古 麗， 賈彥杰， 馮蘭婷， 溫 皓， 高仕玉， 張 琳

（國家管網(wǎng)集團(tuán)西南管道公司，成都 610036）

0 引 言

閥門作為油氣輸送管道的關(guān)鍵壓力元件，對(duì)于管道的安全運(yùn)行有著至關(guān)重要的作用［1］。截至2019 年，我國的石油與天然氣管道總里程達(dá)13.9 萬km，其中天然氣管道約8.1 萬km，原油管道約2.9 萬km，成品油管道約2.9 萬km［2］。在石油天然氣輸送過程中，閥門內(nèi)漏故障是最常見的安全問題之一［3］。而閥門作為石油、化工等流體輸送系統(tǒng)中的關(guān)鍵控制部件，應(yīng)具有良好密封性能，不能存在內(nèi)漏情況。BP公司曾對(duì)相關(guān)閥門失效統(tǒng)計(jì)分析表明，輸氣管道閥門存在5% ～10%的內(nèi)漏［4］。由此可知，閥門的內(nèi)漏故障不僅存在著較大安全隱患，困擾和影響著正常的輸油、輸氣生產(chǎn)，對(duì)油氣管道的安全調(diào)控及油氣質(zhì)量控制的影響極大，也影響了輸油氣安全生產(chǎn)運(yùn)行和設(shè)備維檢修作業(yè)。

目前，常用的閥門內(nèi)漏檢測的方法主要有壓力法、溫度法、超聲波檢測法和聲發(fā)射檢測法等。每種方法對(duì)閥門內(nèi)漏的檢測有一定的效果，但存在一定的局限性［5-8］。本文基于聲發(fā)射檢測法［9-10］，通過傳感器采集閥門泄露時(shí)產(chǎn)生的噴流噪聲，與其他特征參數(shù)相比較，判斷閥門是否有內(nèi)漏故障發(fā)生。該方法采集信號(hào)時(shí)易受背景噪聲的干擾，但聲發(fā)射已被證明是一種有效的輸氣管道閥門內(nèi)漏無損檢測技術(shù)［11］，其因安全性較高、方便快捷等特點(diǎn)而被證明是一種能夠快速實(shí)現(xiàn)對(duì)閥門內(nèi)漏情況進(jìn)行有效辨識(shí)的方法。

國內(nèi)外學(xué)者在聲發(fā)射技術(shù)檢測閥門內(nèi)漏方面做過大量研究。Kaewwaewnoi 等［12］對(duì)聲發(fā)射信號(hào)特征參數(shù)和閥門泄漏率的關(guān)系進(jìn)行了深入研究。鄒兵等［13］建立閥門內(nèi)漏實(shí)驗(yàn)裝置，通過大量實(shí)驗(yàn)得出泄漏率與聲發(fā)射信號(hào)各特征參數(shù)之間的關(guān)系式，可定量估算閥門泄漏率。李偉等［14］提出利用功率譜密度法分析閥門內(nèi)漏情況。由于閥門內(nèi)漏故障模式多種多樣，學(xué)者們開始基于實(shí)驗(yàn)獲取閥門內(nèi)漏聲發(fā)射信號(hào)特征信息，以實(shí)現(xiàn)對(duì)閥門內(nèi)漏故障和內(nèi)漏速率的反演。Seung-Hwan等［15］采用聲發(fā)射傳感器采集止回閥聲信號(hào)，并首次將神經(jīng)網(wǎng)絡(luò)用于聲發(fā)射信號(hào)識(shí)別止回閥故障類型；Gyunyoung等［16］基于神經(jīng)網(wǎng)絡(luò)算法，建立閥門內(nèi)漏速率和閥門的熱力學(xué)參數(shù)之間的關(guān)系模型，為智能預(yù)測閥門內(nèi)漏速率打下了基礎(chǔ)。

