大型常压储罐底板的声发射在线检测
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 1 声发射罐底腐蚀检测系统 Fig. 1 Diagram of AE tank bottom inspection system
图 2 任意平面三角形定位原理 Fig. 2 Location schematic of random triangle
声发射源信号从 P( x , y ) 传至 S1 及 S0 的距离之 差为 D1 ( D1 = PS1 - PS0 ) , 从 P ( x , y ) 传至 S2 及 S0 的 距离之差为 D2 ( D2 = PS 2 - PS 0 ) , 即
LI Y-i bo1 , SUN L-i ying2 , JIN Sh-i jiu1 , XING Fe-i fei1 , DU Gang1
( 1. State Key Laboratory of Precision M easurement Technology and Instrument, Tianjin University, Tianjin 300072, China; 2. Energy Technology and Mechanical Engineering Department, Tianjin Institute of Urban Construction, T ianjin 300384, China)
中图分类号: TE97211; TP27415
文献标志码: A
文章编号: 0493- 2137( 2008) 01-0011- 06
On-Line Acoustic Emission Inspection Method for Large Normal Pressure Storage Tank Bottom
111 检测原理 储罐底板在承压状态下, 其腐蚀减薄区会产生变
形, 引起腐蚀层的脱落与开裂; 罐底如果存在泄漏点, 泄漏处会发出湍流声, 从而产生声发射信号. 利用固定 在储罐外壁上的高灵敏度声发射传感器, 就可以获得 储罐底板上活性缺陷的动态信息, 并对罐底的声发射 源进行定位[ 4] .
图 1 为声发射罐底腐蚀检测示意图. 罐底声发射
假定在平面上任意放置的 3 个传感器构成任意三 角形( 见 图 2) , 位置 分别 为 S0 ( 0, 0) 、S1 ( x 1 , y 1 ) 和 S2 ( x 2 , y 2 ) 、P ( x , y ) 处有一个声发射源, P ( x , y ) 距 S 0 的距离为 r.
1 罐底声发射检测及定位原理
式中 R 值一般取阵列最大边长的 5% . 但当传感器布 置较密( 储罐罐底板直径较小, 而传感器数量较多) 时, 可以将 R值 适当加大, 以允许定位偏 差的存在; 传感 器布置较稀疏时, 可适当缩小 R 值, 以防止重复定位.
2 罐底声发射源信号的采集
对某炼油厂的两台汽油储罐进行了声发射罐底在 线检测, 以下分别简称为 1# 储罐和 2# 储罐, 两台储罐 的使用年限均为 30 年, 容积为 5 000 m3.
收稿日期: 2007-03-28; 修回日期: 2007-06-08.
基金项目: 国家自然科学基金重点资助项目( 60534050) .
作者简介: 李一博( 1973 )
) , 男, 副教授.
通讯作者: 李一博, sunliylingying@ gmail . com.
# 12 #
天津大学学报
第 41 卷 第 1 期
的特征谱系数, 与声发射波形参数共同作为 BP 神经 网络学习样本集的特征向量, 优化了神经网络模式识 别的性能, 解决了声发射检测过程中因现场噪声干扰 和声发射源性质不明确等导致罐底结构完整性分级不
准确问题。
检测设备主要是由声发射传感器、前置放大器、声发射 信号处理单元、计算机等构成的. 为了更好屏蔽检测环 境中的电磁干扰, 也可以采用内置前放的一体化传感 器( 见图 1) . 112 定位原理
由于来自罐底的一个声发射源信号可以被几个不 同的声发射传感器接收到, 因而可以根据传感器接收 信号的时差对声发射源进行定位计算. 立式储罐的外 形结构是一个圆柱体, 其定位属于平面定位的一种特 例. 罐底声发射检测过程中, 为了最大限度地覆盖检测 区域, 以及对特定区域进行重点监测, 可采用任意平面 三角形定位技术对储罐底板上的缺陷进行定位.
进行一次内部( 离线) 检测需要几十至数百万元, 倒空、 清洗、检测等时间可能达到几十天甚至数月[ 1] . 而且, 采用传统方法定期开罐普查时, 一般仅有 9% 的罐确 实发生了严重的腐蚀或泄漏, 需要及时检测和修复[ 2] . 可见, 企业若不考虑储罐的状况, 而仅仅按照计划进行 检修, 就无法科学地判断哪些储罐才是腐蚀损伤严重 而急需检测的储罐.
