基于EMD和小波分解的管道泄漏聲發(fā)射源定位

吳旭景, 杜　斌，葉　陳

(1.浙江省特種設(shè)備檢驗(yàn)研究院， 杭州 310020;2.沈陽(yáng)特種設(shè)備檢測(cè)研究院， 沈陽(yáng) 110179)

?

基于EMD和小波分解的管道泄漏聲發(fā)射源定位

吳旭景1, 杜斌1，葉陳2

(1.浙江省特種設(shè)備檢驗(yàn)研究院， 杭州 310020;2.沈陽(yáng)特種設(shè)備檢測(cè)研究院， 沈陽(yáng) 110179)

由于管道泄漏聲發(fā)射檢測(cè)信號(hào)中含有大量噪聲，因此在一定程度上影響了泄漏源定位的精準(zhǔn)度。針對(duì)這一問(wèn)題，首先將管道泄漏聲發(fā)射信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，然后對(duì)其中高頻分量進(jìn)行小波分解去噪，保留有用的信號(hào)特征，最后對(duì)有效分量進(jìn)行重構(gòu)得到去噪后的管道泄漏聲發(fā)射信號(hào)，并通過(guò)相關(guān)分析進(jìn)行定位。結(jié)果表明：相比單一的信號(hào)處理方法，采用EMD和小波分解相結(jié)合的方法對(duì)聲發(fā)射信號(hào)進(jìn)行去噪重構(gòu)，并進(jìn)行相關(guān)分析計(jì)算,得到的泄漏源定位更精確。

聲發(fā)射檢測(cè)； EMD分解； 小波分解； 管道泄漏

由于服役期較長(zhǎng)、腐蝕、老化等原因，石油化工、天然氣、醫(yī)藥、食品等行業(yè)中所用的管道不可避免地存在各種缺陷或隱患，若不及時(shí)發(fā)現(xiàn)這些缺陷或隱患，將帶來(lái)不堪設(shè)想的后果。聲發(fā)射作為一種新興的動(dòng)態(tài)無(wú)損檢測(cè)技術(shù)[1-2]，以其動(dòng)態(tài)性、整體性、實(shí)時(shí)性、高效性和經(jīng)濟(jì)性等特點(diǎn)，在管道檢測(cè)中的應(yīng)用日益廣泛[3-6]。然而，管道檢測(cè)現(xiàn)場(chǎng)環(huán)境一般都比較復(fù)雜，采集到的信號(hào)極易受到噪聲的干擾，且信號(hào)及其干擾信號(hào)都屬于非穩(wěn)態(tài)信號(hào)，因此，如何從信號(hào)中剔除干擾噪聲并有效提取管道泄漏聲發(fā)射信號(hào),一直是人們研究的熱點(diǎn)。

經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和小波分解都可以對(duì)非平穩(wěn)信號(hào)進(jìn)行分解，被廣泛應(yīng)用于聲發(fā)射信號(hào)的去噪處理[7-12]。然而EMD雖然是根據(jù)信號(hào)本身的局部特征信息進(jìn)行自適應(yīng)多分辨率地分解，但其分解出來(lái)的IMF(本征模函數(shù))分量中，高頻部分出現(xiàn)噪聲分量，低頻部分出現(xiàn)虛假分量；小波分解雖也可對(duì)信號(hào)實(shí)現(xiàn)多分辨率分析，其算法簡(jiǎn)單且計(jì)算速度快，但分解尺度一旦選定其分辨率大小也就確定，也就不具備自適應(yīng)的分解特性。因此，單一地使用EMD或小波分解對(duì)信號(hào)進(jìn)行去噪,得到的效果并不是很好。

結(jié)合EMD與小波分解各自的優(yōu)缺點(diǎn)，筆者提出了一種EMD與小波分解相結(jié)合的方法,對(duì)管道泄漏的聲發(fā)射信號(hào)進(jìn)行去噪，并結(jié)合相關(guān)分析計(jì)算,實(shí)現(xiàn)對(duì)管道泄漏點(diǎn)的定位。

1　管道泄漏聲發(fā)射檢測(cè)

1.1管道泄漏聲發(fā)射檢測(cè)及定位原理

傳統(tǒng)的定位方法是通過(guò)兩個(gè)傳感器的距離、信號(hào)到達(dá)兩個(gè)傳感器的時(shí)差以及波速來(lái)實(shí)現(xiàn)定位的。由于該方法事先需要測(cè)得聲速，故會(huì)產(chǎn)生一定的誤差。筆者采用三個(gè)傳感器進(jìn)行定位的方法來(lái)實(shí)現(xiàn)無(wú)需測(cè)聲速的定位[13]，定位原理如圖1所示。

