应用神经网络研究地面储罐罐底声发射检测中渗漏信号与腐蚀信号的差异

编译:常向东 赵丽新 (后勤工程学院军事供油工程系)

审校:李发荣 (大庆油田工程有限公司)

应用神经网络研究地面储罐罐底声发射检测中渗漏信号与腐蚀信号的差异

编译:常向东 赵丽新 (后勤工程学院军事供油工程系)

审校:李发荣 (大庆油田工程有限公司)

声发射技术是地面储油罐罐底检测的良好方法,可作为一种预防性工具,能有效确定地面储罐的维修时间。而对某些高敏感性物的检测,更能体现出它的这种性能。在实验室建起一个小型仿真油罐,用来模拟各种相似工况。实验提供了大量数据以及判别声波信号的方法。做了油罐腐蚀的模拟实验。在炼油厂地面储油罐上安装的声发射器用来收集数据,并与从实验室中获取的数据进行结合分析以区别出渗漏和腐蚀信号的不同之处。利用神经网络系统对被测油罐进行了分类。

地面储油罐 神经网络 腐蚀渗漏 声发射检测

1 引言

为加强声发射检测技术在工业中的应用,人们做了大量的研究。高压容器、管道、反应器、地面储油罐、换热器、栈桥等多种工业设备或设施都可以利用声发射技术进行检测。声发射技术在储油罐罐底检测中的应用是在20世纪80年代后期由英国佛利炼油厂首次提出并加以讨论的。随后,英国和德国的20家公司组成了一个研究小组,在炼油厂的不同设备或设施上进行测试实验并加以研究。从此,这个研究小组相继研究出多达500余种声发射技术。

上世纪90年代,另一个由Erick G.Eckert领导的研究小组重复进行了声发射技术的部分测试,用来规范使用规则。美国石油组织随后也根据其工程项目先后在得克萨斯州的三个炼油厂的地面储罐上进行了类似的测试。实验结果以数篇技术报道的形式发表,其中包含着分析和改进建议。

在欧洲,欧共体在地面储油罐上也做了相关检测,用来及时发现罐底的渗漏和腐蚀。利用场频程序技术来区别不同声音信号、波源以及类型。在欧共体的研究中,数据被提取以辨别能标示腐蚀和渗漏部位的信号。通过更换含有1～3 mm不同直径孔的油罐底板来进行油罐渗漏测试。

专家们用特性曲线判别法来区分不同信号。其首要目的是将信号加以归类以满足不同用途。Mao在他的一篇论文中首次全面而细致地阐述和讨论了这种方法。

Mao的研究目的是为了将成熟科学理论和实际应用前景做一个概括性的比较。关于特性曲线判别法的科学性和实用性的报道很多,这也证明了它的重要性。部分使用方法通过模拟人工神经网络加以应用,其中“前馈”法更是被用来区分不同的信号。

近年来,神经网络系统日益受到重视并被认为是进行信号处理和分类的强有力工具。Baily和Mathew利用神经网络开发了一个用于诊断滚珠缺陷的模型。同样基于神经网络,Tadej Kosel发明了声发射的智能探测源。他的理论建立在实验室专业资料基础上。实验中,Kosel对数种信号进行了处理。这项研究的一个重大发现就是明确了信号的特征性质。他指出,当不同的源发射信号时,不同模式的信号产生交叉。Kosel以此申请了一个代码为“BSS13”的专项分析方法。

2 研究方法

从以往的研究情况来看,这项研究有两种方法:第一种研究方式是像AEDSP32/15涉及的那样通过实验室的实验获得数据;另一种则是用实际可行的机械仪器在德黑兰炼油厂的地面储罐上进行实时数据测量。

通过第一种即实验室实验的方法,必须解决以下问题:

◇如何在容器无渗漏的情况下进行实验,以便在实际类似情况下能检测到干扰型声音信号?

◇如何根据渗漏的不同程度进行实验?

◇如何确定传感器的位置?

◇如何根据不同直径安装喷嘴,以便能根据不同直径的喷嘴来对不同渗漏情况进行比较分析?