声发射罐底检测现场的环境一般都比较复杂, 储 罐的特殊结构及特殊工艺等, 均可能在声发射检测过 程中产生噪声干扰信号. 罐底的原始声发射数据中可 能包含了大量的噪声信号, 如果直接根据原始声发射 检测数据对罐底结构完整性进行评估, 很可能得出错 误的结果. 因而, 在对罐底完整性进行评价之前, 需要 对声发射检测过程中采集的原始信号进行模式识别, 消除检测过程中由机械撞击、机械摩擦和电磁噪声等 形成的噪声信号.
Abstract: The acoustic emission ( AE) inspection and location principle of large vert ical normal pressure storage tank bottom on- line inspection was studied. Aiming at solving the problem of inaccurate structure integrity evaluat ion resulted from ambiguous AE sources, wavelet analysis method was used to decompose acoustic emission signals derived from storage tank bottom. The characteristic frequency factors in different wavelet decomposition frequency bands were extracted as the BP neural networkps characteristic input vector together with original acoustic emission waveform parameters. Thus, performance of the BP network is optimized and its recognit ion capability for AE sources is improved. The correct recognition rate of AE sources, such as crack, corrosion, leakage, mechanical noise and EMI noise are all increased to above 90% . The research makes the tank bottom structure integrity evaluation technology based on AE on- line inspect ion result to be more sophist-i cated and practical. Keywords: acoustic emission; tank bottom; on- line inspection; location; neural network; pattern recognition
第 41 卷 第 1 期 2008 年 1 月
天津 大学学报 Journal of Tianjin University
Vol. 41 No. 1 Jan. 2008
ቤተ መጻሕፍቲ ባይዱ
大型常压储罐底板的声发射在线检测
李一博1 , 孙立瑛2 , 靳世久1, 邢菲菲1 , 杜 刚1
( 1. 天津大学精密测试技术与仪器国家重点实验室, 天津 300072 2. 天津 城市建设学院能源与机械工程系, 天津 300384)
根据罐底声发射信号的特点及信号的有效传播路 径, 采用共振频率为 30 kHz 的低频传感器( R3A) 对罐 底进行检测. 布置好传感器并对通道进行标定后, 将储 罐加载到指定液位, 静置 12 h 后开始数据采集并进行 相应的定位计算. 两台储罐的声发射检测平面定位图 及三维显示图如图 3 和图 4 所示. 平面定位图中标注 了与储罐连接的管道、楼梯、消防水管及维修入口等的 相对位置, 以及传感器的相对位置及编号. 罐底区域内 的点代表了声发射事件的位置, 点越多, 说明声发射信 号越密集. 三维显示图中的 x 和 y 坐标与平面图中的 坐标一致, 纵坐标 z 表示在储罐底板同一位置的声发 射事件数. 从图 3 和图 4 中可以看出, 两台储罐的声发 射事件数均较多, 而且并无明显的规律性.
摘 要: 基 于大型常压立式金属储罐底板在线声发射检测及定位的 原理, 针对声发 射检测过程 中因声源 性质不明
确导致的罐底完整性评价结果不准确的问题, 采用小波分 析方法 对罐底 声发射 信号进 行了分解 . 通 过提取 声发射
信号在不同小波分解频带上的特征频谱系数, 与声发射波形参数共同作为 BP 神经网络 学习样本集 的特征向量 , 对
与传统的储罐底板腐蚀检测方法相比, 声发射是 一种在线、高效和经济的检测方法, 也是目前国际上唯 一认可的大型常压金属储罐底板在线检测方法[3] , 它 克服了传统技术需要停工置换、清理罐底、逐点扫描检
查造成的费时、费力, 总体检测费用高的缺点, 因而具 有非常广阔的应用前景.
