碳钢在 Fe C l3环境中的点蚀声发射信号聚类分析

张忠政沈正军梁 斌(.南京市锅炉压力容器检验研究院 南京 000)(.南京金创有色金属科技发展有限公司 南京 6)

碳钢在 Fe C l3环境中的点蚀声发射信号聚类分析

张忠政1沈正军1梁 斌2
(1.南京市锅炉压力容器检验研究院 南京 210002)
(2.南京金创有色金属科技发展有限公司 南京 211162)

为研究碳钢点蚀声发射信号特征，对6%氯化铁溶液中碳钢点蚀过程进行了声发射监测。采用K－均值方法对信号进行了聚类分析，通过分析各类信号持续时间、计数、幅度等特征，识别了碳钢点蚀过程中不同声发射源。结果表明碳钢在氯化铁溶液中的点蚀声发射信号可通过聚类分析方法区分和识别不同声发射源信号。

声发射 碳钢 点腐蚀 聚类分析

点腐蚀是石化企业设备常见的一种损伤形式，不仅可造成穿孔等设备损伤，而且点蚀坑也是诱发应力腐蚀的重要来源。为更好掌握设备腐蚀损伤状况，对设备腐蚀状况进行监测是预防设备失效实现早期预警的重要方法。声发射技术是检测材料内部释放瞬态弹性波的一种技术，已经广泛用于材料变形、腐蚀等过程的检测。相对于其它腐蚀监测的方法，声发射检测灵敏度更高，能够实时监测材料腐蚀过程。应用声发射方法研究腐蚀，国内外学者已经开展了很多的研究。研究结果已经证明，腐蚀过程中的声发射信号与腐蚀因素和电化学机理是相关的[1-2]。研究人员试图通过提取声发射信号特征以识别腐蚀过程中的声发射源，但分析手段仅限于声发射信号的振铃、幅度、上升时间、能量等方面单独进行分析，使得分析结果与现场应用仍存在差距。近些年关于点腐蚀声发射源的识别研究取得了令人鼓舞的进展，国外的一些研究学者基于点腐蚀电化学原理，在实验室内通过特殊实验装置控制腐蚀电化学过程的方法，成功的实现了点腐蚀声发射源信号的识别。然而，实际现场声发射腐蚀监测时腐蚀过程是无法控制的，采集的声发射信号是腐蚀过程各种源产生的声发射信号集合，而且伴有其它声源产生的信号，因此该方法在现场声发射腐蚀监测应用仍存在局限性。

本文主要研究碳钢在氯化铁环境中点腐蚀过程中声发射源信号识别，主要根据声发射信号数据特性，应用聚类分析方法对点蚀监测声发射信号进行分类，结合近些年点蚀声发射源信号识别研究成果对聚类结果进行分析，从而实现不同点腐蚀声发射源信号的识别。

1 试验

试验用容器为小型罐体，体积0.045m3，规格φ273×500mm，材质20号钢，壁厚8mm。在试验前将小型罐体充入6%的氯化铁溶液并用水压试验机将容器压力升至1.1MPa，并进行保压。试验腐蚀溶液选用氯化铁溶液，由于氯化铁是弱碱强酸盐，水解后溶液呈酸性，易于碳钢发生点腐蚀。试验用声发射仪为美国PAC公司生产的POCKET AE-2型2通道声发射系统，可同时记录声发射信号参数、波形数据。传感器型号为R15α，中心频率150kHz。采样频率5MHz，幅度门槛值设置为35dB。试验时间为25天，在前72h容器内压升高较快，通过接管降压到试验压力，容器内压基本保持不变。

2 结果与讨论

回放试验数据发现：试验前6h，声发射撞击率从开始较低到逐渐上升为较高水平；在6～72h，撞击率持续维持在这一水平；72h后，信号撞击率下降但仍维持在某一固定水平，直到试验结束。撞击率和容器内压变化情况反映了设备腐蚀发展过程，即从开始点腐蚀发展为全面腐蚀过程。另外也可能与溶液反应浓度降低相关。鉴于本文主要研究点腐蚀信号源分类，故选取有代表性的前6h试验数据进行分析。