本文基于聲發(fā)射技術(shù)對(duì)油氣集輸站場內(nèi)的球閥進(jìn)行內(nèi)漏研究，通過搭建實(shí)驗(yàn)平臺(tái)對(duì)球閥內(nèi)漏的聲發(fā)射信號(hào)進(jìn)行采集，利用小波包閾值函數(shù)對(duì)采集的信號(hào)進(jìn)行去噪，最后利用BP 神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)（CNN）對(duì)提取相關(guān)性高的聲發(fā)射信號(hào)的特征參數(shù)進(jìn)行反演，實(shí)現(xiàn)了對(duì)球閥內(nèi)漏速率的反演。

1 球閥內(nèi)漏聲發(fā)射檢測基本理論

1.1 聲發(fā)射技術(shù)

聲發(fā)射（Acoustic Emission，AE）是指材料中局域源能量快速釋放而產(chǎn)生瞬態(tài)彈性波的現(xiàn)象［17］。閥門內(nèi)漏時(shí)在內(nèi)漏點(diǎn)處因前后端的壓力差形成高速噴流氣體，當(dāng)管道內(nèi)部高速的流體與低速的流體急劇混合后會(huì)產(chǎn)生一種噴流噪聲，此噴流噪聲屬于連續(xù)性聲發(fā)射信號(hào)，與閥門大小、內(nèi)漏處前后壓力差、內(nèi)漏量等因素相關(guān)。作為聲發(fā)射源，其在傳播時(shí)攜帶著大量與材料缺陷處的相關(guān)信息，可通過相關(guān)的儀器實(shí)現(xiàn)對(duì)材料中缺陷的檢測與定位，進(jìn)而通過計(jì)算機(jī)對(duì)采集到的缺陷信號(hào)做進(jìn)一步的處理與分析。

1.2 球閥內(nèi)漏聲發(fā)射檢測原理

聲發(fā)射檢測技術(shù)通過相應(yīng)傳感器采集閥門內(nèi)漏時(shí)產(chǎn)生的聲發(fā)射信號(hào)，如RMS 值、能量值、信號(hào)最大幅值、信號(hào)平均值等特征參數(shù)，然后通過接口與信號(hào)處理部分連接并傳輸信號(hào)，最后通過計(jì)算機(jī)實(shí)現(xiàn)對(duì)信號(hào)的處理與分析，實(shí)現(xiàn)對(duì)待測閥門內(nèi)漏狀況的判斷。球閥內(nèi)漏聲發(fā)射檢測原理框圖如圖1 所示。

圖1 球閥內(nèi)漏聲發(fā)射檢測原理框圖

1.3 球閥內(nèi)漏聲發(fā)射信號(hào)特征參數(shù)

由于球閥內(nèi)漏過程中產(chǎn)生的聲發(fā)射信號(hào)呈連續(xù)性，其包含許多可以表征內(nèi)漏特征的參數(shù)，波形復(fù)雜，故不能使用單一的特征量對(duì)內(nèi)漏的聲發(fā)射信號(hào)進(jìn)行表征。因此，可通過時(shí)域特征參數(shù)和形狀特征參數(shù)對(duì)球閥內(nèi)漏聲發(fā)射信號(hào)進(jìn)行分析。其中，常見的時(shí)域特征參數(shù)有平均值、均方根、能量和有效值，頻域特征性參數(shù)有峰值系數(shù)、形狀參數(shù)、裕度因子和峭度因子等。

由于與球閥內(nèi)漏聲發(fā)射信號(hào)相關(guān)的時(shí)域特征、形狀特征等參數(shù)較多，為了更好地表征內(nèi)漏信號(hào)的特征，需對(duì)以上特征參數(shù)進(jìn)行篩選，進(jìn)而確定與球閥內(nèi)漏速率相關(guān)系數(shù)大的特征參數(shù)。為此引入皮爾遜相關(guān)系數(shù)法來對(duì)以上特征參數(shù)進(jìn)行篩選，通過計(jì)算每個(gè)特征向量與球閥內(nèi)漏速率的相關(guān)系數(shù)，設(shè)置合適的閾值，從而篩選出與球閥內(nèi)漏程度相關(guān)度高的信號(hào)特征參數(shù)。其相關(guān)系數(shù)值越大，表明特征值與原信號(hào)相關(guān)性越強(qiáng)。皮爾遜相關(guān)系數(shù)r的計(jì)算公式為［18］：

