模式识别在压力容器声发射检测中的应用

模式识别在压力容器声发射检测中的应用

本文针对声发射信号全波形采集技术和仪器的发展，提出了声发射源的定性问题。通过声发射信号的小波分析提取特征，并将特征参数输入人工神经网络进行非线性映射，达到识别声源的目的。实际检验结果表明，这种方法可以成功地将裂纹扩展信号、保温层磨擦信号及其它信号区别开来，同时通过波形分析技术，可以得到更高的定位精度。

大型容器的声发射检测技术已日臻成熟，尤其是在大型球罐和卧罐上的应用[1]-[3]。人们做了大量的实验研究及现场测试工作，并制定了检测过程和结果评价的国家标准（GB/T18182）和行业标准[4]。这为声发射技术的推广、普及奠定了基础。在常规无损检测技术的配合下实现经济、快速、简便和针对性极强的缺陷识别和安全性评价，这给我们检验工作带来了极大的方便。但传统的声发射仪是基于声发射特征参数的检测，不可避免地丢失了原始声发射源特性的大量信息，尤其是关于声源特征的关键信息，所以难以对声发射源的特性进行判别。

1 声发射源的模式识别
由于全波形采集功能的实现，声发射信号的模式识别技术从常规信号参数识别正逐步向波形分析、谱分析、小波分析及人工神经网络识别等先进信号处理技术的方向发展。特别是小波变换较FFT更适合于短数据序列瞬态信号的表征，提供更高的频率分辨率。人工神经网络模式识别对数据数量多、特征复杂的信号可提供各种非线性映射。本文使用仪器的模式识别正是采用小波变换提取声发射信号的特征，特征参数输入人工神经网络进行类型的识别。

-------------由于标准样本库的样本种类所限，本实验将声发射信号识别为三种类型：1）保温层磨擦信号；2）裂纹扩展信号；3）其它信号。
保温层磨擦的样本信号是在10％～50％最高试验压力加压过程中，现场测定的信号作为保温层磨擦信号。因为背景噪声通过调节触发电平值绝大部分被过滤掉，此加压过程中出现的信号绝大部分为磨擦信号，通过大量样本的网络训练，可以认为此时采集的信号为保温层磨擦信号。裂纹扩展的样本信号是以往多次声发射检验获取的信号，并经过射线复验确为裂纹的信号，选作为裂纹扩展的训练样本信号。图1～2为保温层磨擦信号的分析图谱，图3～4为裂纹扩展信号的分析图谱。在模式识别时，本实验选用的置信度为85％，即当神经网络输出的结果为磨擦信号或裂纹扩展信号的可能性值超过85％时，才认为是该信号，否则认为是其它信号。

