氣體閥門內漏聲發射評價參量研究及其應用

龍飛飛，劉永軒，王 瓊，李 偉

(1. 大連民族大學機電工程學院，遼寧大連116600；2. 東北石油大學機械科學與工程學院，黑龍江大慶163318；3. 中國石油化工股份有限公司青島安全工程研究院，山東青島266071)

0 引 言

在石油、石化行業的過程裝置中，閥門是必不可少的一部分，在此行業中，一直對閥門保持較高的使用率。在生產過程中，閥內介質大多為腐蝕性、有毒、易燃、易爆介質，閥門泄漏引發的事故時有發生，且絕大部分閥門泄漏難以及時發現，不但對生產、環境造成嚴重影響，更會導致重大安全事故。因此，閥門泄漏檢測和泄漏量估算在閥門壽命預測、提高閥門安全性能方面具有重要意義[1]。

自19 世紀60 年代開始，國外關于閥門內漏的研究就已展開，研究發現，在眾多檢測手段中，聲發射技術在閥門內漏檢測領域表現優異。2005 年，韓國國立大學的Lee 等[2]將聲發射技術應用于核電站止回閥泄漏故障檢測。2007 年，Puttmer 等[3]實現了調節閥泄漏的聲發射在線檢測。2010 年，Kaewwaewnoi 等[4]經過理論和實驗研究，提出了聲發射特征參量與閥門內漏率之間的數學模型。2011年Jirarungsatian 等[5]進行了閥門內漏模擬實驗，并研制出具有內漏率估算功能的氣體介質閥門檢測儀。2012 年，Meland 等[6]對常用閥門內漏檢測方法進行了總結，并提出兩種檢測方法，其中一種為基于數據處理的檢測方法，另一種為基于聲發射特征參量與物理參數的數學模型的方法。國內自20 世紀70 年代初就已對聲發射技術展開研究，在閥門泄漏檢測方面的應用研究開始于20 世紀90 年代。1996年，東北電力大學孫偉等[7]采用聲發射技術對閥門泄漏檢測進行了研究，開發出用于閥門內漏診斷的聲發射檢測儀。2003 年，大慶石油學院戴光等[8]采用聲發射技術對承壓閥門泄漏進行了檢測，提出聲發射信號幅值與泄漏率二者對數存在線性關系，為閥門泄漏的定量診斷提供了指導。2006 年，王永濤等[9]從流體角度對閥門泄漏率與聲發射特征參數的關系進行了研究，并開發出便攜式閥門內漏聲學檢測儀，實現了閥門微小泄漏的檢測。2008 年，大連工業大學李明霞等[10]通過提取閥門泄漏聲信號(Mel-scale Frequency Cepstral Coefficients,MFCC)特征參數，對閥門泄漏進行有效診斷，實現了閥門泄漏的預警。2017 年，東北石油大學李偉等[11]根據Parseval 原理研究了閥門泄漏率對聲發射參數的影響，提出在閥門泄漏檢測中，與其他參量相比，聲發射均方根電壓(Root Mean Square,RMS)具有更高靈敏度。國內研究人員還針對閥門在不同條件下的泄漏提出了處理和預防措施。雖然國內關于閥門內漏的基礎理論已經取得較大成果，但大多基于傳統聲發射參量與閥門內漏率的關系，關于閥門內漏聲發射評價參量的研究少之又少。

由于傳統聲發射的評價參量的誤差較大，不能滿足工程應用需要，研究成果不能付諸工程實踐。為降低評價參量誤差、滿足工程應用要求，本文提出了一種新的聲發射參量對閥門內漏進行定量評價，并提出基于新參量的閥門內漏評價模型，進行閥門內漏模擬實驗。采用新聲發射參量對實驗閥門內漏進行評價，驗證了新聲發射參量的可行性以及評價精確度，可為提高閥門內漏率聲發射評價準確性、將聲發射技術應用于閥門內漏工程監測提供指導。

1 聲發射評價參量研究

目前聲發射檢測評價常采用的聲發射特征參量有幅度、能量、計數、事件、上升時間、持續時間等，同時還包括表征波形特征的中心頻率、核心頻率等。因此，要對閥門內漏進行聲發射評價，首先要確定用于閥門內漏評價的最佳聲發射參量，該參量應具備以下性質：

(1) 對閥門內漏率變化比較敏感，或者能夠隨內漏率的變化呈現一定的趨勢和規律；

(2) 對同一類型的閥門應具有普遍適用性，即對同一類型、不同尺寸的閥門均可用同一參量進行評價，或者任意類型的閥門內漏均可采用此參量進行評價；

(3) 內漏率之外的因素如氣壓、溫度等，對該參量的影響不大；

(4) 對電子噪聲、機械噪聲等外界干擾具有一定的免疫能力，即抗干擾能力較強。

閥門內漏信號為連續性信號，在已知的聲發射參數中，常用于連續型信號評價的聲發射參量有平均信號電平(Average Signal Level, ASL)、均方根電壓(RMS)等。本文基于實驗數據，就ASL、RMS 在閥門內漏聲發射評價中的表現與本文提出平均聲發射能量進行比較，以期確定最佳評價參量。

