acoustic emission2(声发射技术)

CHEMICAL INDUSTRY AND ENGINEERING PROGRESS 2007年第26卷第12期·1702·
化工进展
从噪声到信息——声发射技术在流程工业中的应用
曹翌佳，刘伟，姜晓静，王靖岱，阳永荣
（浙江大学化学工程与生物工程学系化学工程国家重点实验室，浙江杭州 310027）摘要：回顾了声发射检测技术在流程工业多相系统中的应用，简要介绍了声发射技术的基本原理、数据流程及设备组成，阐述了声发射技术中采样频率与设备灵活性相互制约以及数据回归等问题。

研究了声发射技术在催化剂自动加料控制（气-固体系）、流化床冷凝态露点控制（气-液体系）中的应用。

说明了该项技术在液态系统中有着更为广阔的发展前景，与其它技术相比，声发射技术具有便捷、实时、准确、环保等优点。

关键词：声发射；采样频率；回归；多相系统
中图分类号：TQ 028.8文献标识码：A文章编号：1000–6613（2007）12–1702–06 From noise to information-some applications of acoustic emission
techniques in process industries
CAO Yijia，LIU Wei，JIANG Xiaojing，WANG Jingdai，YANG Yongrong ( State Key Laboratory of Chemical Engineering，Department of Chemical and Biochemical Engineering，Zhejiang
University，Hangzhou 310027，Zhejiang，China)
Abstract：The application of acoustic emission (AE) technology in the multiphase system of process industries is reviewed and its basic principles，generic data path flow-sheet and equipment setup are presented.
The interaction between sampling frequency and the flexibility of equipment as well as data regression methods in AE technology are presented. The uses of AE technology in the control of catalyst automatic feed unit (gas-solid) and dew point control in fluidized beds (gas-liquid) were studied，and the results show that acoustic measurement techniques are bound to have an even broader prospect for development in liquid system. Compared with other methods，AE technology has the advantages of convenience in implementation，online measurement，and environmental friendliness with fairly good accuracy.
Key words：acoustic emission；sampling frequency；regression；multiphase systems
工业过程中总是伴随着某些强能量或者弱能量的输出（热量、声音、振动等）。

在制造业、运输业等许多过程中，声音的产生成为其内在固有的特性，而这些被人们定义为“噪声”的能量本身就蕴含着大量的信息。

声发射技术就是针对整个过程中产生的“噪声”能量，在特定范围内对信号进行测量、采集、分析，最后得到能真实反映系统的信息[1]。

近年来，声发射技术在流程工业中的应用越来越受到关注[2－3]。

人们希望能够利用其自身特点，在恶劣的工业环境下工作，从而加强生产监控，提高产品质量[4]。

本文作者对运用声发射技术在气-固体系、液-固体系、气-液体系中的已有研究成果进行归纳综述，同时也对现有技术存在的问题进行了讨论。

1 声发射技术基本原理、数据流程及设备组成
文中所涉及的“噪声”能量不仅包括在可听声范围内（频率2～20 kHz）的振动信号，而且还指向更广的频率区间（0～250 kHz）。

声发射技术具有多种不同的应用形式，但在数据采集及处理的流程上具有共性，一般的数据流程（从噪声到信息）可归纳为如下4个部分。

收稿日期 2007–06–15；修改稿日期 2007–09–20。

基金项目国家自然科学基金重大项目资助（20490205）。

第一作者简介曹翌佳（1982－），男，博士研究生。

联系人阳永荣，教授。

电话 0571–87951569；E–mail yangyr@。

第12期 曹翌佳等：从噪声到信息——声发射技术在流程工业中的应用 ·1703·
（1）传感器技术 包括传感器种类（加速度计、麦克风、水听器等）、数量（单个或多个）；固定方法（磁力、黏结剂、法兰等）；安装位置等。

（2）数据采集技术 信号传输电缆；接地；信号训练、放大、滤波、A/D 转换等。

（3）信号分析技术 信号的滤波、变换（快速傅里叶变换/FFT 、小波变换/wavelet transform 等）。

（4）多元回归 目标参数与经过处理的信号进行多元回归，建立目标参数的预测模型。

图1为基本数据流程示意图，从产生声音的物理现象开始，经过传感器捕捉，采集信号，再经过滤波、A/D 转换、信号分析等，最后进行多变量回归，建立信号与流程变量之间的模型。

