基于HHT的管道閥門內漏聲發(fā)射檢測研究

劉貴杰，徐 萌，王 欣，姜瑞林

(1.中國海洋大學 工程學院，青島 266100;2.中海油田服務股份有限公司，北京 101149)

閥門是一種用途非常廣泛的機械產品，主要用于各種流體工程系統(tǒng)的管道上。閥門的嚴密性是一個非常重要的性能指標，在實際使用中，時有發(fā)生的介質污染、火災爆炸、中毒事故大都是由閥門內漏造成的。因此研究管道閥門內漏的在聲發(fā)射檢測理論、方法，實現(xiàn)對管道閥門內漏的有效監(jiān)測，對于維護管網(wǎng)的安全運行，避免資源的浪費，有著重要的理論意義和實際應用價值。

聲發(fā)射技術作為一種動態(tài)無損檢測方法，可以在不停產的狀況下對壓力管道的活性缺陷和泄漏情況進行快速檢測及判斷，適用于復雜環(huán)境下管道和閥門的在線監(jiān)測[1]。國內外學者對聲發(fā)射技術在閥門泄漏檢測和實驗的應用做了大量的研究。文獻[2－4]研究了聲發(fā)射信號在閥門內漏中的測量、特征參數(shù)提取等問題。Kaewwaewnoi等[5]通過大量實驗研究了液體和氣體介質在不同閥門大小、類型和進口壓力等級下的聲發(fā)射信號特征，探索了閥門泄漏率與聲發(fā)射信號功率譜之間的對應關系。Lee等[6]對核電站止回閥的磨損和泄漏狀況進行了長期的聲發(fā)射監(jiān)測，通過小波分析的方法，利用聲發(fā)射信號均方根值表征閥門泄漏狀態(tài)。石志標等[7]通過試驗和實際檢驗驗證了聲發(fā)射檢測在閥門內漏檢測中的可行性，并介紹了在嚴重噪聲情況下采用信號差值法進行檢測。孫立瑛等[8]利用EMD方法將聲發(fā)射信號進行分解，并對特征分量重構進行互相關分析計算以達到對管道泄漏的精準定位。嚴謹?shù)萚9]針對地下管道漏損的準確定位問題，將管道周圍土壤做彈性體考慮，對彈性介質中充液管道的聲傳播特性進行了解析研究。

由于閥門內漏產生的聲發(fā)射信號具有非平穩(wěn)的特征，以上研究使用的Fourier方法、小波方法、雙線性時頻分布、Gabor變換等方法或具有非線性信號分析局限性或有賴于基函數(shù)的選擇，并且受到測不準原理的限制，不能給出正確合理的信號特征解釋。EMD[10]作為一種新型的信號處理方法適合處理非線性非平穩(wěn)信號，但EMD方法存在模態(tài)混疊現(xiàn)象，使得其應用效果降低。EEMD[11]是EMD方法的改進，該方法利用高斯白噪聲具有頻率均勻分布的統(tǒng)計特性，使加入高斯白噪聲后的信號在不同尺度上具有連續(xù)性，從而有效地解決了模式混淆問題。本文將基于EEMD分解的HHT方法應用于閥門不同內漏量狀態(tài)下的聲發(fā)射信號特征提取，分析結果表明該方法對管道閥門內漏檢測識別是正確有效的。

1 理論基礎

1.1 閥門內漏聲發(fā)射檢測原理

聲發(fā)射是材料中局域源能量快速釋放而產生瞬態(tài)彈性波的現(xiàn)象，也稱為應力波發(fā)射，簡稱AE。閥門檢測中，閥門內漏可看作一個噴流過程，當因閥門密封性能不好而泄漏時，閥體內介質會從密封面的縫隙噴射而出，形成紊流，紊流對密封表面產生沖擊而激發(fā)彈性波，流體內漏所激發(fā)的彈性波信號為連續(xù)信號且有較寬的頻率范圍，用聲發(fā)射傳感器接觸閥體外壁，接收泄漏產生的在閥體中傳播的彈性波，轉換成電信號，對采集到的聲發(fā)射信號進行特征分析，從而達到檢測閥門泄漏的目的。

