压力容器声发射检验中信号去噪研究

孙琼琼，赵亚东，王 欣

(1.泰安市特种设备检验研究院，山东 泰安 271000； 2.肥城市国家电网，山东 肥城 271600)

0 引 言

随着经济的发展和社会的进步，特种设备数量呈逐年上升趋势。其中，压力容器作为工业系统中不可或缺的基础设备，被广泛应用于化工、钢铁、电力、炼油等产业，其安全运行及运行效率，直接影响工业生产的安全性问题[1]。因此需要对压力容器进行定期检验、监测，及早发现潜在的故障，保障安全生产。

压力容器材料在外力作用下会先发生形变，当内部应力超过材料屈服极限就会进入不可逆塑性变形阶段，材料最终断裂，同时材料中的局部瞬间释放能量产生弹性波，这种现象称为声发射[2]。

在用压力容器进行声发射检测，检测装置除了能接收到材料拉伸发出的声发射信号外，还受现场金属摩擦、机械噪声、氧化皮脱落等影响，这些噪声信号严重干扰声发射信号，甚至影响声源定位。所以，对声发射信号进行去噪处理，能及时发现设备中的大量缺陷，及时排除安全隐患，降低恶性事故发生的几率，实现企业经济效益最大化。

1 小波阈值去噪

1.1 小波变换

压力容器检验现场采集的声发射信号是典型的非平稳信号，小波变换是处理时变信号的有效方法[3]。假设f(t)∈L2(R)，连续小波变换即是将小波基或母小波ψ(t)进行平移b，在不同尺度a下与信号f(t)作内积运算，即：

(1)

式中，a为尺度因子，b为平移因子。

(2)

1.2 小波阈值去噪

假设压力容器检验现场采集到的声发射信号为:s(t)=f(t)+δe(t)，其中f(t)为纯净的声发射信号，e(t)为噪声信号，s(t)为含噪声的声发射信号[4]。在工程中多应用小波阈值去噪进行消噪处理。其基本步骤如下：

1.选择最佳的小波基函数和分解层数，并对信号进行小波变换，得到小波变换系数ωj,k；

3.将估计小波系数进行重构，得到去噪后的信号。

2 自适应滤波器

自适应滤波器对复杂信号的处理具有独特的优势，它能自动调整本身参数，在设计时不需要预先知道输入信号和噪声的统计特性，能够在工作过程中逐步估计出所需要的统计特性，并以此为依据自动调整自身参数，以达到最佳滤波效果[5]。自适应数字滤波器的原理框图如图1所示，其中，x(n)为输入信号，d(n)为参考信号。

图1 自适应滤波器原理框图

自适应滤波理论研究最重要的一个方面就是自适应算法。最基本的两种算法是最小均方误差(LMS)算法和递推最小二乘(RLS)算法。LMS算法因其具有方法简单、计算量小、易于实现且对信号的统计特性具有稳健性等优点，在信号处理领域得到广泛应用。

3 基于小波分析的自适应滤波器

本文采用了一种基于小波分析的自适应滤波器模型，由于LMS算法简单，计算量小，故基于小波分析的自适应滤波器选用LMS算法来进行迭代。声源信号作为自适应滤波器的输入信号x(n)，将小波阈值去噪后的重构信号作为自适应滤波器的参考输入d(n)。

图2 基于小波分析的自适应滤波模型

4 实验仿真

在压力容器检验现场采集纯净的声发射信号如图3，并加入10 dB的高斯白噪声如图4，结合该信号特点选用Symlets小波作为分析声发射信号小波基函数，并进行4层分解，且自适应滤波器选用LMS算法来进行迭代，其去噪效果图如图5所示。

图3 纯净信号

图4 含噪信号

图5 去噪信号

5 结 语

本文针对压力容器检验现场的声发射信号及噪声特点，研究了小波阈值去噪、自适应滤波的理论基础，采用小波-自适应联合滤波进行含噪信号去噪处理，并进行实验仿真，能明显去除噪声，可广泛应用于工程实践。