式中：n為樣本個(gè)數(shù)；xi為內(nèi)漏速率，單位為m3/h；yi為信號(hào)特征參數(shù)分別表示x、y的均值。

2 球閥內(nèi)漏檢測實(shí)驗(yàn)

2.1 實(shí)驗(yàn)平臺(tái)搭建

根據(jù)球閥內(nèi)漏聲發(fā)射的檢測原理，結(jié)合油氣管道站場球閥情況（大部分球閥排污口處有個(gè)25 mm的球閥，設(shè)計(jì)整個(gè)實(shí)驗(yàn)裝置的管路通徑為25 mm），設(shè)計(jì)并搭建了如圖2 所示球閥內(nèi)漏實(shí)驗(yàn)平臺(tái)。該實(shí)驗(yàn)平臺(tái)主要由氣源、實(shí)驗(yàn)裝置和聲發(fā)射采集系統(tǒng)3 部分組成：①氣源部分用于提供實(shí)驗(yàn)所需的氣體，主要由氮?dú)馄亢蜏p壓閥組成；②實(shí)驗(yàn)裝置主要由壓力傳感器、流量傳感器、罐體和球閥組成，主要用以模擬球閥內(nèi)漏；③數(shù)據(jù)采集采選用德國Vallen公司出品的AMSY-6 聲發(fā)射采集系統(tǒng)，用于采集球閥內(nèi)漏信號(hào)，主要由聲發(fā)射傳感器、數(shù)據(jù)采集系統(tǒng)和計(jì)算機(jī)組成。整個(gè)實(shí)驗(yàn)裝置的管路通徑為25 mm，設(shè)計(jì)承壓能力為10 MPa，被測球閥為一體式的手動(dòng)開關(guān)球閥，其通徑為DN25，氣源選擇的氮?dú)馄枯敵鰤毫? ～14 MPa。

圖2 球閥內(nèi)漏實(shí)驗(yàn)平臺(tái)

在進(jìn)行球閥內(nèi)漏檢測實(shí)驗(yàn)前，將聲發(fā)射傳感器通過耦合劑將其固定于靠近閥門閥體下游表面。實(shí)驗(yàn)時(shí)，①調(diào)節(jié)減壓閥，使氮?dú)馄績?nèi)的氣體經(jīng)軟管流經(jīng)管道與球閥閥腔內(nèi)，待上游壓力穩(wěn)定時(shí)，關(guān)閉減壓閥；②設(shè)置聲發(fā)射檢測儀的采樣頻率，將閥門調(diào)節(jié)至一小角度，模擬閥門關(guān)閉不嚴(yán)時(shí)發(fā)生的內(nèi)漏情況，同時(shí)開始采集聲發(fā)射信號(hào)，待閥門內(nèi)漏結(jié)束后停止采集；③待流量計(jì)示數(shù)穩(wěn)定后，記錄氣體流速、流量以及聲發(fā)射特征信號(hào)參數(shù)值；④調(diào)整被測球閥開度及氮?dú)馄康妮敵鰤毫?，重?fù)上述步驟，測量不同開度下球閥內(nèi)漏產(chǎn)生的聲發(fā)射信號(hào)特征。

由于被測球閥為一體式球閥，用球閥的開度模擬閥芯劃痕、密封不嚴(yán)等造成缺陷內(nèi)漏的情況并控制內(nèi)漏率，開度越大則認(rèn)為內(nèi)漏情況越嚴(yán)重，并采用數(shù)字流量計(jì)對(duì)閥門的泄漏量進(jìn)行測定。經(jīng)過反復(fù)實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)球閥還未完全關(guān)閉時(shí)，流量傳感器無法測得流速，因此得到該球閥閉合的臨界角度如圖3 所示。