2.1 特征参数分析

图1～图2为碳钢点腐蚀声发射特征参数时间历程图。由图可知，点腐蚀的发生不是立刻开始发生，而是有一个时间延迟，这可能与腐蚀液需要破坏金属表面的氧化层有关，这种现象在其它文献中报道一致[3]。声发射撞击率开始时数量较小，在大约10000s时，呈迅速上升，约20000s时达到顶峰，其后基本保持这一水平上。信号的幅度大部分集中在60dB以下，信号峰值频率分布在20kHz～400kHz之间。常用的特征参数分布范围见表1。

图1 撞击时间历程图

图2 幅度时间历程图

表1 碳钢点腐蚀声发射监测实验中常用特征参数范围

2.2 点腐蚀声发射信号聚类分析

点腐蚀声发射监测中的声发射信号是由多种声发射源组成。信号在时域和频域内相互交织，很难区分。如何识别这些声发射源的信号一直以来是声发射电化学腐蚀监测研究中的重点和难点。应用特殊实验装置控制点腐蚀电化学过程的方法实现了点腐蚀信号的区分[3，4]，但在实际应用中不适用。聚类分析方法提供了一种声发射信号识别的途径。聚类分析是一种根据数据联系，研究数据内部规律，从而对数据进行分类，是一种进行数据深度挖掘的方法，在人工智能等很多研究领域得到了成功应用。

相关文献资料显示钢点腐蚀声发射源有气泡、钝化层破裂、金属腐蚀、金属应力变化等[5]。本次实验中，声发射源主要由氢气泡、钝化层破裂、金属腐蚀三类组成，应用聚类分析方法对采集的声发射数据进行三个类别的划分。聚类分析方法采用K平均值方法，选用计数、持续时间、幅度、信号绝对能量、信号峰频5个特征参数进行。应用Matlab软件工具箱中的K平均值分类函数对数据进行聚类分析。采用欧拉距离参数进行数据间计算，迭代次数为5次，划分为3类。聚类分析后，对分类结果应用关联图和历程图进行了显示，包括幅度－时间、时间－计数、持续时间和绝对能量，幅度和持续时间、持续时间和峰值频率等，三类信号在这些参数关联图中都有一定程度的重合叠加区域，不能完全分离开。但相比较而言，幅度－持续时间，持续时间和峰值频率对不同种类的信号分离较好。这也表明不同声发射源的声发射信号实际是不可能实现完全划分部分关联结果如图3～图10所示，分类结果参数统计见表2。

图3 幅度-持续时间关联图

图4 一类信号幅度－持续时间图

图5 二类信号幅度－持续时间关联图

图6 三类信号幅度－持续时间关联图

图7 持续时间和峰值频率关联图

图8 一类信号持续时间和峰值频率关联图

图9 二类信号持续时间和峰值频率关联图

图10 三类信号持续时间和峰值频率关联图

表2 碳钢点腐蚀声发射监测实验中聚类信号特征参数范围

2.3 碳钢点腐蚀声发射信号声发射源识别分析

K均值聚类分析方法是从数据内部规律上进行划分类别的一种科学方法，其分类准确性和相关性应结合相关专业知识进一步判断。这包括深入了解点腐蚀声发射机理和分析比较点腐蚀过程中不同声发射源特性，从而实现点腐蚀监测不同声类型发射源的识别。

在本次试验过程中，碳钢中的铁与氯化铁溶液反应时，既要与Fe3＋发生氧化还原反应，又要与Fe3＋离子水解产生的H＋反应：

因此，容器中将出现氢气泡，引起压力升高，这在试验过程中得到验证。氢气泡被普遍认为是钢点腐蚀中的一种主要声发射源。但对气泡如何引起声发射现象仍存在不同意见。一些研究学者[4]认为不同尺寸的氢气泡的破裂是引起声发射现象的主要原因，破裂可能发生在金属表面，也可以发生在液体中。也有学者[3]则认为氢气泡是声发射源，但氢气泡产生聚集与点蚀坑器壁摩擦是产生声发射机制。点腐蚀坑表面氧化物或盐层的破裂和腐蚀过程中的金属溶解也被普遍认为是碳钢点腐蚀声发射源[5]，其中腐蚀盐层破裂可在试验结束后容器内壁观察中得到确认。