典型的硬件设备如浙江大学于2003年完成的一套声发射检测系统（Multi-AE ）。

该系统主要由声传感器（加速度计）、前置放大器、主放大器、数据采集卡、计算机和同轴电缆信号线等组成[5]。

图1 声发射技术中一般数据流程
2 声发射技术在气-固体系中的应用
气-固流化床作为化工生产中一个重要反应器，现已成为反应、干燥、造粒等工序的重要场所[6-7]。

流化床内颗粒对壁面的无规撞击是壁面振动能量的白噪声激发源[8]。

通过对产生的声发射信号进行全方位的数据分析[9]，可以得到有关流化床内部的具体信息，例如粒径分布、流动模式、料位、起始流化速度等。

2.1 颗粒粒径分布
颗粒粒径及其分布与气-固流化床的流化质量和生产设备的安全稳定密切相关[10]。

因此，如何在线实时测量颗粒粒径及其分布具有重要意义。

有关声发射检测颗粒粒径的文献涉及诸多领域，许多结论都值得借鉴。

Whitaker 等[11]将声波加速度传感器用于药物造粒过程的粒径检测，分别采用了30 kHz 、70 kHz 、150 kHz 等不同采样频率，对测得的声波信号进行快速傅里叶变换（FFT ）处理，再利用偏最小二乘法（PLS ）回归，最终得到了声波信号与颗粒粒
径相关联的模型。

这一研究表明声发射检测技术可以用于检测造粒过程中颗粒物理性质（如粒径，流动特性以及压缩特性等）的变化。

Huang 等[12]将声发射技术用于气力输送过程中颗粒破损的检测。

实验中使用了6种不同粒径的氧化铝颗粒，通过PLS 关联声波信号与气力输送过程中破损粉料的质量分率，证明基于声发射技术与多变量回归建模有可能实现对输送过程中颗粒破损的检测及预测。

文献中大多使用PLS 对处理后的声波信号与目标参数进行关联。

2000年，Halstensen 等[13]设计了新型实验方案以解决粒径检测实验中因颗粒团聚而造成实验误差的难题，并最早同时采用时域与频域联合的三维矩阵进行PLS 回归，获得了精度较高的颗粒粒径预测模型。

2006年，Halstensen 等[14]将声探头检测及分析技术用于化肥生产中流化床造粒工段，实现了实时在线检测。

通过优化声探头的安装位置的研究，测试了一种新型高温麦克风传感器，在复杂多变的情况下（床层移动、液体进料及造粒机中粉料的循环）进行了检测，并利用PLS 回归模型参数，最终成功地将声发射技术用于造粒过程中块料的检测及
预警。

Briongos 等[15]
为了减少计算量，提高仪器的现场实时检测能力，采取降低采样频率的方法，并在研究中同时使用了压力脉动及声发射技术检测气-固流化床。

降低采样频率后发现与床层动力学如鼓泡等相关的信息在声波信号的低频部分（0～20 Hz ），绝大多数的高频信号都是背景噪声，并将此低频检测技术用于轻便式检测系统（portable measurement systems ），可适用于实验室及工业检测。

由于颗粒粒径及其分布对于提高气相法流化床反应器的流化质量和确保大型生产装置的稳定性具有重要影响，针对普通检测手段尚且不能有效地解决的现状，阳永荣等[16]利用颗粒运动碰撞壁面产生声波的机理以及多尺度小波分解方法，建立了Hou-Yang 方程。

其揭示声波信号在各尺度的能量分率分布特征及粒径分布的定量关系，实现了冷模装置和工业热态操作中流化床壁面局部区域的聚乙烯颗粒粒径分布的在线测量，测量值与取样筛分分析值的平均偏差小于15.8%；应用Hou-Yang 方程还可及时预测床内颗粒粒径的异常分布，判断聚乙烯颗粒团聚的产生。

