万瑞军1王鹏2沈继忱2（1.东北电力大学化学工程学院；2.东北电力大学自动化工程学院）
摘要：由于压力容器工作环境的影响，通常压力容器声发射故障信号完全被噪声淹没。由于FFT很难提取出故障信号的特征，本文根据声发射信号的特点和小波变换基本原理及特性。应用小波变换与FFT相结合的方法，完全能提取出声发射故障信号的特征。
关键词：声发射检验小波变换信号处理压力容器
中图分类号：TG115.28
0引言
压力容器是工业生产过程中不可缺少的一种设备。压力容器在运行过程中受介质、压力和温度等因素影响而会产生腐蚀、冲蚀、腐蚀开裂、疲劳开裂及材料劣化等缺陷，由于它是爆炸危险的特种承压设备，一旦发生爆炸或泄漏就会引发火灾、中毒等事故，给企业和人们带来严重的损失和危害。因此，压力容器的故障检测一直是研究的热点。其中，声发射检测是压力容器的检测方法的一种。但是，在环境恶劣的条件下，声发射检测法仍然受到噪声的影响。造成误判，因此使用合理的提取出声发射信号的特征成了关键的问题。对于压力容器故障信号这种非平稳信号，本文用小波变换与FFT相结合的方法来提取声发射信号的特征。
1小波变换原理
小波变换是一种新的时频分析方法。与其他时频方法不同之处是小波变换用尺度算子代替频率移动算子，将时间频率相平面换为时间尺度相平面，而且时窗函数为变特性窗，在高频段时窗长度短，低频段时窗长度长。由于小波变换时窗特性可调这一特点，使其既能对信号中的短时高频成分进行有效分析，又能对信号中的低频缓变成分进行精确估计。
小波分解可以看作是分别对信号（S）进行高通滤波和低通滤波的过程。分解过程如图1所示：将原始信号S经过3层多分辨小波分解。其分解关系为：S=A3+D3十D2+D1，D1频率最高，A3频率最低。如果原始信号S的频带宽度为[0，f]．则分解后各频率分量分别为：A3:[0，f/8]，D3:[f/8，f/4]，D2:[f/4，f/2]，D1:[f/2，f]。
2小波基的选择
由于声发射信号具有信号的数据量庞大、频率高、时间短、突发性强、衰减快等特点，应选择具有以下五点的小波基：
2.1能够快速处理大量信号，实现声发射源特征信号的重构;
2.2能在不同的频域范围内进行分析并最终提取与声发射源相关的信息;
2.3与信号具有一定的相关性，对信号的特征提取量高;
2.4应具有线性相位，对信号进行分解和重构时尽量避免或减少信号的失真;
2.5具有一定阶次消失矩，能声发射信号的特征，减少噪声影响从以上几方面考虑，工程中满足离散小波变换与时域具有紧支性等性质的常用小波基有：Daubechies小波基、Symlets小波基和Coiflets小波基是较适合于声发射信号分析的小波基。本文从Daubechies小波基中选择较为常用的db5小波基作为小波基对检测信号进行3级小波分解。
3声发射实验
本实验是将压电晶体加速度传感器固定在煤气罐的中部，并用6122采集卡采集全过程声发射信号。
声发射信号是由频谱丰富的多组波组成，同时由于传播途径及转换仪器的原因，声发射信号往往含有噪声。利用小波变换把声发射信号分解到不同的频率通道，就可以在不同的频带上分析声发射信号中的不同频率成分的特征。
首先在压力容器没完全封闭下打压，采集噪声信号并分析其特征。噪声信号如图（a）中的S，并将噪声信号S经小波分析后每个分解尺度的时域重构波形，A3是低频信号，D1，D2，D3为分别为1，2，3层的高频信号。图（b）是图（a）中相应信号的FFT图。从两幅图中分析可知噪声是由不同频率的信号构成。
后在压力容器完全密封下打压，压力逐步增大，速率0.02MP/min，每增加0.1MP保压30～40s后，再继续加压，直到压力为1.2MP。采集信号如图（c）中的S，并将噪声信号S经小波分析后每个分解尺度的时域重构波形，A3是低频信号，D1，D2，D3为分别为1，2，3层的高频信号。图（d）是图（c）中相应信号的FFT图。从故障信号S的时域波形与相应FFT波形看，噪声完全把故障信号淹没。但经分解重构后的D3波形图完全能看出故障信号主要集中在625~1250Hz之间，同时从D3的FFT图中得到故障频率集中在600~900Hz之间，说明只有压力到达一定程度后，压力容器才会有阶跃故障信号，该故障信号是突发性类型信号；而其他频段的时域波形和FFT图与噪声信号的时域与FFT图相比，特征相同，说明这些频段内的信号都是噪声。
4结论
对压力容器的声发射检测，日益成为一个重要的研究课题。本文通过对所采集的噪声信号与故障信号进行小波变换与FFT对比分析，能够精确提取出故障信号特征，能直观地描述出压力容器故障引发的AE信号的强度、在时频面上的分布及频率组成等，从而为判断故障信号的类型、损伤程度及其发展趋势提供准确的信息。使AE信号的时间分辨率和频率分辨率能同时达到最好的效果。
参考文献:
[1]李志安.压力容器断裂理论与缺陷评定[M].大连理工大学出.19.
[2]程正兴.小波分析算法与应用[M].西安交通大学出版社.2003.
[3]张平.集成化声发射信号处理平台的研究[D].北京.清华大学机械工程系.2002.29-32.
[4]飞思科技产品研发中心.小波分析理论与MATLABR2007实现[M].北京.电子工业出版社.2006.
[5]金鑫.展.基于小波的声发射信号参数提取方法[J].仪器仪表学报.2006(6).