圖1　定位原理圖示意

以傳感器1#為原點(diǎn)建立坐標(biāo)系，泄漏點(diǎn)和傳感器2#、3#的坐標(biāo)分別為X1、X2、X3，泄漏點(diǎn)產(chǎn)生的聲發(fā)射信號(hào)到達(dá)各傳感器的時(shí)間分別為T(mén)1、T2、T3。設(shè)傳感器1#與2#收到信號(hào)的時(shí)間差為ΔT1=T2-T1，傳感器1#與3#收到信號(hào)的時(shí)間差為ΔT2=T3-T1，聲速為v，則可計(jì)算得到：

(1)

1.2管道泄漏聲發(fā)射信號(hào)

以Q235材料的管道為例,對(duì)氣體泄漏聲發(fā)射信號(hào)進(jìn)行取樣采集，采樣頻率為2 500 kHz，采樣點(diǎn)數(shù)為2 048個(gè)，傳感器1#、2#、3#采集到的信號(hào)波形如圖2所示。

圖2　各傳感器采集到的聲發(fā)射信號(hào)波形

2　基于EMD和小波分解相結(jié)合的聲發(fā)射信號(hào)處理

首先對(duì)管道泄漏聲發(fā)射信號(hào)進(jìn)行EMD分解，將信號(hào)分解為多個(gè)IMF分量信號(hào)，然后對(duì)其中高頻分量進(jìn)行小波分解去噪，剔除其中的高頻噪聲模態(tài)分量，保留有用的信號(hào)特征，最后對(duì)有效分量重構(gòu)得到去噪后的管道泄漏聲發(fā)射信號(hào)，并通過(guò)相關(guān)分析進(jìn)行定位。由于篇幅有限，文中以傳感器1#為例對(duì)管道泄漏聲發(fā)射信號(hào)進(jìn)行采集后處理，傳感器2#、3#采集的信號(hào)處理方法與1#傳感器相同。

圖3　聲發(fā)射信號(hào)經(jīng)EMD分解后的各IMF分量圖

2.1EMD分解

傳感器1#采集到的管道泄漏聲發(fā)射信號(hào)經(jīng)EMD分解后得到多個(gè)IMF分量和一個(gè)殘余分量，由于殘余分量單調(diào)且幅值小，可以忽略。因此，包含管道泄漏聲發(fā)射信號(hào)的8個(gè)IMF分量如圖3所示，其IMF1～I(xiàn)MF8分量與原信號(hào)的互相關(guān)系數(shù)分別為:0.337 0,0.812 9,0.391 6,0.268 0,0.113 9,0.088 3,0.085 7,0.043 3。

圖4　IMF2分量的5層小波分解圖

2.2小波分解及去噪

通過(guò)對(duì)比分析EMD分解后各IMF分量與原始信號(hào)的互相關(guān)系數(shù),可知：IMF2分量系數(shù)最大，說(shuō)明IMF2分量中不僅包含大量的管道泄漏信息，同時(shí)也包含大量噪聲信號(hào)，因此需對(duì)IMF2分量進(jìn)行小波分解去噪。筆者采用最常用的小波分解與重構(gòu)的方法去噪，圖4是選擇‘db6’小波基對(duì)IMF2分量進(jìn)行5層小波分解的結(jié)果，從中可以看出，信號(hào)的能量主要集中在低頻的小波系數(shù)上，提取尺度4上的低頻系數(shù)和高頻系數(shù)進(jìn)行重構(gòu)去噪，得到去噪后的IMF2信號(hào)如圖5所示。

圖5　去噪后的IMF2分量圖

2.3信號(hào)重構(gòu)及相關(guān)分析

從EMD分解圖(圖3)中可知，IMF5及其以后的分量幅值很小，對(duì)分析聲發(fā)射信號(hào)影響較小，因此提取有效分量時(shí)可不考慮，圖6即為有效分量重構(gòu)得到的去噪管道泄漏聲發(fā)射信號(hào)波形圖。

圖6　各傳感器去噪后的聲發(fā)射信號(hào)波形

文中所采用的相關(guān)分析法是時(shí)域中描述信號(hào)特性的一種重要方法，通過(guò)對(duì)兩個(gè)傳感器接收到的兩個(gè)性狀相近的聲發(fā)射信號(hào)的波形進(jìn)行相關(guān)運(yùn)算，可以獲得兩個(gè)信號(hào)之間的時(shí)間差[14]。獲得兩傳感器接收信號(hào)的時(shí)差后，利用式(1)就可確定位于兩傳感器間泄漏點(diǎn)的位置。對(duì)比采用的四種不同信號(hào)處理方法，所得泄漏點(diǎn)的相關(guān)系數(shù)和定位誤差見(jiàn)表1。

表1　4種不同信號(hào)處理方法及泄漏定位誤差

4　結(jié)論

(1) 在管道泄漏聲發(fā)射源定位中,采用三個(gè)傳感器進(jìn)行定位的方法是可行的，此定位法不僅免去了聲速的測(cè)得，同時(shí)避免了因聲速帶來(lái)的誤差。

(2) 通過(guò)EMD分解與小波分解相結(jié)合的方法來(lái)處理管道泄漏信號(hào)，相比單一的信號(hào)處理方法，能實(shí)現(xiàn)泄漏源更精準(zhǔn)的定位。

[1]楊明緯. 聲發(fā)射檢測(cè)[M]. 北京: 機(jī)械工業(yè)出版社, 2005: 1-50.