为了及时检测到反应器内结块的产生，遏制其生长，王靖岱等[17]、曹翌佳等[18]利用声发射技术，结合多尺度小波分析，揭示了流化床内颗粒熔融结块过程的演化规律，提出了气-固流化床聚合物颗粒团聚结块的判据，并在工业中试反应器中得到了检验。

化工进展 2007年第26卷·1704·
2.2流化床流动模式
流化床中颗粒的停留时间及分布、粒径的生长
规律、高活性催化剂的迅速分散与混合、颗粒的出
料方式和速率、床内大小颗粒的离析等特性都与床
内颗粒的运动机理有关。

Zhang Kai等[19]在喷动流
化床中提出了半经验模型，利用数值模拟的方法计
算出有关床内固体颗粒的运动模型，并进一步利用
实验证明了该模型。

Schlichthaerle等[20]对循环流化
床提升管底部颗粒浓度的径向分布进行了研究，得
到类似于流体环核结构的颗粒运动图。

较为权威的
Phillips公司工程师Hendrickson[21]在有关静电对气
相流化床聚合反应器中结块的研究中提供了如图2
所示的有关床内固体颗粒的运动模式：在大部分聚
乙烯工业装置中，存在两个循环区域，较小的一个
在分布板附近，起主要流化作用的一个大的循环在
小循环的上方，在两循环区中存在的区域称为“滞
留区”或者“死区”。

穹顶结块
扩大段结块
直径D
气泡
黏壁结块
分布板
床层
循环
流型
3D/4
D/4
图2 流化床中的流型
然而，上述流动模式大多是通过数值模拟或者生产经验得到，缺乏有力的实验数据证明。

王靖岱等[22]采用声发射技术对实验室内径为150 mm的冷模流化床进行了沿轴向的声波能量检测，获得了气-固流化床的颗粒运动模式，并考察了颗粒粒径、流化气速和分布板形式等因素对流动模式的影响，提出了计算滞留区高度的经验公式，最终在内径为3500 mm和5000 mm的工业热模装置中得到了验证。

2.3流化床起始流化速度
起始流化速度是流化床反应器设计和生产操作的基础参数。

一般用传统的压差法测定[23]，也有用压力脉动法测定起始流化速度[24]。

虽然这两种方法原理简单、方法直观，但是临界点的判断存在着经验性和任意性。

尤其是发黏物料和细粉物料，因其压降随气速的增加波动剧烈，使得起始流化速度无法确定[25]。

王靖岱等[26－27]通过对气-固流化床颗粒作用壁面产生的声波信号的多尺度小波包分析，发现各尺度能量分率随气速变化存在着规律性的演化行为，建立了颗粒流化的能量分配理论，并提出了基于声波信号分析的起始流化速度和起始湍动速度的判断准则。

2.4颗粒质量流率
固体颗粒的质量流率作为气-固体系一个重要的操作参数，在化工很多领域的生产过程中起着至关重要的作用[28-30]。

例如在流化床生产工艺中，夹带量的监控直接影响到设备的平稳运行和工艺的优化操作。

而在气力输送过程中，固体颗粒质量流率更是最基本的参数。

由于管道内运行环境各异（压力、空隙率等差别很大），传统的测量手段已经不能满足工业生产的需要[31]。

近年来，多相流中测定颗粒质量流率较为先进的方法有核磁共振技术、CT 成像、微波法、γ射线等多种测量技术[32]。

虽然它们具有不侵入流场等优点，但是也存在不少缺点，如核磁共振技术设备较为昂贵，不易普及；CT成像需要对大量数据进行处理、校正，过程复杂繁琐；微波法易受环境干扰，精度不高；γ射线对人体有放射性危害，操作人员无安全保障。

因此，如何方便、快捷、准确、环保地实现固体颗粒质量流率的在线检测是一个值得深入研究的问题。

Esbensen等[33]利用声发射技术对氧化铝、聚氯乙烯（PVC）、砂子、聚乙烯、油菜籽等多种特性不同的固体颗粒在气力输送系统中传递特性进行了研究，讨论并优化了声波探头的安装位置，提出了从噪声中获得信息的概念。