圖3 球閥閉合臨界角度

2.2 信號(hào)去噪

在進(jìn)行氣體實(shí)驗(yàn)前，需對(duì)室內(nèi)的環(huán)境噪聲進(jìn)行測量，用德國Vallen公司的AMSY-6 聲發(fā)射檢測儀對(duì)實(shí)驗(yàn)場地進(jìn)行環(huán)境噪聲檢測，將傳感器安裝于球閥閥體后端，當(dāng)閥內(nèi)無流體流動(dòng)時(shí)，分別檢測3 個(gè)時(shí)刻的噪聲信號(hào)，采集到的環(huán)境噪聲信號(hào)所對(duì)應(yīng)的時(shí)域波形如圖4（a）所示。通過快速傅里葉變化（FFT）對(duì)采集的時(shí)域信號(hào)進(jìn)行變換，得到頻域波形圖如圖4（b）所示。

圖4 不同時(shí)刻環(huán)境噪聲的時(shí)頻域曲線

由圖4 可以看出，不同時(shí)刻點(diǎn)的環(huán)境噪聲大致相同，其幅值并無太大變化，主要分布在14 kHz頻域，對(duì)于球閥內(nèi)漏聲發(fā)射的檢測有一定影響。當(dāng)管匯內(nèi)有氣體流動(dòng)時(shí)，調(diào)節(jié)球閥開度為微小開度時(shí)，測得的含噪信號(hào)如圖5 所示。

證明 (1) 由于A是完全確定性自動(dòng)機(jī)，所以A不會(huì)影響監(jiān)控器M中的概率計(jì)算.另外，如果H中某一狀態(tài)不包含在M的組合狀態(tài)中，則該狀態(tài)與監(jiān)控屬性無關(guān)，也不會(huì)影響監(jiān)控器M中的概率計(jì)算.所以，

圖5 不同時(shí)刻含噪信號(hào)的時(shí)頻域波形

由含噪信號(hào)的頻域波形圖圖5（b）可知，球閥內(nèi)漏聲發(fā)射信號(hào)呈寬頻特性，環(huán)境噪聲在一定程度上對(duì)聲發(fā)射信號(hào)造成了影響，特別是在低頻區(qū)域，因此對(duì)信號(hào)進(jìn)行去噪處理很有必要。

3 基于小波包的閾值函數(shù)去噪

常見的小波處理方法有小波閾值去噪、小波系數(shù)相關(guān)性去噪和模極大值去噪。其中，小波閾值去噪為應(yīng)用最廣泛的信號(hào)去噪方法，但其只對(duì)低頻部分的信號(hào)進(jìn)行分解。通過現(xiàn)場實(shí)驗(yàn)采集的球閥內(nèi)漏時(shí)的聲發(fā)射信號(hào)可知，其頻帶較寬，因此本文采用小波包閾值去噪。小波包分析不僅對(duì)低頻段分解，也對(duì)高頻段進(jìn)行分析［19］。通過對(duì)采集到的聲發(fā)射信號(hào)進(jìn)行高低頻分解，對(duì)其進(jìn)行時(shí)頻域分析發(fā)現(xiàn)，分解的層數(shù)在一定范圍內(nèi)時(shí)，頻率的分辨率也越高，小波包分解更能保存球閥內(nèi)漏信號(hào)的有用信息。

3.1 評(píng)判標(biāo)準(zhǔn)

對(duì)采集的聲發(fā)射信號(hào)進(jìn)行小波包閾值去噪后，將信號(hào)進(jìn)行重構(gòu)，重構(gòu)信號(hào)的去噪效果常使用均方誤差與信噪比來評(píng)判，均方誤差MSE 越小、信噪比SNR 越大，說明去噪后的信號(hào)越接近真實(shí)信號(hào)，去噪效果越好［20］。均方誤差MSE、信噪比SNR的定義如下：

