储罐底板声源辨识及定位方法研究∗

邱枫　戴光　张颖　赵永涛　李承志

（1东北石油大学大庆163318）（2中国石油集团安全环保技术研究院北京100102）

储罐底板声源辨识及定位方法研究∗

邱枫1†戴光1张颖1赵永涛2李承志1

（1东北石油大学大庆163318）（2中国石油集团安全环保技术研究院北京100102）

储罐底板腐蚀是多声源问题，在不同位置的腐蚀源可能同时发射应力波。这些声源信号有时会重叠被传感器接收，从而影响定位的可靠性。为此本文基于平面声发射源能量定位方法的基本理论，进行了模拟储罐底板定位实验，提出了能量定位系数的修正方法。通过对实验数据分析，发现快速独立分量分析（FastICA）方法可以将同种声源混合信号进行有效分离，并且基本保持原有波形特征，相干系数法可以实现对分离后的同源信号进行聚类，进而应用改进能量定位方法对声发射源进行定位，从而对声源辨识，判断事件集中度提供依据。

模拟储罐底板，声发射，定位，识别

1　引言

随着我国经济的持续快速发展，常压立式储罐的规模越来越趋于大型化。国家和企业越来越关注其安全性和经济性。声发射检测（Acoustic emission testing）技术以其不需停产开罐检测等一系列优点成为目前国内外对储罐底板腐蚀状态进行安全评估的主要手段［1］。在应用声发射检测技术对储罐底板腐蚀状态进行检测评估过程中，不仅要获取声发射信号，更重要的是了解声源活动性和集中度，而声源识别技术能够反映缺陷声源数量，以及实际缺陷声发射活度［2］。因此在储罐的腐蚀状态声发射检测中，定位源作为检测结果评价的一项重要指标，其结果具有很高的参考价值，对检测结果具有一定的预见性［3］。

然而储罐底板腐蚀环境十分复杂，往往在开罐检验时，发现储罐底板表面腐蚀坑数量很多，无规律的分布在储罐底板表面［4］。因此在某一时刻，在不同的点可能同时存在腐蚀声源，其产生的信号不仅波形特征相似，频率范围也接近，若这些声信号相互混叠，将造成定位事件数的丢失，甚至在声源定位过程中存在伪定位。由于罐底声源识别技术仍具有一定的局限性，及用于定位声速的复杂性、现场信号类型的多样性以及门槛值的限定性等因素，这些均会影响储罐底板声源定位的可靠性。为此，本文在前期研究工作［5］的基础上，利用快速独立分量分析将储罐底板混合信号分离，对于分离后的信号相关分析同源聚类，进而采用参数定位方法对声源进行识别。

2　模拟储罐底板实验方法

由于储罐容积的大型化，而罐底缺陷信号的幅值较小，尤其是腐蚀信号，信号的衰减又较大，这样极可能造成缺陷信号的漏检和误判［5］。因此在储罐内部放置传感器变得很有必要，该传感器与储罐外面的传感器处在同一平面上，这样可以增加定位区域的检测覆盖面积，防止AE信号的“丢失”。因此实验选用圆形钢板模拟储罐底板，传感器布置方案如下节所述。

2.1实验系统及参数设定

本实验采用常压立式储罐底板常用材料Q235碳素结构钢所制成的圆形钢板，其直径为900 mm，厚度为8 mm；选用美国PAC公司生产的DP3I型传感器，以及集成化更高、更适用于压力容器检测的第3代全数字化系统［6］。结合本文实验所采用的材料及结构尺寸，经过多次实验测试，最终设定系统有关参数PDT为300µs，HDT为600µs，HLT为1000µs。由于本实验的定位声源来自于2H（0.5）断铅模拟声源，因此检测门槛设为中灵敏度范围的40 dB［7］。

2.2传感器的布置方案及实验内容

本实验是将6个传感器均匀耦合在圆板外围，与此同时，在圆板中心耦合1个传感器，传感器布置简图如图1所示，图2为实验实物图。表1为1—6号传感器坐标表。

图1　传感器布置与断铅位置示意图Fig.1 Diagrammatic drawing of sensor layout and lead-break location