笔者通过提取声发射信号在不同小波分解频带上
D1 = $t 10 M= ( t 1 - t 0 ) v ( 1)
D2 = $t 20 M= ( t 2 - t 0 ) v
式中: t 0 、t1 和 t 2 分别是声发射信号到达 3 个传感器
的时间; $t 10 为声发射信号到达 S1 、S0 的时差; $t 20 为
信号到达 S2 、S0 的时差; v 为声波的传播速度. 声源 P 位于分别以 S0 、S1 、S2 为圆心, r 、r + D1 、
随着石油工业的迅速发展和能源需求的不断增 加, 原油和成品油的储备受到了世界各国的普遍关注. 大型储罐是石化行业中油品储存的重要设施, 一旦发 生事故, 极易引起火灾和爆炸, 并且造成严重的环境污 染.
储罐底板是储罐最难检测的部位, 长期以来, 罐底 的缺陷一直采用定期开罐的离线方法进行检测, 即按 照储罐的安全检测周期, 停工后将储罐内的油品全部 清空, 再采用漏磁、涡流、超声等常规的无损检测方法 对整个储罐底板进行检测. 一般说来, 对大型原油储罐
源较强时, 为避免同一信号被重复定位, 可以将其限制
在三角形阵列内定位, 令 r 的最大值小于阵列中的最 大边长与阵列交叠长度之和, 即
rmax [ max{ S 0 S1 , S1 S2 , S2 S0 } + R
( 3)
2008 年 1 月
李一博等: 大型常压储罐底板的声发射在 线检测
# 13#
神经网络的模式识别性能进行了优化. 采用该神经网 络对罐底 裂纹、腐蚀、泄漏、机械 噪声和 电磁噪 声等不 同性质
的声发射源进行判别时, 其正确识别率均在 90% 以上, 使基于声 发射在线检 测技术的 储罐底 板结构 完整性 评价技
术更趋于完善和实用化.
关键词: 声发射; 罐底; 在线检测; 定位; 神经网络; 模式识别
r + D2为半径的圆的交点上, 其方程分别为 x2+ y2= r2
( x - x1 ) 2 + ( y - y 1 ) 2 = ( r+ D1 ) 2
( 2)
( x - x2 ) 2 + ( y - y 2 ) 2 = ( r+ D2 ) 2
对式( 2) 作极坐标变换后求解, 即可得到声发射源 P 的位置, 求解过程参见文献[ 5] . 需要注意的是, 当声
图 2 任意平面三角形定位原理 Fig. 2 Location schematic of random triangle
声发射源信号从 P( x , y ) 传至 S1 及 S0 的距离之 差为 D1 ( D1 = PS1 - PS0 ) , 从 P ( x , y ) 传至 S2 及 S0 的 距离之差为 D2 ( D2 = PS 2 - PS 0 ) , 即
LI Y-i bo1 , SUN L-i ying2 , JIN Sh-i jiu1 , XING Fe-i fei1 , DU Gang1
( 1. State Key Laboratory of Precision M easurement Technology and Instrument, Tianjin University, Tianjin 300072, China; 2. Energy Technology and Mechanical Engineering Department, Tianjin Institute of Urban Construction, T ianjin 300384, China)
中图分类号: TE97211; TP27415
文献标志码: A
文章编号: 0493- 2137( 2008) 01-0011- 06
On-Line Acoustic Emission Inspection Method for Large Normal Pressure Storage Tank Bottom
111 检测原理 储罐底板在承压状态下, 其腐蚀减薄区会产生变
形, 引起腐蚀层的脱落与开裂; 罐底如果存在泄漏点, 泄漏处会发出湍流声, 从而产生声发射信号. 利用固定 在储罐外壁上的高灵敏度声发射传感器, 就可以获得 储罐底板上活性缺陷的动态信息, 并对罐底的声发射 源进行定位[ 4] .
图 1 为声发射罐底腐蚀检测示意图. 罐底声发射
假定在平面上任意放置的 3 个传感器构成任意三 角形( 见 图 2) , 位置 分别 为 S0 ( 0, 0) 、S1 ( x 1 , y 1 ) 和 S2 ( x 2 , y 2 ) 、P ( x , y ) 处有一个声发射源, P ( x , y ) 距 S 0 的距离为 r.
1 罐底声发射检测及定位原理
式中 R 值一般取阵列最大边长的 5% . 但当传感器布 置较密( 储罐罐底板直径较小, 而传感器数量较多) 时, 可以将 R值 适当加大, 以允许定位偏 差的存在; 传感 器布置较稀疏时, 可适当缩小 R 值, 以防止重复定位.