Mylvaganam [3]最早使用法兰固定声波探头，安装稳定性上的保障使得声波传感器在如此嘈杂的工业现场能正常工作。

Benes等[34]在低浓度的气-固管道中设计了独特的障碍物使得固体颗粒撞击而产生声波信号，并对声发射信号进行了相关性分析，但没有建立预测质量流率的机理模型，并且障碍物的存在干扰了正常的流场。

曹翌佳等[35]采用声发射检测技术测量循环管
第12期曹翌佳等：从噪声到信息——声发射技术在流程工业中的应用·1705·中颗粒撞击壁面的声波信号，根据不同速度的固体
颗粒撞击壁面产生不同能量的声波信号，以空气-
聚乙烯颗粒体系为例，系统考察了特征频段下声波
信号能量与颗粒质量流率的定量关系，并结合小波
分析，建立了固体颗粒质量流率的预测模型，该模
型的预测值与实验值的平均相对误差仅为4.15%。

2.5催化剂管线监控
催化剂在化工生产中占据了举足轻重的地位，
而如何将新鲜的催化剂定时、定量、均衡、自动地
从储料罐加入反应器一直是人们追求的目标。

例如
现今国内使用的乙烯聚合浆液催化剂加料器大多从
国外进口，虽然能实现自动控制，但是故障频繁，
使用情况并不理想[40]。

利用声发射检测技术，根据催化剂颗粒在进料
时碰撞管壁产生不同频率的声发射信号的机理，能
够监控催化剂在进料管线内的流动状况。

图3是某
工厂车间催化剂加料管线的声发射监控图，采样频
率100 kHz，采样时间为20 s，传感器直接贴于加
料管线外壁。

该工艺使用圆型计量盘进行加料控制，
通过调整圆盘转速来增大或减小催化剂的进料量，
进而满足生产的需要。

传感器
采集系统分析系统
5
4
3
2
1
－1
－2
－3
振
幅
/
V
－4
02468101214161820
时间/s
图3 催化剂自动加料器与进料管线的原始声发射信号
3 声发射技术在液-固体系中的应用
浆液浓度的检测、浆液的输送在化工、食品和药物等领域有着广泛的应用[36]，例如催化剂固体颗粒随矿物油注入反应器、搅拌釜或环管反应器中烯烃的淤浆聚合、药物生产中浆液的转移等。

在这些体系中，固体颗粒撞击壁面产生声波信号，但由于液-固体系密度差远远小于气-固体系，有效声波信号的提取也变得相对困难[37]。

3.1搅拌釜浆液浓度
Hou等[38]利用声发射技术对小直径管道中高浓硅石浆液输送过程中的参数进行了在线监测。

通过对不同实验条件下采集到的声发射信号进行频谱分析和统计分析，利用阶梯衰减分析技术建立了经验关系式用来推断颗粒浓度、体积流率、质量流量等参数。

实验结果表明，浆液浓度的计算值与检测值之间的相对误差在5%以下。

研究得到的经验关系式只对实验所用的高浓硅石浆液体系适用，应用范围有限。

黄正梁等[39]利用声发射检测技术，根据固体和液体碰撞壁面产生不同频率的声发射信号的机理，结合小波分析，建立了搅拌釜中浆液浓度的预测模型，模型可以定量描述特征频段的声能量值随浆液浓度和搅拌转速的变化规律。

研究发现，在完全悬浮的条件下，将声发射信号在0～30 kHz频率范围内作8个尺度小波分解，第4、第5、第6共3个频段的声发射信号的能量值之和随浆液浓度的增加线性增加，随转速的增加呈三次方关系增加，而浆液浓度预测模型的计算值与实验值之间的平均相对误差为7.62%。

4 声发射技术在气-液体系中的应用
“气相流化床聚乙烯冷凝模式操作工艺”（简称为“冷凝工艺”）通过引入易冷凝的液体，即冷凝介质，使其在流化床反应器中蒸发以强化聚合反应热的移出，从而使反应器的时空收率（STY）成倍提高[41]。