圖1 閥門內漏聲學分析模型Fig.1 The valve leakage acoustic analysis model

假設內漏模型為充分的泄漏噴射，將其分成3個區(qū)域:混合區(qū)、過渡區(qū)和充分發(fā)展區(qū)，見圖1。混合區(qū)的延伸距離大約是閥門直徑D的4.0～4.5倍，過渡區(qū)距離大致擴展到D的10倍。沿泄漏表面，漏口附近聲壓較低，在3至4倍直徑的距離內迅速增加到極大值，以后又慢慢降低，泄漏聲音大部分來之混合區(qū)和過渡區(qū)的湍流運動，高頻噪聲主要發(fā)生在噴口附近，低頻噪聲產生在下游，頻譜峰在混合區(qū)的尖端附近。

離噴口稍遠的區(qū)域為過渡區(qū)，在過渡區(qū)中處處充滿湍流，平均速度隨噴射距離的增加而漸減，射流寬度逐漸擴展。離噴口更遠的地方，流體成為完全湍流運動，即充分發(fā)展區(qū)。在這個區(qū)域里流速逐漸降低以至完全消失變小，產生的聲信號為低頻性。

1.2 基于EEMD分解的HHT方法

1998年Norden提出了希爾伯特黃變換這一全新的時頻分析理論。在這一理論中，通過EMD方法，將信號表示成有限個IMF分量和一個殘余分量之和的形式，并且提出了通過Hilbert變換對各個IMF進行時頻分析和求解瞬時頻率。HHT在對非線性非平穩(wěn)信號的分析處理方面表現(xiàn)出了有效性和自適應特性，而當信號不是純噪聲時，會缺失一些尺度，這時混疊現(xiàn)象就會發(fā)生。由此采用EEMD方法給信號加進高斯白噪聲成為由信號和噪聲組成一個“總體”，利用高斯白噪聲具有頻率均勻分布的統(tǒng)計特性，當向信號中加入高斯白噪聲后，信號將在不同尺度上具有連續(xù)性，這樣可以促進抗混分解，避免了EMD方法中由于IMF的不連續(xù)性而造成的模態(tài)混疊現(xiàn)象[11]。

EEMD的分解過程可以歸納如下:

(1)給目標信號x(t)加上一組白噪聲m(t)，獲得一個總體X(t):

(2)含有白噪聲的總體X(t)為IMF分量:

(3)對信號加入不同的白噪聲mi(t)，重復步驟(1)、(2)，分解到各自IMF分量組:

(4)將分解后的各IMF分量做為最結果:

式中:Cj表示對原始信號進行EEMD分解得到的第j個IMF分量;N為加入白噪聲的次數(shù)。

對信號進行EEMD分解的最終目的是進行Hilbert變換，進行瞬時頻率、邊際譜和時頻譜分析。簡單地說，Hilbert變換為信號與1/t的卷積，因此，其特點是強調局部屬性，這就避免了用傅里葉變換時擬合原始數(shù)列而產生的許多多余的、事實上不存在的高頻成分。

將由EEMD分解后的n個IMF分量表示為xi(t)，i=1，…，n:

對每一個分量做Hilbert變換:

其中:yi(t)表示變換后的IMF分量，P.V表示柯西主值積分。

將xi(t)和yi(t)構成解析信號zi(t)，并用極坐標表示:

其中:ai(t)為瞬時振幅，θi(t)為瞬時相位。對瞬時相位求導就得到瞬時頻率。x(t)的瞬時頻率定義為:

原始信號可表示為:

根據(jù)式(10)可以將幅度時頻平面中可以將振幅表示成時間和頻率的二元函數(shù)，幅度的這種時頻分布被稱為希爾伯特譜(Hilbert譜)。相比于傳統(tǒng)的頻譜分析(如STFT譜)，Hilbert譜具有較高的時頻分辨率。管道閥門內漏產生的聲發(fā)射信號具有的非平穩(wěn)特征非常明顯，因此，采用基于EEMD分解的HHT時頻分析方法可以對聲發(fā)射信號的成分進行本質分析。

2 管道閥門內漏模擬實驗

2.1 實驗平臺的搭建

圖2為搭建的管道閥門內漏模擬實驗臺，包括:

(1)閥門內漏管道:采用直徑為50 mm的UPVC管道搭建循環(huán)管道，最大耐壓10 MPa。選擇船用DN50閘閥作為模擬內漏閥門，泄漏介質為水。

表1 信號采集儀器及其主要參數(shù)Tab.1 Parameters of signal acquisition instruments

圖2 閥門內漏實驗臺及聲發(fā)射實驗儀器Fig.2 Valve leakage laboratory furniture and AE experimental apparatus

(2)聲發(fā)射檢測設備:實驗采用PXWAE全波形聲發(fā)射檢測儀實時采集信號。主要儀器及參數(shù)如表1所示。

2.2 閥門內漏聲發(fā)射信號采集

將PRX15聲發(fā)射傳感器用耦合劑粘貼在DN50閥門中間位置，用以拾取閥門內漏時產生的AE信號;設定發(fā)射檢測儀采樣頻率為1 024 kHz，單波形采樣時間為16 ms，觸發(fā)方式為上升沿軟件觸發(fā)。

開啟齒輪泵對管道進行注水沖壓，使閥門入水口處具有一定的壓力，管道壓力維持在1.5 Mpa。通過調節(jié)閥門不同開啟度來模擬閥門內漏，分別采集閥門在未發(fā)生內漏狀態(tài)、內漏量為12.5 mm3/s、50 mm3/s狀態(tài)下閥門內漏產生的聲發(fā)射信號。

圖3～圖5分別為閥門為泄漏狀態(tài)下、內漏量為12.5 mm3/s、50 mm3/s狀態(tài)下聲發(fā)射信號時域圖和頻譜圖。由圖可知聲發(fā)射信號主要集中在0～20 kHz，內漏量為12.5 mm3/s狀態(tài)下，在50 kHz左右出現(xiàn)較低能量的頻率波動，未內漏狀態(tài)與內漏量50 mm3/s狀態(tài)下頻率分布差別不大。Fourier頻譜圖譜線密集，高頻特征信號識別不明顯，不能有效地反映閥門內漏的聲發(fā)射信號本質特征。

圖3 閥門未泄漏狀態(tài)下信號時域圖及Fourier頻譜圖Fig.3 Time domain diagram and Fourier frequency spectrum before leakage

圖4 閥門內漏量為12.5 mm3/s狀態(tài)下信號時域圖及Fourier頻譜圖Fig.4 Time domain diagram and Fourier frequency spectrum when the valve leakage quantity of 12.5 mm3/s

圖5 閥門內漏量為50 mm3/s狀態(tài)下信號時域圖及Fourier頻譜圖Fig.5 Time domain diagram and Fourier frequency spectrum when the valve leakage quantity of 50 mm3/s

3 閥門內漏信號的HHT分析

本證模態(tài)函數(shù)代表了信號的內在波動模式，對分解后的IMF分量進行分析可獲得信號中更豐富的時頻能量信。因此對采集到的不同內漏量狀態(tài)下的聲發(fā)射信號時域抽區(qū)間進行EEMD分解，并對分解后的信號進行Hilbert譜分析和邊際譜分析。

根據(jù)文獻[11]，進行EEMD分解時加入的白噪聲幅值為原始信號幅值標準差的0.2倍。未內漏時原數(shù)據(jù)幅值標準差為 0.065 6，所加入白噪聲幅值為0.013 1。設定集總平均次數(shù)為100次，原信號自適應分解為12個IMF分量，并對分解后的信號進行Hilbert譜分析。圖6是閥門未泄漏時聲發(fā)射信號EEMD分解IMF分量時頻譜和Hilbert譜。由圖，EEMD分解后的IMF分量較好地表現(xiàn)了各頻段的幅值、頻率特征，未泄漏時信號主要頻率集中在0～15 kHz，在整個時間域，信號頻率、能量分布均勻。