2 罐底声发射源信号的采集
对某炼油厂的两台汽油储罐进行了声发射罐底在 线检测, 以下分别简称为 1# 储罐和 2# 储罐, 两台储罐 的使用年限均为 30 年, 容积为 5 000 m3.
收稿日期: 2007-03-28; 修回日期: 2007-06-08.
基金项目: 国家自然科学基金重点资助项目( 60534050) .
作者简介: 李一博( 1973 )
) , 男, 副教授.
通讯作者: 李一博, sunliylingying@ gmail . com.
# 12 #
天津大学学报
第 41 卷 第 1 期
的特征谱系数, 与声发射波形参数共同作为 BP 神经 网络学习样本集的特征向量, 优化了神经网络模式识 别的性能, 解决了声发射检测过程中因现场噪声干扰 和声发射源性质不明确等导致罐底结构完整性分级不
准确问题。
检测设备主要是由声发射传感器、前置放大器、声发射 信号处理单元、计算机等构成的. 为了更好屏蔽检测环 境中的电磁干扰, 也可以采用内置前放的一体化传感 器( 见图 1) . 112 定位原理
由于来自罐底的一个声发射源信号可以被几个不 同的声发射传感器接收到, 因而可以根据传感器接收 信号的时差对声发射源进行定位计算. 立式储罐的外 形结构是一个圆柱体, 其定位属于平面定位的一种特 例. 罐底声发射检测过程中, 为了最大限度地覆盖检测 区域, 以及对特定区域进行重点监测, 可采用任意平面 三角形定位技术对储罐底板上的缺陷进行定位.
进行一次内部( 离线) 检测需要几十至数百万元, 倒空、 清洗、检测等时间可能达到几十天甚至数月[ 1] . 而且, 采用传统方法定期开罐普查时, 一般仅有 9% 的罐确 实发生了严重的腐蚀或泄漏, 需要及时检测和修复[ 2] . 可见, 企业若不考虑储罐的状况, 而仅仅按照计划进行 检修, 就无法科学地判断哪些储罐才是腐蚀损伤严重 而急需检测的储罐.
声发射罐底检测现场的环境一般都比较复杂, 储 罐的特殊结构及特殊工艺等, 均可能在声发射检测过 程中产生噪声干扰信号. 罐底的原始声发射数据中可 能包含了大量的噪声信号, 如果直接根据原始声发射 检测数据对罐底结构完整性进行评估, 很可能得出错 误的结果. 因而, 在对罐底完整性进行评价之前, 需要 对声发射检测过程中采集的原始信号进行模式识别, 消除检测过程中由机械撞击、机械摩擦和电磁噪声等 形成的噪声信号.
Abstract: The acoustic emission ( AE) inspection and location principle of large vert ical normal pressure storage tank bottom on- line inspection was studied. Aiming at solving the problem of inaccurate structure integrity evaluat ion resulted from ambiguous AE sources, wavelet analysis method was used to decompose acoustic emission signals derived from storage tank bottom. The characteristic frequency factors in different wavelet decomposition frequency bands were extracted as the BP neural networkps characteristic input vector together with original acoustic emission waveform parameters. Thus, performance of the BP network is optimized and its recognit ion capability for AE sources is improved. The correct recognition rate of AE sources, such as crack, corrosion, leakage, mechanical noise and EMI noise are all increased to above 90% . The research makes the tank bottom structure integrity evaluation technology based on AE on- line inspect ion result to be more sophist-i cated and practical. Keywords: acoustic emission; tank bottom; on- line inspection; location; neural network; pattern recognition
第 41 卷 第 1 期 2008 年 1 月
天津 大学学报 Journal of Tianjin University
Vol. 41 No. 1 Jan. 2008
ቤተ መጻሕፍቲ ባይዱ
大型常压储罐底板的声发射在线检测
李一博1 , 孙立瑛2 , 靳世久1, 邢菲菲1 , 杜 刚1
( 1. 天津大学精密测试技术与仪器国家重点实验室, 天津 300072 2. 天津 城市建设学院能源与机械工程系, 天津 300384)
根据罐底声发射信号的特点及信号的有效传播路 径, 采用共振频率为 30 kHz 的低频传感器( R3A) 对罐 底进行检测. 布置好传感器并对通道进行标定后, 将储 罐加载到指定液位, 静置 12 h 后开始数据采集并进行 相应的定位计算. 两台储罐的声发射检测平面定位图 及三维显示图如图 3 和图 4 所示. 平面定位图中标注 了与储罐连接的管道、楼梯、消防水管及维修入口等的 相对位置, 以及传感器的相对位置及编号. 罐底区域内 的点代表了声发射事件的位置, 点越多, 说明声发射信 号越密集. 三维显示图中的 x 和 y 坐标与平面图中的 坐标一致, 纵坐标 z 表示在储罐底板同一位置的声发 射事件数. 从图 3 和图 4 中可以看出, 两台储罐的声发 射事件数均较多, 而且并无明显的规律性.