研究者们用于这项研究的测量设备包括:一个渗漏的液体 (水)容器、传感系统、声发射传感系统。各部分之间的关系见图1。

图1 实验室中声发射系统各部分装置

试验容器高1.6 m、直径4 m、壁厚6.5 mm。实验者根据DIN2391/C标准用3304号钢 (AISI/ SAE标准)制成了这个圆柱型容器,其底板有依照实验需要而设计的渗漏孔。制造这个容器最重要的一点是如何掌握底板上的小孔直径以满足设计渗漏需求。为达到这个要求,在长度为2 cm的钢螺钉上钻了不同直径的小孔,并通过更换这些螺钉来改变渗漏直径。小孔的基本构造见图2。

图2 声发射 (AE)系统中设计的渗漏管嘴

在从油罐外底接入上述螺钉时并不使用垫圈,是为了防止垫圈可能对信号的准确性产生影响。为解决这一矛盾,实验者在容器底部焊上一个螺帽:为不影响实验,螺帽恰好嵌在底板中而不外露。随后,螺帽中就可以装上含有不同孔径的螺钉。渗漏孔是用激光制作的。

实验室中使用了4个型号的管嘴用于渗漏测试。这四种管嘴的直径分别为1、1.5、2、3 mm。首先进行的是无渗漏情况下的信号测试,这种情况下测到的信号均为干扰信号 (机械、电等方面)。这一阶段的实验能够使人们清楚而准确地辨别出实际中存在的干扰信号。通过控制变量法进行实验,便可以得到排除实际渗漏检测中干扰信号的方法。

实时数据检测实验是在有准确的传感器系统情况下进行的。每轮实验的前20 s设定为无渗漏状态。操作人员在第21 s时打开渗漏孔,使其瞬间产生渗漏,并由此开始记录数据。

每轮实验时间虽然因渗漏管嘴直径不同而有所改变,但总体都在2 min左右。然而,由上述可知,每轮实验的后100 s测得的数据才是有效数据。在总共4个型号的管嘴实验下,每次距渗漏点分别为20、60、100 cm处都各做了两次声发射检测实验。

数据的收集和记录工作也是依照AEDSP32/15标准进行的。一些腐蚀性金属如钢板以及纯度超过99.6%的铜被制成标准样品用于实验。每块样品为2 mm×15 cm×15 cm。

这些样品被用作实验中电化学腐蚀部分的电偶极子,用以检测腐蚀信号。为保证实验的准确性,所有样品均用丙酮进行了脱脂清洁处理。实验中所用的腐蚀物均为氯化酰。另外,为加快腐蚀过程,阴阳极之间被通以电流。

为明确样品在腐蚀过程中所损失的质量,所有样品在放入溶剂的前后均用超高精度天平 (可精确到0.000 01 g)进行称量。实验中,由于溶剂浓度会影响腐蚀量,所以必须确定金属受腐蚀的表面。基于这种考虑,所有暴露在溶剂中的表面都被确定并保持原样,而在空气中的面则被涂以某种聚合泡沫材料以防止腐蚀 (图3)。暴露在空气中的面能顺利地向声波传感器传递信息。钢和铜组成的阴阳电极则被非金属夹固定在溶剂中。实验中要保证电极间无金属性接触,各仪器正常工作,且实验中不出现震动或摇摆的情况。

图3 实验块结构

电流的接通能保证反应的正常进行。正因如此,实验者用夹子夹住电极,并将用于通电的金属丝焊在夹子上,以保证各部分接触良好。为保证传感器与试验样品的良好接触,操作人员使用了动物油脂进行粘接,同时这也避免了二者之间存在残留空气。样品与电脑之间用单个传感器连接起来。这主要是为了防止传感器处理器同时接入两个信号。鉴于实验系统中的电流有可能损坏电脑硬件,所以每次只使用一个传感器。

实验中所有有关数据记录的工作都是按照AEDSP32/15标准的规定进行的。电脑软、硬件上使用的调节器规格如下:

◇前端扬声器:60 dB

在多方共同努力下，云南省小微企业融资难题得到有效改善，单户授信500万元以下的小微企业贷款明显增长，云南省小微企业贷款持续增长，截至9月末，单户授信500万元以下的小微型企业贷款余额203.05亿元，较年初新增7.6亿元，同比增长11.2%，涨幅较二季度末扩大7.1个百分点。小微企业贷款利率有所下降，第三季度，云南省累计发放小微型企业贷款426.95亿元，贷款加权平均利率6.127%，利率较二季度下降0.026个百分点。

◇杂音最低分辨大小:30 dB

◇扬声器:60 dB

◇取样频率:4 MHz

◇最低通过值:100 kHz

◇最高通过值:400 kHz

研究的现场测量部分是在炼油厂里储存原油的地面储罐上进行的。研究人员将一种36通道的声发射检测仪安装在直径分别为36、38、45 m的油罐上。其主要实验步骤如下:

◇在储油罐上进行声发射检测实验;

◇数据的整理、分析及实验报告准备工作。

油罐上的所有检测工作都是依据ASTME-121标准进行的。油罐的直径以及每个传感器的传感覆盖能力决定了实验中传感器个数。所以,传感器的安装距离也是影响实验结果的一个因素,这里定为15 m。例如,直径为38 m的油罐上需安装8个传感器,这是因为油罐周长为38×3.14=119.34 m,再除以15就约等于8。研究人员事先让德黑兰炼油厂以及其他部分商业公司的维修人员安装了传感器。

