技术与应用
发布日期:2015-06-30 16:09 浏览次数:次
摘要:针对管道阀门内漏声发射信号的非平稳特征,提出将总体平均经验模式分解( EEMD) 和希尔伯特变换相结合的希尔伯特黄变换(HHT) 方法应用于管道阀门内漏声发射检测中。利用EEMD 方法将间门内漏声发射信号自适应分解为一簇本征模态、函数(IMF) ,并对分解后的信号进行Hilbelt 谱和HHT 边际谱分析,可以提取到阀门内漏声发射信号的本质特征,突破常规时频分析的非线性信号局限性以及经验模式分解(EMD) 造成的模态混叠现象;非目比于ST盯频谱,Hilbert 谱具有较高的时频分辨率,最后对信号的Hilbert 边际谱分析确定了内漏信号的主要作用频率。该方法可以有效地应用于阀门内漏声发射检测中。
阀门是一种用途非常广泛的机械产品,主要用于各种流体工程系统的管道上。间门的严密性是一个非常重要的性能指标,在实际使用中,时有发生的介质污染、火灾爆炸、中毒事故大都是由阀门内漏造成的。因
此研究管道阀门内漏的在声发射检测理论、方法,实现对管道阀门内漏的有效监测,对于维护管网的安全运行,避免资源的浪费,有着重要的理论意义和实际应用价值。
声发射技术作为一种动态元损检测方法,可以在不停产的状况下对压力管道的活性缺陷和泄漏情况进行快速检测及判断,适用于复杂环境下管道和阀门的在线监测[1] 。国内外学者对声发射技术在阀门泄漏检测和实验的应用做了大量的研究。文献[2 -4 ]研究了声发射信号在阅门内漏中的测量、特征参数提取等问题。Kaewwaewnoi 等[5] 通过大量实验研究了液体和气体介质在不同阀门大小、类型和进口压力等级下的声发射信号特征,探索了阀门泄漏率与声发射信号功率谱之间的对应关系。Lee 等[6] 对核电站止回阀的磨损和泄漏状况进行了长期的声发射监测,通过小波分析的方法,利用声发射信号均方根值表征阀门泄漏状态。石志标等[7] 通过试验和实际检验验证了声发射检测在阀门内漏检测中的可行性,并介绍了在严重噪声情况下采用信号差值法进行检测。孙立瑛等[ 8] 利用EMD方法将声发射信号进行分解,并对特征分量重构进行互相关分析计算以达到对管道泄漏的精准定位。严谨等[9] 针对地下管道漏损的准确定位问题,将管道周围土壤做弹性体考虑,对弹性介质中充液管道的声传播特性进行了解析研究。由于阀门内漏产生的声发射信号具有非平稳的特征,以上研究使用的Fourier 方法、小波方法、双线性时频分布、Gabor 变换等方法或具有非线性信号分析局限性或有赖于基函数的选择,并且受到测不准原理的限制,不能给出正确合理的信号特征解释。EMD[ 叫作为一种新型的信号处理方法适合处理非线性非平稳信号,但EMD 方法存在模态混叠现象,使得其应用效果降低。EEMD[ll] 是EMD 方法的改进,该方法利用高斯白噪声具有频率均匀分布的统计特J性,使加人高斯白噪声后的信号在不同尺度上具有连续性,从而有效地解决了模式混淆问题。本文将基于EEMD 分解的HHT方法应用于阅门不同内漏量状态下的声发射信号特征提取,分析结果表明该方法对管道阅门内漏检测识别是正确有效的。
1 理论基础
1. 1 阀门内漏声发射检测原理
声发射是材料中局域源能量快速释放而产生瞬态弹性波的现象,也称为应力波发射,简称AE 。阅门检测中,阀门内漏可看作一个喷流过程,当因阅门密封性能不好而泄漏时,阀体内介质会从密封面的缝隙喷射
而出,形成紊流,紊流对密封表面产生冲击而激发弹性波,流体内漏所激发的弹性波信号为连续信号且有较宽的频率范围,用声发射传感器接触阀体外壁,接收泄漏产生的在阀体中传播的弹性波,转换成电信号,对采集到的声发射信号进行特征分析,从而达到检测阀门泄漏的目的。
假设内漏模型为充分的泄漏喷射,将其分成3 个区域:混合区、过渡区和充分发展区,见图1 。混合区的延伸距离大约是阅门直径D 的4.0 -4. 5 倍,过渡区距离大致扩展到D 的10 倍。沿泄漏表面,漏口附近声压
较低,在3 至4 倍直径的距离内迅速增加到极大值,以后又慢慢降低,泄漏声音大部分来之混合区和过渡区的揣流运动,高频噪声主要发生在喷口附近,低频噪声产生在下游,频谱峰在混合区的尖端附近。离喷口稍远的区域为过渡区,在过渡区中处处充满揣流,平均速度随喷射距离的增加而渐减,射流宽度逐渐扩展。离喷口更远的地方,流体成为完全揣流运动,即充分发展区。在这个区域里流速逐渐降低以至完全消失变小,产生的声信号为低频性。
1. 2 基于EEMD 分解的HHT 方法
1998 年Norden 提出了希尔伯特黄变换这一全新的时频分析理论。在这一理论中,通过EMD 方法,将信号表示成有限个IMF 分量和一个残余分量之和的形式,并且提出了通过Hilbe11 变换对各个IMF 进行时频
分析和求解瞬时频率。HHT 在对非线性非平稳信号的分析处理方面表现出了有效性和自适应特性,而当信号不是纯噪声时,会缺失一些尺度,这时混叠现象就会发生。由此采用EEMD 方法给信号加进高斯白噪声成为由信号和噪声组成一个"总体利用高斯白噪声具有频率均匀分布的统计特性,当向信号中加入高斯白噪声后,信号将在不同尺度上具有连续性,这样可以促进抗泪分解,避免了EMD 方法中由于IMF 的不连续性而造成的模态混叠现象[11] 。EEMD 的分解过程可以归纳如下:动,即充分发展区。在这个区域里流速逐渐降低以至完全消失变小,产生的声信号为低频性。
1. 2 基于EEMD 分解的HHT 方法
1998 年Norden 提出了希尔伯特黄变换这一全新的时频分析理论。在这一理论中,通过EMD 方法,将信号表示成有限个IMF 分量和一个残余分量之和的形式,并且提出了通过Hilbe11 变换对各个IMF 进行时频分析和求解瞬时频率。HHT 在对非线性非平稳信号的分析处理方面表现出了有效性和自适应特性,而当信号不是纯噪声时,会缺失一些尺度,这时混叠现象就会发生。由此采用EEMD 方法给信号加进高斯白噪声成为由信号和噪声组成一个"总体利用高斯白噪声具有频率均匀分布的统计特性,当向信号中加入高斯白噪声后,信号将在不同尺度上具有连续性,这样可以促进抗泪分解,避免了EMD 方法中由于IMF 的不连续性而造成的模态混叠现象[11] 。EEMD 的分解过程可以归纳如下:
(1)给目标信号x( t) 加上一组白噪声m( t) , 获得→个总体X(t) :