图2模拟储罐底板传感器布置方案实验图Fig.2 Stimulated tank bottom sensor layout of experiment

按图1所示传感器布置方案，在圆板上耦合传感器后，进行传感器灵敏度标定，各通道的接收到的信号幅值均在97 dB以上，且波动不超过±2 dB，保证各通道传感器的灵敏度基本相同。

分别在1和2，2和3，3和4，4和5，5和6，6和7传感器连线的中垂线上断铅20次，记录和保存各传感器数据，为修正能量定位系数做准备。另外在圆板上随机断铅10次，记录并保存各次断铅位置及各传感器的数据，如表2所示。随机选取7次（序号1—7组）断铅数据用于确定能量定位系数，其余3（序号8—10组）次断铅数据作为盲源分离，同源聚类，定位验证分析数据。

表1　各传感器坐标表Table 1 Coordinates of each sensors

表2　10次断铅各通道能量值Table 2 Average energy of every channel received lead-break signals in ten times

3　结果与讨论

3.1信号分离

储罐底板的声源情况一般比较复杂，往往呈现多信号的混合，而对于声发射信号这种多通道、非平稳、非高斯信号，适用于盲源分离的独立分量分析方法可以实现其混叠信号的分离。独立分量分析［8］（Independent component analysis，ICA）是一种由盲信源分解技术发展的一种多通道信号处理方法，是一种在只有观测数据且信号源混迭方法未知的情况下，对信号独立源进行特征提取的一种信号处理方法［9］。该方法特点是可以将多通道观察信号，按照统计独立的原则，通过优化算法分解成若干相互独立的成分，从而帮助实现信号的增强和分析。而在众多ICA算法中，快速独立分量分析（FastICA）算法以其收敛速度快，非线性最佳化，内存占用小等优点，而被广泛应用。FastICA算法本质上是一种最小化估计分量信息的神经网络方法，利用最大熵原理来近似负熵，并通过一个合适的非线性函数使其达到最优。具体算法参考文献［10］。

为了验证快速独立分量对混合信号盲源分离的有效性，采集3次断铅（序号8—10组）各个通道接收到波形信号，分别如图3（a）、4（a）、5（a）、6（a）、7（a）、8（a）、9（a）所示。以Matlab为仿真平台，利用快速独立分量分析方法对3次断铅信号的混合信号进行分离。利用3×3随机矩阵对每个通道的3次断铅信号进行混合，随机矩阵如表3所示。混合后的波形图如图3（b）、4（b）、5（b）、6（b）、7（b）、8（b）、9（b）所示，利用快速独立分量分析方法对3次断铅信号的混合信号进行分离，各通道独立声发射信号分离结果如图3（c）、4（c）、5（c）、6（c）、7（c）、8（c）、9（c）所示。

表3　各通道信号混合矩阵Table 3 Mixed matrix of each channel signal

图3　3次断铅1通道原始波形、混合后的波形及分离后的波形图Fig.3 Original，mixed and separated lead-break waveforms received by channel 1 in three times

图4　3次断铅2通道原始波形、混合后的波形及分离后的波形图Fig.4 Original，mixed and separated lead-break waveforms received by channel 2 in three times

图5　3次断铅3通道原始波形、混合后的波形及分离后的波形图Fig.5 Original，mixed and separated lead-break waveforms received by channel 3 in three times

图6　3次断铅4通道原始波形、混合后的波形及分离后的波形图Fig.6 Original，mixed and separated lead-break waveforms received by channel 4 in three times

图7　3次断铅5通道原始波形、混合后的波形及分离后的波形图Fig.7 Original，mixed and separated lead-break waveforms received by channel 5 in three times

图8　3次断铅6通道原始波形、混合后的波形及分离后的波形图Fig.8 Original，mixed and separated lead-break waveforms received by channel 6 in three times

图9　3次断铅7通道原始波形、混合后的波形及分离后的波形图Fig.9 Original，mixed and separated lead-break waveforms received by channel 7 in three times