圖6 閥門未泄漏時聲發(fā)射信號IMF時域圖和Hilbert譜圖Fig.6 IMF time domain diagram and Hilbert spectrum before leakage

內漏量為 12.5 mm3/s時原始數(shù)據(jù)標準差為0.093 5，則加入的白噪聲幅值為0.018 7。設定集總平均次數(shù)為100，信號自適應分解出12個IMF分量，分解后的IMF分量時域圖如圖7所示。

圖8為能量較大的前4個IMF分量功率譜圖，由圖可以看出IMF1～IMF4對應的頻率依次減小，這說明EEMD有效地避免了閥門內漏信號EMD分解造成的模態(tài)混疊現(xiàn)象。

圖7 閥門內漏量為12.5 mm3/s時聲發(fā)射信號IMF時域圖Fig.7 IMF time domain diagram and Hilbert spectrum when the valve leakage quantity of 12.5 mm3/s

圖8 閥門內漏量為12.5 mm3/s狀態(tài)下聲發(fā)射信號EEMD分解前4個IMF分量Fourier頻譜圖Fig.8 The first four IMF Fourier frequency spectrum when the valve leakage quantity of 12.5 mm3/s

圖9 為內漏量為12.5 mm3/s狀態(tài)下聲發(fā)射信號的Hilbert譜圖，由圖可以得出，12 ms時信號頻率及能量發(fā)生突變，主要頻段集中在20～80 kHz，高頻段能量集中在60～80 kHz，整個頻率突變持續(xù)時間10 ms，隨后信號頻率回歸到低頻狀態(tài)，對下一時間窗信號進行分析得到類似的頻譜分布，該信號具有一定的周期性，由此可以判定，此時發(fā)生了內漏，且內漏產生的聲發(fā)射信號頻率較高。由于內漏時，泄漏處形成的射流與泄漏孔壁相互作用及液體高速流出泄漏孔沖擊到閥下內壁都會產生不同頻率的聲發(fā)射信號，因此造成了頻率內漏信號頻帶較寬(如圖9中的頻帶分布)。

閥門內漏量為50 mm3/s時原始數(shù)據(jù)標準差為0.085 7，所以加入的白噪聲幅值為0.017 1。設定集總平均次數(shù)為100，信號自適應分解出12個IMF分量，分解后的IMF分量時域圖及Hilbert譜如圖10所示，由圖可知在16 ms處信號頻率、能量發(fā)生突變，主要頻段集為50～90 kHz，但能量值較內漏量為12.5 mm3/s較低，持續(xù)時間3 ms，隨后信號回歸到低頻狀態(tài)，并在下一時間域出現(xiàn)周期性突變。

圖9 閥門內漏量為12.5 mm3/s時信號Hilbert譜圖Fig.9 Hilbert spectrum when the valve leakage quantity of 12.5 mm3/s

圖10 閥門內漏量為50 mm3/s時信號時域圖和Hilbert譜圖Fig.10 Time domain diagram and Hilbert spectrum when the valve leakage quantity of 50 mm3/s

圖11 閥門未發(fā)生內漏時信號的Hilbert邊際譜Fig.11 Hilbert marginal specturm before leakage

圖12 閥門內漏量為12.5 mm3/s時信號Hilbert邊際譜Fig.12 Hilbert marginal spectrum when the valve leakage quantity of 12.5 mm3/s

圖13 閥門內漏量為50 mm3/s時信號Hilbert邊際譜Fig.13 Hilbert marginal spectrum when the valve leakage quantity of 50 mm3/s