冷凝态技术的关键是维持流化状态的稳定，避免分布板、冷却器的堵塞，从而保证反应正常平稳进行。

由此可知，反应器内露点位置的确定是十分重要的，本文作者利用声发射技术在循环流化床（冷模装置）内对露点定位进行了初步的研究。

流化床床体为玻璃材质，各段使用橡皮管连接，保证装置气密性，提升管直径为100 mm，高度为2000 mm，见图4。

实验中首先将聚乙烯颗粒装填至离分布板高度为1000 mm处，声发射传感器贴于弯管外壁，采样频率为500 kHz，采样时间10 s，输送介质为空气，循环流化床温度为室温。

为了研究液体对气-固体系声发射信号的影响，实验中进行传感器
采集系统
分析系统
液化气
水滴注入
三通阀布袋
布袋
分布板压缩空气
图4 露点实验装置示意图
化 工 进 展 2007年第26卷
·1706· 了两组对比实验：一组在弯管连接处使用注射器喷入水滴，另一组则是相同流化状态下不加水滴，考察两组实验声发射信号的差异。

利用小波变换[42－
44]把声发射（0～500 kHz ）信号分解为7个频段，如表1所示，再分别计算出各个频段的能量值。

若把第1、第2两个频段能量分率相加作为高频能量，把第6、第7两个频段能量分率相加作为低频能量，那么声波信号在加入水滴前后一定发生了变化，即能量分布发生了改变。

表1 7小波分解声发射信号的频率范围
尺度
频率/kHz
1 500～250
2 250～125
3 125～62.5
4 62.5～31.2
5 5 31.25～15.63
6 15.63～7.82
7 7.82～0
图5是不同状态下声发射信号能量分布图。

1、2、3点为不加液体时能量分布，相对于4、5、6点（喷入液体）的能量分布而言，高频能量所占的能量分率更大，而低频能量的分率则越小。

这主要是由于液滴附着于聚乙烯颗粒表面，使得固体颗粒与玻璃壁面碰撞时所产生的声发射信号发生了微小的变化，耳朵对这种细微的变化不能分辨出来，但是借助于灵敏的声波传感器、高达500 kHz 采样频率的数据采集卡以及强大的信号处理和分析软件，露点的判断已是轻而易举的事情了。

该技术已在某工业装置中得到验证。

0.8能量分率
实验点数
0.70.60.50.40.30.20.1
123456
图5 声发射信号能量分布（第4点加入水滴）
5 应用前景
在过程监控中，使用更多可靠的传感器能大大
提高优化过程的质量[45]。

由于不同传感器分别基于不同物理现象，其对过程的考察角度也各异，从中分析得到的过程信息分别侧重不同的方面。

若将声发射技术与其它传感器技术相结合，采用多探头信息融合技术[46]（MSDF ），则可以通过基于人工智能的算法（如模糊逻辑学、神经元网络、遗传算法等），将不同传感器所测得的不同信息加以融合，从而得到更为全面透彻的系统信息。

6 结 语
从过程中获得声波信号（依靠相关技术方法），对信号进行处理，最后利用多变量回归关联目标参数——声发射技术作为一项跨学科的手段，已经覆盖包括工程、电子、信号处理、化学计量等多种学科。

虽然目标是多重的，但是对于该项技术而言，定量分析（物理/化学）、过程监控以及产品特性的检测则是声发射技术的主要任务。

相对于传统的检测方法而言，声发射技术具有方便快捷、实时准确、安全环保等优点，无论是在工业生产还是科学研究方面有着非常广阔的应用前景。

但是，声发射技术仍不完善，例如声波产生的机理存在分歧，是碰撞、摩擦还是两者的共同作用，有待进一步探索；在信号的分析上，对于噪声信号和有效信号的甄别技术有待提高；在信号处理的方法上，目前大都单一地选择PLS 对数据进行回归，能否使用先进的数字信号处理技术提高计算效率，获得更多的系统信息也将是未来工作的重点。