传感器安装时为等距离 (15 m)且高出罐底面1 m,以便能够获得正确的分析数据。根据之前的实验经验,也有人建议在此排传感器上方1.5 m处再另装一排,此排传感器用于获取罐内液面上数据。罐顶上滴落的凝聚液也能产生干扰信号并对测量产生影响。此时,上面一排传感器能够收集到液面上的信号,只要排除这部分干扰信号便能使检测更加精确。

实验前还必须先考虑到另一些重要因素,其中一点就是要关闭实验场所工作的回转机械。在正式实验前24 h必须关闭油罐所有出入接口,以便介质达到实验所需的稳定状态。另外,油罐周围的泵及其他机械也要关闭。最后,在实验前再用一个微音测量仪检查一下油罐周围是否还存在干扰信号。这种便携式检测装置配备有监听器和头挂听筒,能够检测到连续或间断的频率从20 kHz到100 kHz的声音信号,它能测到油罐渗漏甚至是腐蚀的声音。

3 数据分析

应用电脑识别程序对样品的最初信号进行分类。这个程序是在人工神经网络 (ANN)技术的基础上开发的。研究中优先使用ANN技术最重要的原因是利用它强大的知识库能很好地分析出入接口数据间的非线性关系。另外,这种网状系统能很好地适应各种数据。问题被简单归为4个控制因子,然后用MATLAB软件进行模拟分析和编程设计。这些主要影响因子可组成一个1×4矩阵。它们是振幅、持续时间、脉冲前沿和频率。

表1 程序输出端代码所表示的信号类型

被定义为一个2×1矩阵,分别用01、10、11、00这4个两位二进制数来表示4种状态。这4种状态表现为4种不同的信号。研究人员首先将实验得到的数据加以归类,随后用网络识别程序进行分析。表1说明了实验出口数据的种类。表中第一到第三行数据表示实验中获得的代表腐蚀的数据,而第四行的代码“11”所包含的数据则代表了渗漏状态。用于判别这4种状态的程序具有很高的灵敏度。研究使用的网状系统为4─15─15─2系列并具有两个隐蔽层。使用这一系列的原因是四迭神经网络层 (连接出入口)更能有效分析信号种类。15条件下的隐蔽层能在最短时间内提供实验所需的最佳答案。设计这种网络层往往只需最少的可能时间。

网络系统中使用的是rp训练法。这种方法通常用来进行分类工作。研究中所有分析识别工作都是用MATLAB软件和神经网络工具箱完成的。对于某个问题想找出能最快得到相关分析结果的方法是相当困难的。众多因素如问题中错综复杂的数据系统、网络系统中的权数以及可接受的误差范围都左右着实验结果。这一阶段实验的允许误差范围被定为0.001(图4)。误差定得越小,实验结果越精确。定义误差范围的意义是,当精确度达到此值时网络系统停止循环分析。例如,在分析一部分数据时,在循环380次之后达到了0.001的精确度。图4简单说明了这个实例。

图4 利用ANN系统分析均方误差

4 结论

油罐相关数据的电脑程序输出结果如表2所示。由于这项研究的主要目的是区分渗漏信号和腐蚀信号的不同,所以到此研究基本完成。可见,电脑的神经网络程序系统可以很好地解决非线性问题。研究中数据的收集工作都是利用4─15─15─2型号的神经网络系统来完成的。MATLAB软件用来配合神经网络系统进行工作。地面储罐上的实验结果为:只有百分之一的信号显示油罐处于渗漏状态。这表明油罐处在一个安全的工作状态下,发生渗漏的可能性很小。

表2 电脑归类结果的百分比

声发射实验受杂音影响很大。雨、雪、风、罐内蒸凝液的滴落、油罐周围的声音,以及实验地区附近机器工作的声音都会对当地的AE实验造成干扰信号。研究过程中要想出各种应对措施。也正因此,实验室中就尽量避免了大的干扰信号。在实际储罐上的AE实验中,研究者们采取了以下措施来减少干扰信号:

◇实验在晚上进行以消除太阳光线及热膨胀的影响。

◇在正式实验前24 h关闭油罐所有出入接口以及泵和其他机械设备,便于介质在实验时达到稳定状态。

◇相关资料表明,低频率时杂音对AE实验的影响最小,所以研究中将电流频率范围定为20～50 kHz。

◇每次实验的数据收集时间大约为1 h,用以发现有可能存在的特殊或凌乱的干扰信号。

◇由于一般情况下干扰信号比正常信号弱,所以通过设定信号强度的收集起点,可以极大地降低干扰信号的影响。

资料来源于俄罗斯《无损检测》2008 No.6

10.3969/j.issn.1002-641X.2010.7.015

2009-04-16)