式中：x（n）為原始信號(hào)；y（n）為去噪后的信號(hào)；N為采樣點(diǎn)的個(gè)數(shù)。

3.2 小波包去噪

在Matlab的小波包工具箱中選取sym5 小波基函數(shù)，對(duì)信號(hào)進(jìn)行小波包分解，得到各個(gè)頻段的小波包系數(shù)，選用Rigrsure作為自適應(yīng)閾值的選擇規(guī)則，進(jìn)而求得小波包系數(shù)的閾值，再將每個(gè)小波包系數(shù)進(jìn)行硬閾值去噪，然后將去噪后的小波包系數(shù)進(jìn)行重構(gòu)。通過對(duì)比去噪前和去噪后信號(hào)的時(shí)頻域波形，對(duì)1 ～3 層小波包閾值去噪進(jìn)行對(duì)比分析研究，以MSE、SNR 作為去噪效果的評(píng)價(jià)指標(biāo)。采集信號(hào)進(jìn)行1 ～3 層的小波包閾值去噪結(jié)果如圖6 ～8 所示。

圖6 1層小波包閾值去噪結(jié)果

通過Matlab 計(jì)算得出1 層小波包閾值去噪的信噪比SNR 為10.437 8，均方誤差MSE 為6.790 9 ×10-5；2 層去噪的信噪比SNR 為12.195 9，均方誤差MSE 為4.530 2 ×10-5；3 層去噪的信噪比SNR 為17.897 4，均方誤差MSE為1.218 9 ×10-5。由圖6 ～8 可以看出，采用小波包閾值去噪方法能夠?qū)υ肼曉谝欢ǔ潭壬线M(jìn)行去除；通過比較每層去噪的信噪比和均方誤差可知，選擇3 層小波包閾值去噪的信噪比SNR更高、均方誤差MSE更小，其去噪效果更優(yōu)，去噪后的信號(hào)更能反映球閥內(nèi)漏聲發(fā)射信號(hào)的特征信息。

4 球閥內(nèi)漏速率反演分析

圖7 2層小波包閾值去噪結(jié)果

圖8 3層小波包閾值去噪結(jié)果

以氮?dú)庾鳛榱黧w介質(zhì)，在不同的球閥開度下進(jìn)行實(shí)驗(yàn)。通過實(shí)驗(yàn)裝置測得35 組球閥內(nèi)漏聲信號(hào)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行小波包閾值去噪后提取時(shí)頻特征、形狀特征等信號(hào)特征參數(shù)，求得各信號(hào)特征與內(nèi)漏速率的相關(guān)系數(shù)。通常，相關(guān)系數(shù)介于±0.50 ～±0.80 是顯著相關(guān)，介于±0.80 ～±1.00 是高度相關(guān)。本文選擇相關(guān)系數(shù)大于0.5 的均方根、能量、有效值、峰值和峭度作為表征球閥內(nèi)漏程度的特征參數(shù)。本文僅列出如表1 所示中20 組信號(hào)特征參數(shù)與內(nèi)漏速率的關(guān)系。

表1 球閥內(nèi)漏聲信號(hào)特征集球閥內(nèi)漏速率

由于球閥內(nèi)漏聲發(fā)射信號(hào)的特征和內(nèi)漏速率的關(guān)系難以用數(shù)學(xué)表達(dá)式進(jìn)行表示，因此本文選用BP 神經(jīng)網(wǎng)絡(luò)和CNN來對(duì)球閥內(nèi)漏速率進(jìn)行反演。

4.1 BP神經(jīng)網(wǎng)絡(luò)反演球閥內(nèi)漏速率

以聲信號(hào)的特征作為輸入，球閥內(nèi)漏速率作為輸出來訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，使得BP神經(jīng)網(wǎng)絡(luò)能夠表達(dá)聲發(fā)射信號(hào)輸入到內(nèi)漏速率輸出的系統(tǒng)，然后可以應(yīng)用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)根據(jù)聲發(fā)射特征參數(shù)反演球閥內(nèi)漏速率。因此，選用表1 中的均方根、有效值等5 個(gè)聲信號(hào)的特征作為輸入，球閥內(nèi)漏速率作為輸出，選用sigmod作為激勵(lì)函數(shù)，以特征集中前30 組數(shù)據(jù)作為訓(xùn)練集，后5 組數(shù)據(jù)作為測試集。測試集的反演結(jié)果如圖9 所示，計(jì)算反演后的速率以及絕對(duì)誤差的值如表2 所示。

圖9 BP神經(jīng)網(wǎng)絡(luò)反演結(jié)果

表2 BP神經(jīng)網(wǎng)絡(luò)內(nèi)漏速率反演結(jié)構(gòu)