[2]ALLEN T G. 聲發(fā)射技術(shù)五十年(1961～2011)[J]. 無(wú)損檢測(cè), 2012, 34(4): 50-59.

[3]焦敬品,何存富,吳斌, 等. 管道聲發(fā)射泄漏檢測(cè)技術(shù)研究進(jìn)展[J]. 無(wú)損檢測(cè), 2003, 25(10): 519-523.

[4]雷玉蘭. 新型無(wú)損檢測(cè)技術(shù)在壓力管道在線檢測(cè)中的應(yīng)用研究[J]. 高新技術(shù), 2012(23): 1.

[5]王朝暉,張來(lái)斌,辛若家,等. 聲發(fā)射技術(shù)在管道泄漏檢測(cè)中的應(yīng)用[J]. 中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版), 2007， 31(5): 87-90.

[6]賈樂(lè)樂(lè),楊國(guó)安,沈江,等. 金屬管直徑對(duì)聲發(fā)射波傳播的影響[J]. 無(wú)損檢測(cè), 2013, 35(6): 1-10.

[7]陽(yáng)能軍,湯偉,龍憲海,等. EMD及其在聲發(fā)射檢測(cè)中的應(yīng)用研究[J]. 振動(dòng)與沖擊, 2008, 27(s): 65-67.[8]孫立瑛,李一博,曲志剛,等. 基于EMD的聲發(fā)射管道泄漏檢測(cè)研究[J]. 壓電與聲光, 2008, 30(2): 239-245.[9]谷小紅,侯迪波,周澤魁. 聲發(fā)射與EMD相結(jié)合的埋地水管泄漏定位檢測(cè)[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版), 2006, 40(7): 1105-1108.

[10]張平,施克仁,耿榮生,等. 小波變換在聲發(fā)射檢測(cè)中的應(yīng)用[J]. 無(wú)損檢測(cè), 2002, 24(10): 436-442.

[11]熊亞飛,李強(qiáng),葉輝. Q345R鋼焊接缺陷聲發(fā)射信號(hào)的時(shí)頻分析[J]. 無(wú)損檢測(cè), 2014, 36(9): 19-24.

[12]MUNOZ N, ANDRES， HASHEMI, et al. Continuous wavelet transform analysis of acoustic emission signals[J]. Proceedings of the International Modal Analysis Conference-IMAC, 1999, 1(1): 99-102.

[13]龔斌,金志浩,齊輝. 無(wú)須測(cè)量聲速的聲發(fā)射源定位方法研究[J]. 儀器儀表學(xué)報(bào), 2007, 28(1): 185-188.

[14]陳玉華,劉時(shí)風(fēng),耿榮生,等. 聲發(fā)射信號(hào)的譜分析和相關(guān)分析[J]. 無(wú)損檢測(cè), 2002, 24(9): 359-399.

The Location of Acoustic Emission Source of Pipeline Leakage Based on EMD and Wavelet Transform

WU Xu-jing1, DU Bin1， YE Chen2

(1. Zhejiang Institute of Special Equipment Inspection & Research, Hangzhou 310020, China;2. Shenyang Institute of Special Equipment Inspection & Research, Shenyang 110179, China)

The enormous noise existing in the pipeline leakage acoustic emission detection would greatly influence the precision of localization of leakage sources. Aiming at this problem, this paper firstly used EMD to decompose the pipeline leakage acoustic emission signal. Then, the high frequency was de-noised by wavelet analysis in order to retain the useful signal. Finally, the useful signal was selected to reconstruct the acoustic emission signal and the leakage sources location was determined by correlation analysis. The experimental results showed that, compared with the single processing method, the location accuracy of the leakage detection was increased by using EMD and wavelet analysis.

Acoustic emission testing； Empirical mode decomposition； Wavelet analysis； Pipeline leakage

2015-01-27

吳旭景(1988-),男,助理工程師,碩士,主要從事特種設(shè)備檢測(cè)檢驗(yàn)等工作。

10.11973/wsjc201510014

TE973; TG115.28

A

1000-6656(2015)10-0060-04