摘 要: 基 于大型常压立式金属储罐底板在线声发射检测及定位的 原理, 针对声发 射检测过程 中因声源 性质不明
确导致的罐底完整性评价结果不准确的问题, 采用小波分 析方法 对罐底 声发射 信号进 行了分解 . 通 过提取 声发射
信号在不同小波分解频带上的特征频谱系数, 与声发射波形参数共同作为 BP 神经网络 学习样本集 的特征向量 , 对
与传统的储罐底板腐蚀检测方法相比, 声发射是 一种在线、高效和经济的检测方法, 也是目前国际上唯 一认可的大型常压金属储罐底板在线检测方法[3] , 它 克服了传统技术需要停工置换、清理罐底、逐点扫描检
查造成的费时、费力, 总体检测费用高的缺点, 因而具 有非常广阔的应用前景.
笔者通过提取声发射信号在不同小波分解频带上
D1 = $t 10 M= ( t 1 - t 0 ) v ( 1)
D2 = $t 20 M= ( t 2 - t 0 ) v
式中: t 0 、t1 和 t 2 分别是声发射信号到达 3 个传感器
的时间; $t 10 为声发射信号到达 S1 、S0 的时差; $t 20 为
信号到达 S2 、S0 的时差; v 为声波的传播速度. 声源 P 位于分别以 S0 、S1 、S2 为圆心, r 、r + D1 、
随着石油工业的迅速发展和能源需求的不断增 加, 原油和成品油的储备受到了世界各国的普遍关注. 大型储罐是石化行业中油品储存的重要设施, 一旦发 生事故, 极易引起火灾和爆炸, 并且造成严重的环境污 染.
储罐底板是储罐最难检测的部位, 长期以来, 罐底 的缺陷一直采用定期开罐的离线方法进行检测, 即按 照储罐的安全检测周期, 停工后将储罐内的油品全部 清空, 再采用漏磁、涡流、超声等常规的无损检测方法 对整个储罐底板进行检测. 一般说来, 对大型原油储罐
源较强时, 为避免同一信号被重复定位, 可以将其限制
在三角形阵列内定位, 令 r 的最大值小于阵列中的最 大边长与阵列交叠长度之和, 即
rmax [ max{ S 0 S1 , S1 S2 , S2 S0 } + R
( 3)
2008 年 1 月
李一博等: 大型常压储罐底板的声发射在 线检测
# 13#
神经网络的模式识别性能进行了优化. 采用该神经网 络对罐底 裂纹、腐蚀、泄漏、机械 噪声和 电磁噪 声等不 同性质
的声发射源进行判别时, 其正确识别率均在 90% 以上, 使基于声 发射在线检 测技术的 储罐底 板结构 完整性 评价技
术更趋于完善和实用化.
关键词: 声发射; 罐底; 在线检测; 定位; 神经网络; 模式识别
r + D2为半径的圆的交点上, 其方程分别为 x2+ y2= r2
( x - x1 ) 2 + ( y - y 1 ) 2 = ( r+ D1 ) 2
( 2)
( x - x2 ) 2 + ( y - y 2 ) 2 = ( r+ D2 ) 2
对式( 2) 作极坐标变换后求解, 即可得到声发射源 P 的位置, 求解过程参见文献[ 5] . 需要注意的是, 当声