将各通道分离后的波形图与原始波形进行比较，可以看出分离后的信号从波形上很好地保持了原始信号的波形，只是在波形幅度和顺序等方面发生了变化，实现了混合波形的分离，验证了独立分量分析法对混合波形分离的有效性，这为下面的多声源声发射信号的辨识提供了必要的准备。

3.2同源信号聚类

若要准确的识别声发射源，对于分离后的波形，需要判断哪些信号来自同一事件。而各传感器收到的同一声发射源信号应该具有比较高的相似性［11］。根据这一特点，基于互相关系数法对同一声源信号进行聚类分析。设x=（x1，x2，···，xN），y=（y1，y2，···，yN）为被判定的两个信号序列，其相关函数为

互相关函数是两个不同信号x（n）和y（n）之间的乘积，这两个被去除均值的信号之间存在共性部分（确定量）和非共性部分（随机量），共性部分的相乘总是取相同符号，使得该部分得到累积加强，而非共性部分由于其随机性相乘后有时取正号有时取负号，经过平均运算后趋于相互抵消。因此，两个信号的互相关运算能够将其共性部分提取出来并抑制掉非共性部分，互相关函数的最大值反映了两个信号之间的相似性的程度。由于互相关函数的最大值是绝对量值，与信号幅值有关，不便于统一度量。因此，对x，y的最大值进行归一化处理，得到两个信号的互相关系数［12］。

互相关系数的值越接近1表明两信号之间相似程度越高，来自同一个声源的可能性越大。在聚类融合过程中，根据两个信号之间的互相关系数是否超过阈值来确定其是否属于同一个聚类。属于同一聚类的信号则被判定来自同一声源，为一个声发射事件。这样用相关系数法可以判断两个信号是否来自同一声源。平均相关系数

式（3）中n′为聚类C中的信号数量。当ρ（x，C1）的意义在于判断目标信号与已知聚类的相关性。设1，2，3，4，5，6，7通道接收信号集合依次为｛aa，ab，ac｝、｛ba，bb，bc｝、｛ca，cb，cc｝、｛da，db，dc｝、｛ea，eb，ec｝、｛fa，fb，fc｝、｛ga，gb，gc｝，利用相关系数法，以1，2，3通道接收到的信号为例进行相关分析，其相关性图如图10∼12所示。

图10　aa和ba信号相关性Fig.10 Correlation of aa and ba signals

图11　aa和bb信号相关性Fig.11 Correlation of aa and bb signals

通过对信号进行谱分析发现，断铅信号的峰值频率大约为30 kHz，由图10∼12可知aa，ba信号在30 kHz处相关系数最大，即相关性更大，故把aa和ba信号归于同一聚类C1，即aa，ba∈C1。

图12　aa和bc信号相关性Fig.12 Correlation of aa and bc signals

同理，由图13∼14可知ab，bb信号相关性更大，故把ab和bb信号归于同一聚类C2，即ab，bb∈C2。显然ac和bc信号归于聚类C3，即ac，bc∈C3。同样，对4—7通道进行类似上面的相关系数分析，可得到三个聚类C1，C2，C3，C1，C2，C3分别对应一个声发射信号，且C1=｛aa，ba，ca，da，ea，fa，ga｝，C2=｛ab，bb，cb，db，eb，fb，gb｝，C3=｛ac，bc，cc，dc，ec，fc｝。多声源声发射信号聚类的完成表明多声源的辨识成功，这为声源信号的定位提供了基础。

图13　ab和bb信号相关性Fig.13 Correlation of ab and bb signals

图14　ab和bc信号相关性Fig.14 Correlation of ab and bc signals

3.3能量定位

根据材料的声压衰减规律，基于传感器的基本原理，振幅、声压与能量的关系，将声压与能量进行相关转换，得到关于能量的衰减公式，如式（4）所示［13］。

其中，E为能量计数，α和c为能量定位系数。假设某一声源处于某三个传感器所构成的网格中，假设三个传感器接收到的能量值分别为E1，E2，E3，三个传感器与声源的距离分别为x1，x2，x3，可得

