摘要
随着石油化工行业的快速发展，常压储罐作为储存石油的关键设施，保障其安全运行至关重要。其中，声发射检测是在线监测储罐底板腐蚀泄漏的一种重要方法。储罐底板因其易受腐蚀的特性以及检测难度高等问题，使得传统的无损检测方法在不开罐的情况下难以对其腐蚀情况进行准确评估。目前，声发射检测技术已成为储罐底板腐蚀在线监测的关键技术之一，能够及时发现腐蚀点和诊断潜在缺陷。然而，储罐底板在腐蚀过程中，产生的声源往往复杂多样且数量庞大，增加了声发射腐蚀源定位和信号分类的不确定性，限制了该技术的推广和应用。针对这一问题，本文对储罐底板声发射源定位及声发射源类型识别进行了研究。 对储罐底板腐蚀的声源机制进行了研究。通过断铅信号模拟储罐底板腐蚀信号并开展实验，获取声发射源定位的断铅信号。对预处理数据采用人工智能定位算法进行定位，结果表明粒子群算法（PSO）算法定位精度最高，并推算出当前最优位置的波速。接着对PSO算法的定位误差进行分析，利用小波分解与重构得出d5互相关系数最大值所对应的时间差，即时间误差，通过分析减小时间误差来提高定位精度。 对储罐底板腐蚀的声源类型进行了研究。通过点滴信号、气泡信号、敲击信号、泄漏信号模拟储罐底板可能存在的多种声发射信号类别并展开实验。提取声发射信号的时频参量特征，对信号进行分帧、加窗、快速傅里叶变换等处理，最终获取梅尔频谱倒谱系数，并将声发射信号时间序列数据编码为图像，得到格拉姆角场变换图。在获取不同信号的特征分布后，进行模型训练。 将训练好的模型用于声发射参量特征和图像的预测。分别采用PSO-SVM模型和VGG16模型进行识别。结果表明，基于声发射信号时频参量特征结合PSO-SVM模型的声源识别总准确率最高，且在各类别上的识别准确率也较高，表明该模型能较好地识别腐蚀类型的声发射信号时频参量。
NETL