点腐蚀声发射信号聚类后，不同类别声发射信号对应声发射源则需要根据相关的文献[3，4]报道进行归类。表2和关联图列出了分类后不同类别声发射信号参数范围。对于气泡能量大，频带范围广，幅度高，持续时间长[3]。因此一类信号应是气泡破裂产生的信号。对于腐蚀产物开裂，具有上升时间短，持续时间短，频段高的特征，同时能量相比金属溶解要高些[4]，因此三类信号应为腐蚀产物破裂对应的声发射信号。二类信号则应是金属腐蚀过程中金属溶解产生的信号，相对来讲这部分信号幅度、能量、峰频较低。提取不同类别的典型的声发射波形信号并进行小波变换，可进一步得到各类不同声发射源信号对应时频、能量分布的细节信息，结果如图11～15所示。

图11 典型一类声发射信号波形图

图12 典型一类声发射信号小波变换图

图13 典型二类声发射信号波形图

图14 典型二类声发射信号小波变换图

图15 典型三类声发射信号波形图

图16 典型三类声发射信号小波变换图

3 结论

1）聚类分析法是点腐蚀声发射源信号区分和识别重要工具。

2）点腐蚀声发射机理的深入了解有助于声发射源进一步识别和确认。

3）本研究方法对点腐蚀声发射现场监测数据分析具有一定应用价值。

1 Yoon D,Weiss,ShahS.Detecting the extent of abrasion Corrosion with acousticemission.[J] Tansportation Research Record ;Journal of Translation Research Bboard,2000,1698(1):54-60.

2 FerrerF,idrissiH,MazilleH,etal.Onthr potential of acoustic emission for the characterization and understanding of mechanical damaging during abrasion corrosion processes[J]. wear,1999,231(1):108-115.

3 M.fregonese,H.IdrissiH,MazilleH.initiation and propagation steps in pitting corrosion of austenitic stainless steel :monitoring by acoustic emission[J].corrosion Science,2001,43:627-641.

4 C.Jirarungsation,A. Prateepasen.Pitting and uniform corrosion source recognition using acoustic emission parameters[J].Corrosion Science, 2010, 43:187-197.

5 A.Prateepasen,C.Jirarungsatean,P.Tuengsook, Identification of AE source in corrosion process[J],J.Key Eng.Master.2006,321-323:545-548.

Cluster Analysis of Acoustic Emission Signals During Carbon Steel Pitting Corrosion Processin Ferric Chloride Solution

Zhang Zhongzheng1Shen Zhengjun1Liang Bin2
( 1.Nanjing Boiler & Pressure Vessel Supervision and Inspection Institute Nanjing 210002)
(2.Nanjing Jin Chuang Non-ferrous metal Materials Science and Technology Development Co., Ltd Nanjing 211162)

In order to study acoustic emission (AE) signals characteristics of pitting corrosion on carbon steel, Pitting corrosionprocessoncarbon steel in 6% ferric chloride solutionwas monitored by AE technology.K-mean clusteralgorithm was used to classify the monitored AE signals, in which the duration, counts, amplitude, absolute energy andpeak frequency were analyzed as the AE signals characteristics, and different types AE sources were identifi ed. The results showed that there were mainly four type AE sources during carbon steel pitting corrosion process in ferric chloride solution, and the different types AE sources signals could be classifi ed by cluster analysis.

Acoustic emission Carbon steel Pitting corrosion Cluster analysis

X9-65；TH112

A

1673－257X(2014)10－33－05

10.3969/j.issn.1673-257X.2014.10.009

张忠政（1977～),男，高级工程师，硕士研究生，从事承压类特种设备检验检测研究。

2014-09-01）