由圖9 及表2 可以看出，通過BP神經(jīng)網(wǎng)絡(luò)反演球閥內(nèi)漏速率的誤差都不超過1.5%，其最大絕對(duì)誤差為1.4%，總體誤差相對(duì)較小；通過計(jì)算得出BP 神經(jīng)網(wǎng)絡(luò)反演結(jié)果的MAE=0.009 7，RMSE=0.01。

4.2 CNN反演球閥內(nèi)漏速率

由于采集到的球閥內(nèi)漏聲發(fā)射信號(hào)是一維的時(shí)間序列信號(hào)，二維的卷積操作對(duì)此并不適用。因此選用一維卷積和一維池化，利用卷積操作自動(dòng)學(xué)習(xí)數(shù)據(jù)的內(nèi)部關(guān)系，從局部到全局提取信號(hào)的特征，利用全連接網(wǎng)絡(luò)將特征進(jìn)行綜合，進(jìn)而提取出采集到原始的聲發(fā)射信號(hào)的有效特征。在進(jìn)行CNN 反演球閥內(nèi)漏速率的反演時(shí)，以前30 組數(shù)據(jù)作為訓(xùn)練集，后5 組數(shù)據(jù)作為測試集，采用相應(yīng)的CNN模型對(duì)原始數(shù)量的訓(xùn)練集進(jìn)行訓(xùn)練，其測試集的反演結(jié)果如圖10 所示，計(jì)算反演后的速率以及絕對(duì)誤差的值如表3 所示。

圖10 CNN反演結(jié)果

表3 CNN內(nèi)漏速率反演結(jié)果

由圖10 及表3 可以看出，通過CNN 反演球閥內(nèi)漏速率的誤差都不超過1%，其最大絕對(duì)誤差為0.66%，與BP神經(jīng)網(wǎng)絡(luò)反演的結(jié)果相比，CNN對(duì)球閥內(nèi)漏速率的反演誤差更小。通過計(jì)算發(fā)現(xiàn)，卷積神經(jīng)網(wǎng)絡(luò)CNN 反演結(jié)果的平均絕對(duì)誤差MAE =0.003 9，均方根誤差RMSE=0.004。其平均絕對(duì)誤差、均方根誤差相比于BP 神經(jīng)網(wǎng)絡(luò)的反演結(jié)果都要更低，其反演效果更好。

5 結(jié) 語

本文通過理論分析和實(shí)驗(yàn)研究發(fā)現(xiàn)，球閥內(nèi)漏的聲發(fā)射信號(hào)呈現(xiàn)寬頻特性，噪聲對(duì)低頻區(qū)域的聲發(fā)射信號(hào)影響較大。通過采用小波包閾值去噪，可以有效提高信號(hào)的信噪比，降低均方誤差值，從而使去噪后的信號(hào)更能反映球閥內(nèi)漏聲發(fā)射信號(hào)的特征信息。采用皮爾遜相關(guān)系數(shù)法對(duì)聲發(fā)射信號(hào)的相關(guān)特征參數(shù)進(jìn)行篩選發(fā)現(xiàn)，均方根、能量、有效值、峰值、峭度因子是表征球閥內(nèi)漏程度相關(guān)度高的信號(hào)特征參數(shù)。通過采用BP神經(jīng)網(wǎng)絡(luò)和CNN模型分別對(duì)采集到的聲發(fā)射信號(hào)進(jìn)行球閥內(nèi)漏速率反演，結(jié)果發(fā)現(xiàn)CNN模型的平均絕對(duì)誤差、均方根誤差均小于BP 神經(jīng)網(wǎng)絡(luò)的反演結(jié)果，效果更優(yōu)。通過以神經(jīng)網(wǎng)絡(luò)的方式實(shí)現(xiàn)了對(duì)球閥內(nèi)漏速率的反演，研究結(jié)果為實(shí)現(xiàn)對(duì)閥門泄露程度的判定提供了指導(dǎo)，進(jìn)而對(duì)管道的安全運(yùn)行提供了的保障。