分别以三个传感器所在位置为圆心，以x1，x2，x3为半径画圆，三个圆的交点区域的平均位置即为声源位置。

理论上当断铅位置与两传感器位置距离相同时，两传感器得到的数据应一致。然而由于本实验中7个传感器虽均采用DP3I型传感器，但传感器间也会存在局部差异，并且钢板材质并不绝对均匀。实验也发现，两传感器得到的能量数据并不一致。为了能够减少误差，有必要采集若干组数据对传感器接收的信号数据进行修正。为此，沿相邻两传感器连线的中垂线上断铅20次并采集数据，以1号、2号传感器为例，如表4所示。

表4　1，2号传感器连线中垂线上断铅的能量值Table 4 Lead-break energy of sensor 1 and sensor 2 on the midperpendicular（单位：个）

根据表4可知，1号、2号传感器能量数据不一致，故需修正。根据1号、2号传感器的散点图（如图15）不难看出，两者大致成线性关系，其修正方程为y=0.9412x+931.93。同理，得2号、3号传感器能量修正方程为y=1.2114x-139.41，3号、4号传感器能量修正方程为y=0.7043x+2250.2，4号、5号传感器能量修正方程为y=0.7705x-450.65，5号、6号传感器能量修正方程为y=1.2198x-550.8，6号、7号传感器能量修正方程为y=1.2741x+584.07。

图15　1，2号传感器接收能量值关系图Fig.15 Energy relation of waves received by sensor 1 and sensor 2

根据传感器能量数据的修正方程及两传感器距离声源的距离，经计算得出参数α和c的平均值分别为，α=0.0003，c=8.6688。根据α和c的平均值，对8—10组断铅声源进行能量定位验证分析，结果如表5所示。

表5　能量定位结果Table 5 Results of energy location

上述数据表明，能量方法能够应用于定位分析，并且可以估算声源位置，但在工程实际中定位传感器接收到的信号除了声发射源产生的信号外。还会包含噪声等干扰信号，定位精度会受到一定影响。如何排除干扰，提高该方法在工程实际中的定位精度还有待进一步研究。

4　结论

（1）快速独立分量分析方法不仅对不同类型声源的混叠信号有较好的分离效果，对同种类型声源的混叠信号同样可以较好的分离，并保持原有波形特性；

（2）相关系数法可以实现对不同传感器接收到的同源信号聚类，即判断哪些信号来自同一声源，这对于识别声源，判断事件集中度有一定意义；

（3）基于参数分析的能量定位方法，对声源的识别效果较好，本文提出的能量系数修正方法，可以减少由于材料等问题而造成的误差，同时本文所述的针对罐底混叠信号进行分离，识别和定位方法，在一定程度上可以为声发射对储罐底板腐蚀评估提供依据。

致谢感谢黑龙江省教育厅化工过程机械重点实验室、中国石油集团安全环保技术研究院HSE实验室对本研究的支持。

［1］戴光.声发射检测技术在中国［J］.无损检测，2008，30（7）：390-394. DAI Guang.The development of acoustic emission testing technologies in China［J］.Nondestr.Test，2008，30（7）：390-394.

［2］PARK Sosoon，KITSUKAWA Shigeo，KATOH Kenji，et al.AE source and relation between AE activity and rate of corrosion of oil tank bottom plate on acidic soils［J］. Materials Transactions，2005，46（11）：2490-2496.

［3］沈功田，耿荣生，刘时风.声发射源定位技术［J］.无损检测，2002，24（3）：114-117. SHEN Gongtian，GENG Rongsheng，LIU Shifeng.Acoustic emission source location［J］.Nondestr.Test，2002，24（3）：114-117.

［4］JIRARUNGSATIANC，PRATEEPASENA.Pitting and uniform corrosion source recognition using acoustic emission parameters［J］.Corrosion Science，2010，49（9）：187-197.