2.1 基本概况
我们对某乙烯厂一带保温层球罐进行了全波形的声发射信号检测和实时定位。
受检球罐的基本参数如下：
设计压力：2.1MPa，设计壁厚36/38mm。设计温度：-450C~650C
工作介质：乙烯。主体材质：LT-50，球罐直径：F12300mm，容积：1000m3
此球罐为首次开罐检验，保温材料为一次性灌注的聚氨脂发泡塑料。
由于是带保温层的球罐，在加压过程中，会因球罐的膨胀，罐体与保温层产生摩擦，很容易产生大量声发射信号。这要求我们提高各通道的灵敏度，但最终会导致复检的声发射源数据大大增加，需要用户打开大量的保温层，这也就减少了声发射检测的优越性，增加了检验费用和检验工期。所以进行声发射信号的模式识别显得非常必要，尤其对这种带保温层的压力容器。
2.2检验过程
声发射各通道灵敏度要求、背景噪声测量及加载程序按GB/T18182《金属压力容器声发射检测及结果评价方法》进行。因为带保温层压力容器的检测灵敏度相对较低，在开始试验前，应仔细测量衰减曲线，以确定在所设定的灵敏度条件下各传感器间的最大间距。按设计好的间距布置好探头后，再对每个探头进行标定，并保证所有探头的平均灵敏度，相差不超过±4dB。若相差较大，可通过检查探头的耦合情况和微调增益来达到灵敏度的一致。探头的灵敏度会影响声源的定位精度，尤其是两个定位三角形(球面三角形定位)[5]的相邻边界处，探头的耦合情况会影响定位组的选择和声源距离的计算。由于保温层的存在，我们无法进行声源的反标定，所以应对每个定位组进行模拟声源的定位情况测定，从定位的计算原理可知，定位三角形靠中央部分计算出的结果较为可靠，而三角形的顶点和边界部分时差相对误差较大，计算易出现发散。我们可以在进行探头灵敏度标定的同时，进行定位组的定位情况测定。将整个标定过程的波形全部采集存盘，逐个分析每个探头的波形特征，就可以很容易知道每个探头的灵敏度情况和定位偏差产生的原因。根据不同的波形（柔性波和扩展波）[6]选用不同的波速和门槛值，可得到十分精确的定位。
为了减少保温层磨擦信号的影响，本实验特别注意对保压时的信号采集，增加了保压的时间。一般保压台阶的保压时间不少于15min，达到最高试验压力时，保压30min。检验结果分析时，同样要按国家标准对声发射源的强度和活度进行分级，最终确定声源的严重性级别。
2.3 信号的采集及识别
50%最高试验压力以后的加载过程，我们作为正式的声发射信号的波形数据采集，并进行实时源定位，此时的定位并非最准确的定位，只表示声源信号的大概位置，较为精确的定位在事后处理中进行，主要目的是不影响系统的实时采集能力。事后我们可以对采集到的声发射波形特征进行仔细分析，选择合适的门槛值，即选择合适的特征到达时间和不同波的波速，实现较高精度的球面定位。对于有意义的声发射信号（按GB/T18182需要复验的信号），我们进行小波提取特征，送入前述训练好的人工神经网络进行三种模式的识别。在现场检验数据中，发现一声发射信号识别为裂纹扩展信号，其置信度为91％。多处严重性级别为C、D级的声发射信号识别为保温层磨擦信号。
2.4 复检结果
根据仪器的模式识别结果， 我们先对置信度为91％的裂纹扩展信号源处进行表面磁粉检验和射线照像，X光底片的影像显示为裂纹类缺陷，然后对识别为保温层磨擦信号的部位进行表面磁粉和射线检验，均未发现缺陷。对于识别为其它信号的部位（共有4处），经复验确认，其中一个声源位于球柱支撑处(能量较大)，对其余3个声源位置进行内外表面磁粉和内壁的超声波探伤，发现一处有超标缺陷，经射线复查，认为是夹渣，其余两处复检未发现可疑缺陷。未发现缺陷的两处位于球罐的顶部，由于顶部接管和平台的支撑较多，可能是这些部位发出信号。目前我们的缺陷样本库还刚刚建立，将来同样可以用波形分析的方法，能将这些伪缺陷信号一一识别出来。
3．结论
1）通过采用声发射信号的波形采集方法，并借助于现代信号的处理手段，使复杂条件下的压力容器声发射检测成为可能[9]；
2）通过小波变换可以看出，裂纹扩展信号和保温层摩擦信号，具有各自独特的频谱特性，借助于人工神经网络很容易将它们与其它信号区别开来。
3）不断建立和扩充各种缺陷信号的样本库，并不断地对网络进行训练，可以逐步得到一个较为完善并有一定抗噪能力的人工神经网络，可对不同的声发射信号进行识别，最终使声发射检测技术成为一门独立的检测手段,不需常规方法进行复检。
4）在传统参数基础上的声发射检测，通常会丢失许多有意义的信息，(如无法判定到达阈值的是柔性波，还有扩展波)，也就不可避免地造成定位误差，而全波形采集系统可以根据波形的具体特征选取到达时间的阈值，提高了定位精度。
5）对实际应用而言，典型信号样本的获取、声源的位置及传播衰减对波形的影响等问题，仍有待进一步的研究。