此外，开发更多在液固体系、气液体系和气液固体系中的应用将是声发射技术发展的重要方向。

参 考 文 献
[1] Boyd J W R ，Varley Julie. The uses of passive measurement of
acoustic emissions from chemical engineering processes[J]. Chemical Engineering Science ，2001，56：1749-1767.
[2] Mylvaganam Saba. Some pplications of acoustic emission in particle
science and technology[J]. Particulate Science and Technology ，2003，21：293-301.
[3] Albion Katherine ，Briens Lauren ，Briens Cedric ，et al. Flow regime
determination in horizontal pneumatic transport of fine powders using non-intrusive acoustic probes[J]. Powder Technology ，2007，172：157-166.
[4] Belchamber Ron. Acoustic emission monitoring – a new tool for particle
technology[J]. Pharmaceutical Technology Europe ，2000，12：26-30. [5] 阳永荣，侯琳熙，杨宝柱，等.流化床反应器声波监测的装置和方
法：中国，20031011358.77[P]. 2003-11-12.
[6] 李建国，赵丽娟，潘永康，等. 流化床在生物物料热力干燥中的
应用[J]. 化工进展，2005，24(2)：190-192.
第12期曹翌佳等：从噪声到信息——声发射技术在流程工业中的应用·1707·
[7] Salman A D，Hounslow M J. Fluidized bad applications[J]. Chemical
Engineering Science，2007，62(2)：1-3.
[8] Cody G D，Bellows R J，Goldfarb D J，et al. A novel non-intrusive
probe of particle motion and gas generation in the feed injection zone
of the feed riser of a fluidized bed catalytic cracking unit[J]. Powder
Technology，2000，110：128-142.
[9] Hiroaki Suzuki，Tetsuo Kinjo，Mikio Takemoto. Wavelet transform of
acoustic emission signals[J]. Jounal of Acoustic Emission，1996，
14(1)：69-84.
[10] Committee of Compilation. Handbook of Chemical Engineering，V ol.
20-Fluidization[M]. Beijing：Chemical Industry Press，1989.
[11] Whitaker Mark，Baker G R，Westrup Julian，et al. Application of
acoustic emission to the monitoring and end point determination of a
high shear granulation process[J].International Journal of Pharmaceutics，2000，205：79-91.
[12] Huang Jun，Sivert Ose，Sunli de Silva，et al. Non-invasive monitoring
of powder breakage during pneumatic transportation using acoustic
chemometrics[J]. Powder Technology，2003，129：130-138.
[13] Halstensen Maths，Esbensen Kim. New developments in acoustic
chemometric prediction of particle size distribution –“the problem is
the solution”[J]. Journal of Chemometrics，2000，14：463-481. [14] Halstensen Maths，Bakker Peter，Esbensen Kim. Acoustic
chemometric monitoring of an industrial granulation production process - a PAT feasibility study[J]. Chemometrics and Intelligent
Laboratory Systems，2006，84：88-97.
[15] Javier Villa Briongos，Jose M Aragon，Maria C Palancar. Fluidised
bed dynamics diagnosis from measurements of low-frequency out-bed passive acoustic emissions[J]. Powder Technology，2006，
162(2)：145-156.
[16] 阳永荣，侯林熙，王靖岱. 声波的多尺度分解与颗粒粒径分布的
实验研究[J]. 自然科学进展，2005，15(3)：380-384.
[17] 王靖岱，蒋斌波，阳永荣，等. 声波的多尺度解析与气固流化床
故障检测[J]. 化工学报，2006，57(7)：1560-1564.
[18] 曹翌佳，石志检，杨宝柱，等. 气相聚合流化床内聚合物结块的
声波检测技术[J]. 石油化工，2006，35(8)：766-769.
[19] Zhang Kai，Zhang Jiyu，Zhang Bijiang. Experimental and numerical
study of fluid dynamic parameters in a jetting fluidized bed of a
binary mixture[J]. Powder Technology，2003，132(1)：20-38. [20] Schlichehaerle P，Werther J. Axial pressure profiles and solids
