分析，可以分辨出典型環境噪聲的頻率和幅度范圍，并在主傳感器信號上加以消除。只有將背景噪聲的干擾降到最低，采集到的有效聲發射信號才更可靠，檢測的結果才更準確。

圖2 儲罐底板檢測金屬板附加傳感器布置示意圖

2 檢測儀器設置去噪

2.1 設置閾值

設置聲發射信號采集的閾值是控制噪聲的最直接的方法之一。為了很好地剔除背景噪聲，檢測時應設置適當的閾值電壓，也稱為門限電壓，通常以dB來表示，聲發射檢測中約定傳感器輸出的電信號1μV，即1μV為0dB。其他經過增益放大得到的信號幅度和設在不同部位的門檻電壓都可依此推算。低于所設置閾值電壓的噪聲被剔除，高于這個閾值電壓的信號則通過。閾值可分為固定閾值(fixed threshold)和浮動閾值(floating threshold)兩種，如圖3所示。

圖3 固定閾值和浮動閾值去噪

通常情況下，根據背景噪聲的總體水平，設置固定閾值就可以達到良好的去噪效果。但是在背景噪聲比較大且隨時間波動變化的情況下，最好設置浮動閾值。浮動閾值隨噪聲的高低而浮動，盡量減少受噪聲起伏的影響，能夠最大限度地檢測真正有用的聲發射信號。

2.2 濾波器

聲發射檢測過程中，為了降低噪聲的影響，可以在整個檢測電路的適當位置插入濾波器，用以選擇合適的“頻率窗口”，濾波器的工作頻率根據背景噪聲及材料本身聲發射的頻率特性來確定。根據濾波器的幅頻特性，濾波器有帶通濾波器、低通濾波器、高通濾波器和帶阻濾波器之分。對于帶通濾波器，在確定工作頻率f之后，需要進一步確定頻率窗口的寬度，也即相對寬度Δf/f。若Δf/f過寬容易引入外界噪聲，失去了濾波作用；若Δf/f過窄，檢測到的聲發射信號太少，檢測靈敏度降低。因此，通常采用Δf=+0.1f～+0.2f，且盡量使濾波器的通頻帶與傳感器的諧振頻率相匹配。此外，低通濾波器、高通濾波器和帶阻濾波器在去噪方面也能起到很好的作用。

也可采用軟件數字濾波器進行信號濾波。軟件數字濾波器的特點是設置使用靈活方便、功能強大，但需要首先要求信號波形數字化，有時會導致數據量過大，目前多通道情況軟件數字濾波實時性能較差。

3 信號處理分析去噪

3.1 小波去噪

傳統的聲發射信號分析是建立在傅里葉變換的基礎之上的，但是傅里葉變換在時域無任何定位能力。小波分析屬于時頻分析的一種，它具有很強的時頻局部化分析能力，為提取有用腐蝕信號和剔除噪聲信號提供了保障。

(1)

其中，a為尺度因子；b為平移因子；工程上為便于數據處理常把小波離散化，取a=2-j，b=2-jk，從而得到離散小波變換：

φj,k(t)=2j/2φ(2jt-k)(j，k∈Z)

(2)

其中，φj,k(t)是離散小波函數，則對于罐底腐蝕信號f(t)∈L2(R)的小波級數表示為：

(3)

其中，Cj,k稱為小波系數，目前在幾種常用的小波基中, Daubechies小波、Symlets小波和 Coiflets小波是適合于聲發射信號分析的小波基[8～10]。根據多分辨率分析，腐蝕聲發射信號f(t)可表示為：

(4)

在小波分析的基礎上，小波包去噪具有比小波分析更為精確的局部分析能力，對信號在低頻段和高頻段同時進行正交分解，可得到信號在任意頻段的頻率成分。重構信號可以充分抑制信號中的高頻噪聲，有效保存有用信號的高頻部分，濾波效果較一般濾波方法更有效，是非常理想的去噪工具。

3.2 神經網絡分析

人工神經網絡聲發射信號處理已成為國際聲發射技術研究的一個熱點。人們期望能用人工神經網絡方法對聲發射信號進行有效性識別，以期得到對聲發射源特征的詳細描述，克服目前聲發射信號處理中存在的聲發射源模式不可分、不可識別以及聲發射信號處理過程中的人為干預、效率低的問題[11]。

人工神經網絡的模型有很多種，不同的模型適合解決不同的實際問題。神經網絡的訓練方式可分為兩類：監督學習和無監督學習。根據神經網絡的特點，要實現由儲罐底板的聲發射信號特征向量到腐蝕缺陷類型的映射，需要建立有監督學習的神經網絡，從而提高聲發射的模式識別和去噪能力，提高檢測的可靠性和準確性。

4 結束語

常壓儲罐底板聲發射在線檢測是目前唯一一種不用開罐而評估罐底腐蝕狀況的無損檢測技術，降低或消除背景噪聲對檢測信號的干擾可以大大提高聲發射檢測結果的準確性和可靠性。通過選擇合適的檢測程序、檢測時間段和設置合理閾值、啟用濾波器的方法進行信號去噪，取得了良好的效果。目前，小波包去噪和人工神經網絡分析是聲發射檢測去噪強有力的工具，在常壓儲罐罐底聲發射檢測信號處理上具有很好的應用前景。

[1] ASME-E1316-06a, Standard Terminology for Nondestructive Examinations[S].United States: ASTM, 2006.

[2] 林明春, 辛愛華, 高金杰，等.罐底聲發射在線檢測及其可靠性驗證[J].油氣儲運,2010,29(10):776～779.

[3] 李光海, 沈功田, 閆河，等.常壓儲罐聲發射檢測技術[J].無損檢測,2010,32(4):256～258.

[4] 王云鶴, 郭小聯, 劉富君.常壓儲罐聲發射及漏磁檢測技術[J].無損探傷,2009,33(1):1～5.

[5] JB/T 10764-2007, 常壓金屬儲罐聲發射檢測及評價方法[S].北京:國家發改委, 2007.

[6] Martin G, Dimopoulos J.Acoustic Emission Monitoring as a Tool in Risk Based Assessments [C].12thA-PCNDT2006.New Zealand ：Asia-Pacific Conference on NDT,2006:5～10.

[7] 張濤, 李一博, 王偉魁，等.聲發射技術在罐底腐蝕檢測中的應用與研究[J].傳感器學報, 2010,23(7):1049～1052.

[8] Jiao J P, He C F, Wu B, et al.Application of Wavelet Transform on Modal Acoustic Emission Source Location in Thin Plates with one Sensor[J].International Journal of Pressure Vessels and Piping, 2004,81(6):427～431.

[9] Hamstad M A, O’Gallagher A, Gary J.A Wavelet Transform Applied to Acoustic Emission Signals [J].Journal of Acoustic Emission, 2002,(20):39～61.

[10] 郭艷平, 解武波, 鄭小平，等.基于小波的聲發射信號特征分析[J].蘭州交通大學學報, 2008, 27(3):123～125.

[11] 李孟源, 尚振東, 蔡海潮，等.聲發射檢測及信號處理[M].北京: 科學出版社, 2010.