采樣時間內所獲得的聲發射實驗數據S 包含m個撞擊信號，撞擊信號采樣點數為 n，即S=記，記為，則均方根電壓RMS、平均信號電平ASL 表示為

式中：GPre為前置放大器增益值，單位dB；i、j 分別為采樣點序號、撞擊信號序號；Vref=1 μV，為參考電壓。

式(1)、(2)中，LAS、VRMS根據單一撞擊信號計算得到，其中VRMS針對采樣周期內信號進行平均，能準確反應當前信號波動，而LAS通過對數運算對參數變化進行壓縮，能夠更好地反映當前信號的強度。然而LAS、VRMS只能反映單一撞擊信號所包含的信息，不能完整體現實驗數據信息，無法對不同內漏情況下全過程聲發射信號進行對比和評價。在以往研究中，往往在眾多撞擊信號中挑選單一撞擊信號計算LAS、VRMS等參數，并在不同實驗之間進行比較，進而得到聲發射參數隨內漏率變化的規律。然而，無論以什么原則挑選，單一撞擊信號不能充分體現一段采樣時間內實驗數據所包含的信息，很容易造成信息遺漏，因此本文構造出新的聲發射參量，該參量以VRMS參量為基礎對實驗信號能量進行計算，同時采用對數和平均算法，算法覆蓋范圍從單一撞擊信號擴展至整個采樣時間內所有撞擊信號，兼顧了信號的連續性和能量，所構造參量表達算法如式(3)所示：

式中，m 為撞擊信號數。

2 實驗研究

2.1 實驗設置及方案

為驗證ERMS,A參量的實用性，用閥門內漏模擬實驗裝置對不同類型、尺寸的閥門以不同壓力進行實驗研究，模擬實驗數據如表1 所示，實驗采用的閥門尺寸基本涵蓋了工業常用閥門尺寸、類型。

表1 閥門內漏模擬實驗內容Table 1 Contents of simulation experiment on valve inner leakage

實驗系統主要由閥門內漏模擬系統以及聲發射采集系統兩部分組成，如圖1 所示。

圖1 閥門內漏模擬實驗檢測系統Fig.1 The simulation testing system for valve inner leakage

通過調節閥門開度模擬閥門內漏并控制內漏率，并采用數字流量計測定，在內漏率分別為4、8、12、16、20、24 L·min-1時，在一定時間內采集實驗數據。

聲發射采集系統主要由傳感器、前置放大器、聲發射數字采集卡以及聲發射分析軟件四部分組成。傳感器采用R3a 傳感器，前置放大器選用2/4/6型前置放大器，可選增益為：20、40、60 dB，采用PCI-II 聲發射采集卡以及AEwin 軟件對實驗信號進行采集、處理。實驗中采樣頻率為1 MHz，采樣長度為2 000 個采樣點，前置放大器增益為40 dB。

2.2 實驗結果分析

本文所有試驗均采用相同實驗設置對不同閥門進行實驗，數據分析結果表明，不同閥門實驗數據具有的相同規律，且相同閥門的泄漏信號峰值頻率分布范圍相似，即相同閥門泄漏信號的頻率特性一致，故本文以DN65 閘閥為例進行數據處理。

對采樣時間內所有撞擊信號進行傅里葉分析，定位各撞擊信號頻譜峰值頻率，統計其最大、最小峰值頻率，進而確定實驗數據峰值頻率的分布，所有撞擊信號均包含在該頻率分布范圍內。不同實驗壓力下DN65 閘閥內漏信號峰值頻率分布如表2 所示。

表2 實驗數據峰值頻率分布Table 2 Peak frequency distribution of experimental data

為降低實驗噪聲對信號分析結果影響，對實驗信號進行小波包分解，以達到消噪的目的。實驗信號主要成分為閥門內漏信號，與噪聲相比信號幅值較高，因此可以認為表2 所給出的峰值頻率分布即閥門內漏信號的頻率分布。

根據傅里葉分析結果，本文采用Sym6 小波對實驗數據進行小波包分解、重構，基于平均聲發射能量算法，采用MATLAB 軟件重新計算生成聲發射參量(ERMS,A、VRMS)。根據最大幅值原則，本文將每個實驗數據內VRMS最大值與該實驗數據重新生成的ERMSA值進行對比，得到重構信號隨內漏率的變化曲線如圖2 所示，圖2 中橫坐標Q 表示內漏率。