concentration distributions in the CFB bottom zone[J]. Chemical
Engineering Science，1999，54(22)：5485-5493.
[21] Hendrickson Gregory. Electrostatics and gas phase fluidized bed
polymerization reactor wall sheeting[J]. Chemical Engineering Science，2006，61：1041-1064.
[22] 王靖岱，曹翌佳，任聪静，等. 气固流化床中声发射和流动模式
关系[J].化工学报，2007，58（7）：1713-1718.
[23] 陈甘棠. 化学反应工程[M].北京：化学工业出版社，1994：218.
[24] 梁卫华，王金福，韩禄，等. 压力脉动法预测硅粉颗粒最小流化
速度的实验[J]. 过程工程学报，2002，2(1)：1-6.
[25] Koda H，Kurisaka T.Conference Paper：Second China-Japan
Symposium on Fluidization Science and Technology [M]. Beijing：
Science Press，1985：410-411. [26] 王靖岱，阳永荣，葛鹏飞，等. 声波的多尺度分解与气固流化床
流化速度的实验研究[J]. 中国科学B辑：化学，2007，37(1)：94-100.
[27] Wang Jingdai，Yang Yongrong，Ge Pengfei，et al. Measurement of the
fluidized velocity in gas-solid fluidized beds based on AE signal analysis by wavelet packet transform[J]. Science in China Series B：
Chemistry，2007，50(2)：284-289.
[28] 龚欣，郭晓镭，代正华，等. 高固气比状态下的粉煤气力输送[J]. 化
工学报，2006，57(3)：640-644.
[29] 林海波，孔春林，黄卫星. 气固循环流化床提升管颗粒速度和浓
度的测量技术[J]. 四川轻化工学院学报，2002，15(4)：28-33. [30] 杨自栋. 垂直管流中食品颗粒速度分布的实验研究[J]. 黑龙江科
技学院学报，2003，13(2)：15-19.
[31] 李海青，黄志尧，等. 特种检测技术及应用[M]. 杭州：浙江大学
出版社，2000：3-5.
[32] 钱震，张明辉，于皓，等. 高密度气固两相流颗粒质量同量的自
动测量方法[J]. 高校化学工程学报，2004，18(4)：506-509. [33] Esbensen Kim，Halstensen Maths，Lied T T，et al. Acoustic
chemometrics-from noise to information[J]. Chemometrics and Intelligent Laboratory Systems，1998，44：61-76.
[34] Benes P，Zehnula K. New design of the two-phase flowmeters[J].
Sensors and Actuators，2000，86(3)：220-225.
[35] 曹翌佳，王靖岱，阳永荣. 声波信号多尺度分解与固体颗粒质量
流率的测定[J]. 化工学报，2007，58(6)：1404-1410.
[36] Christophe Boyer，Anne-Marie Duquenne，Gabriel Wild. Measuring
techniques in gas-liquid and gas-liquid-solid reactors[J]. Chemical Engineering Science，2002，57：3185-3215.
[37] 侯林熙，王靖岱，阳永荣，等. 气固流化床中声发射机理及在工
业装置中的应用[J]. 化工学报，2005，56(8)：1474-1478.
[38] Hou R，Hunt A，Williams R A. Acoustic monitoring of pipeline
flows：particulate slurries[J]. Powder Technology，1999，106：
30-36.
[39] 黄正梁，王靖岱，阳永荣. 声波的多尺度分解与搅拌釜中浆液浓
度的测量[J]. 化工学报，2006，57(9)：2062-2067.
[40] 陈国辉. 催化剂自动加料器在催化装置中的应用[J]. 石油化工自
动化，2004（1）：41-42.
[41] 王天普，杨宝柱，任红. 连续聚合反应器中催化剂活性与物料平
均停留时间的关系[J]. 石油化工， 2001，30：281-284.
[42] Munoz-Najar，Andres，Hashemi. Continuous wavelet transform
analysis of acoustic emission signals[C].Bellingham：SPIE，1999.
http：///abs/1999SPIE.3727...99M.
[43] Li X，Wu J. Wavelet analysis of acoustic emission signals in boring[J].
Journal of Engineering Manufacture，2000，214(5)：412-424. [44] Zeng H，Zhou Z D，Chen Y D，et al. Wavelet analysis of acoustic
emission signals and quality control in laser welding[J]. Journal of Laser Application，2001，13(4)：167-173.
[45] Mougin Patricia，Thomas Alistair，Wilkinson Derek，et al. On-line
monitoring of a crystallization process[J]. AIChE Journal，2003，
49(2)：373-378.
[46] Waerstad H，Cortvriend L，Datta U，et al. Multi Sensor Data Fusion
With Flange Mounted Acoustic Emission Sensors[M]. Munich：IEEE
Xplore，2002.http：///servlet/opac?punumber=8480.。