由于Fourier頻譜的幅值只能反映頻率在信號中實際存在的可能性大小，而邊際譜的幅值能真實反映頻率在信號中是否存在。邊際譜是Hilbert譜對時間軸的積分，它是對信號中各個頻率成份的幅(或能量)的整體測度，它表示了信號在概率意義上的累積幅值，反映了信號的幅值在整個頻率段上隨頻率的變化情況，當某一頻率的能量出現(xiàn)時，就表示一定有該頻率的振動波出現(xiàn)[12]。對信號進行HHT邊際譜分析，以期找出主要的內漏信號頻率。圖11～圖13是三種內漏狀態(tài)AE信號HHT邊際譜。對比圖3～圖5中的Fourier頻譜，不難發(fā)現(xiàn)，邊際譜對主要作用頻率的分辨率要比Fourier頻譜高出很多。閥門未內漏時信號頻率分布在5 kHz～15 kHz之間，即實驗背景噪聲頻率分布范圍;內漏量為12.5 mm3/s時內漏信號主要作用頻率為50 kHz和80 kHz;內漏量為50 mm3/s時主要作用頻率為70 kHz。

4 結論

(1)閥門內漏的聲發(fā)射信號為復雜的非平穩(wěn)信號，采用EEMD方法將其分解為若干個IMF分量，對前4個分量進行Fourier頻譜分析，驗證了EEMD方法可以有效避免閥門內漏聲發(fā)射信號頻譜模態(tài)混疊現(xiàn)象。

(2)Hilbert譜在對閥門內漏聲發(fā)射信號分析上具有更高的時頻分辨率，對信號時域抽區(qū)間進行Hilbert邊際譜分析，能夠更加準確地確定內漏信號的作用頻率。

(3)模擬管道閥門內漏實驗分析結果表明基于EEMD和HHT方法的閥門內漏聲發(fā)射檢測識別是正確有效的。

[1]Lee J K，Lee S P，Lee J H.Study on damage mechanism of pipe using ultrasonic wave and acoustic emission technique[J].Key Engineering Materials，2007，353－358(4):2415－2418.

[2]Puttmer A，Rajaraman V.Acoustic emission based online valve leak detection and testing[J].Proceedings of IEEE Ultrasonics Symposium，New York，USA，October 28－31，2007:1854－1857.

[3]Lee S G，Park J H，Yoo K B，et al.Evaluation of internal leak in valve using acoustic emission method[J].Key Engineering Materials 326－328(I)，2006:661－664.

[4]Kaewwaewnoi W，Prateepasen A.Measurement of valve leakage rate using acoustic emission[J].ECTI，2005，Pattaya，Thailand，May 12－13，2005:597 －600.

[5]KaewwaewnoiW， Prateepasen A. Investigation ofthe relationship between internal fluid leakage throug a valve and the acoustic emission generated from the leakage[J].Measurement，2010，43:274 －282.

[6]Lee J H，Lee M R，Kim J T，et al.Analysis of acoustic emissionsignals for condition monitoring of check valve at nuclear power plants[J].Key Engineering Materials，270 －273，2004:531 －536.

[7]石志標，陳向為，張學軍.聲發(fā)射技術在閥門檢漏中的應用[J].無損檢測，2004，26(8):391 －392，401.

[8]孫立瑛，李一博，曲志剛，等.EMD信號分析方法的聲發(fā)射管道泄漏檢測研究[J].2007，10(26):161－165.

[9]嚴 謹，劉敬喜，張 娟.埋地管道漏損檢測的聲傳播特性研究[J].振動與沖擊，2012，31(3):127 －131.

[10]Huang N E，Shen Z，Long S R.The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[J].Proc.R.Soc.Lond.A，1998，454:903 －995.

[11]Zhao H W， HuangN E. Ensembleempiricalmode decomposition:A noise assisted data nalysis method[J].Advances in Adaptive Data Analysis，2009，1(1):1 －41.

[12]Zhong Y M，Qin S R.Study on the marginal spectrum in Hilbert-Huang transform[J]，SystemsEngineeringand Electronics，2004，26:1323 －1326.