圖2 不同內漏壓力下ERMS,A和VRMS 隨內漏率Q 變化曲線Fig.2 Variation curves of ERMS,A and of VRMS with inner leakage flow rate Q under different pressures

如圖2 所示，ERMS,A曲線光滑度明顯優于VRMS曲線，更有利于擬合實驗數據和分析數據變化規律。近年來研究表明[11-13]，聲發射參量隨閥門內漏率的增加而增加，且二者對數存在線性關系，經過研究，VRMS曲線與ERMS,A曲線相比，對已知模型的擬合方差較大，評價效果較差。

對不同壓力下ERMS,A曲線進行橫向比較，結果如圖3 所示。

對圖中5 條曲線進行擬合，所有函數均符合lg Q = a lg ERMS,A+ b 模型，其中a、b 為擬合系數，各條曲線擬合確定系數(R-square)均大于0.9。以0.5 MPa 的實驗數據為例， 擬合函數為lg Q =2.825lg ERMS,A- 3 .408， 此 時 R-square 為0.9502。因此，所研究的新聲發射參量ERMS,A可以應用于企業閥門的監測。

圖3 不同壓力下ERMS,A隨內漏率Q 變化曲線Fig.3 Variation curves of ERMS,A with inner leakage flow rate Q under different pressures

3 聲發射參量應用研究

為驗證平均聲發射能量的評價效果，采用2.1節的實驗系統和實驗參數，對DN50 球閥進行閥門內漏模擬實驗，實驗壓力為0.5 MPa。對實驗數據做傅里葉變換，得到各壓力下實驗信號的峰值頻率分布，并確定實驗數據對應的小波包分解節點如表3 所示。

表3 DN50 球閥實驗數據峰值頻率分布Table 3 Peak frequency distribution of the experimental data for DN50 ball valve

根據傅里葉分析結果，對實驗數據以Sym6 小波進行小波包分解，并在節點＜4,0>處重構信號，得到重構信號的ERMS,A值以及VRMS最大值(如無說明，以下均記為VRMS,max)，列于表4。

根據GB/T4213-92 規定，DN50 球閥微小泄漏、小泄漏、中等泄漏流量分別為0～39、39～390、390～1 950 L·min-1，在三個泄漏等級內分別挑選6#、10#、12#數據作為實驗驗證數據，其他數據作為擬合數據進行擬合。根據閥門泄漏發聲機理微小泄漏與小泄漏、中等泄漏及更高泄漏的發聲機理不同，故本文對ERMS,A-Q、VRMS,max-Q 進行分段擬合,結果如公式(4)、(5)所示：

表4 實驗數據小波包分解后重構信號的ERMS,A及VRMS值Table 4 ERMS,A and VRMS of the restructured signal after wavelet packet decomposition of experimental data

按照式(4)、(5)擬合的曲線如圖4 所示。

圖4 DN50 球閥的Q-ERMS,A和Q-VRMS,max 擬合曲線Fig.4 Fitting curves of Q-ERMS,A and Q-VRMS,max of ball valve

根據式(4)、(5)，對6#、10#、12#實驗ERMS,A數值對應泄漏流量進行估算并計算估算誤差，結果如表5 所示。

表5 內漏率及其相關參數的估算Table 5 Estimates of internal leakage flow Q and the relevant parameters ERMS,A and VRMS,max

VRMS,max在小泄漏流量范圍估算誤差達到了24%；ERMS,A估算誤差最大為9.82%，最小值為4.45%，估算精度符合工程應用要求。

4 結 論

本文針對工程閥門泄漏檢測需求，對多種閥門類型、閥門尺寸在不同壓力下進行了實驗研究，基于理論分析和實驗研究得到如下主要結論：

(1) 構造新的閥門內漏聲發射評價參量ERMS,A，并通過模擬內漏實驗將ERMS,A-Q 曲線與VRMS-Q 曲線比較，結果表明ERMS,A與VRMS曲線變化趨勢相同，且ERMS,A曲線估算誤差更小，即ERMS,A在閥門內漏評價方面具有更高估算精度；

(2) 相同實驗壓力下，ERMS,A與內漏率分別取對數后二者呈線性函數關系；相同內漏率下，實驗壓力越高，ERMS,A值越大；

(3) 傅里葉分析結果表明，對于相同閥門，在不同壓力下泄漏信號峰值頻率的分布范圍相同，處于同一小波包分解頻帶內；

(4) 在微小泄漏、小泄漏、中等泄漏三個泄漏等級下，采用ERMS,A對泄漏量的估算誤差低于10%，表明ERMS,A參量能準確應用于現場閥門的內漏監測評價。