［5］戴光，张明宇，高果柱，等.常压立式储罐底板腐蚀过程声发射源特性分析及试验研究［J］.化工机械，2012，39（6）：704-708. DAI Guang，ZHANG Mingyu，GAO Guozhu，et al.Analysis and experimental study on acoustic emission source characteristics of corrosion process in atmospheric vertical tank bottom［J］.Chem.Eng.&Mach.，2012，39（6）：704-708.

［6］李光海，沈功田，闫河.常压储罐声发射检测技术［J］.无损检测，2009，6（3）：257-258. LI Guanghai，SHEN Gongtian，YAN He.Acoustic emission testing technique for atmospheric storage tanks［J］. Nondestr.Test，2009，6（3）：257-258.

［7］NB/T 47013.9-2012，承压设备无损检测-声发射检测［S］.

［8］ROBERTS S，EVERSON R.Independent component analysis：Principles and practice［M］.New York：Cambridge University Press，2001.

［9］李卿，邵华，陈群涛，等.基于独立分量分析的切削声发射源信号分离［J］.工具技术，2011，45（6）：35-39. LI Qing，SHAO Hua，CHEN Quntao，et al.Source separation of cutting AE signal based on ICA［J］.Tool.Eng.，2011，45（6）：35-39.

［10］CICHOCKI S，AMARI K，SIWEK T，et al.ICALAB Toolboxes［EB/OL］.［2014-10-04］.http：//www.bsp.brain. riken.jp/ICALAB.

［11］DONG J Y，YAO Q，PLACID M F，et al.Dynamics，control and performance analysis of a novel parallel-kinematics mechanism for integrated，multi-axis nano-positioning［J］.Precision Engineering，2008，32（3）：20-33.

［12］王伟魁，李一博，杜刚，等.基于聚类分析的罐底声发射检测信号融合方法［J］.振动与冲击，2012，31（7）：181-184. WANG Weikui，LI Yibo，DU Gang，et al.Signal fusion method for acoustic emission testing of tank bottom based on clustering analysis［J］.Journal of Vibration and Shock，2012，31（7）：181-184.

［13］龚斌，齐辉，马春华，等.一种声发射源的新型平面定位方法研究［J］.声学技术，2006，25（2）：107-109. GONG Bin，QI Hui，MA Chunhua，et al.A new method of energy location for acoustic emission source［J］.Tech. Acoust.，2006，25（2）：107-109.

Research on acoustic source identification and positioning method of simulated tank bottom

QIU Feng1DAI Guang1ZHANG Ying1ZHAO Yongtao2LI Chengzhi1
（1 Northeast Petroleum University，Daqing 163318，China）（2 Security Environmental Protection Technology Research Institute China Petroleum Group，Beijing 100102，China）

The acoustic emission due to tank bottom corrosion is characteristic of multiple sources，i.e.the sources of corrosion in different locations may emit stress waves at the same time.The signals of these acoustic sources might be overlapped and received by various channels，and thus the reliability of source location would be affected.Based on the energy planar location theory of acoustic emission source，the positioning experiment of simulated tank bottom was conducted，and coefficient correction method of energy positioning was proposed. At the same time，through the analysis of experiment data，it is found that fast independent component analysis could separate the mixed signals of the same acoustic source，and keep the original waveform character to some degree.Moreover，correlation coefficient method can cluster the homologous signal after separation，and then improved energy positioning method could be applied to locate acoustic emission source，thus the identification of acoustic source and the judgment of events concentration can be directed.

Tank bottom，Acoustic emission，Positioning，Identification

TH49，TB553

A

1000-310X（2015）04-0364-09

10.11684/j.issn.1000-310X.2015.04.012

2014-11-19收稿；2015-04-25定稿

∗中国石油天然气集团公司科学研究与技术开发项目（2014D-460203），东北石油大学研究生创新科研项目（YJSCX2014-024NEPU），2015年安全生产重大事故防治关键技术科技项目（heilongjiang-0003-2014AQ）

邱枫（1987-），女，黑龙江富锦人，博士研究生，研究方向：声发射检测与信号处理。

E-mail：qiufeng1a2b3c@163.com