针对支持向量机的声发射压力容器检测

针对支持向量机的声发射压力容器检测

李赵 付红栓 金立玺

上海市特种设备监督检验技术研究院 上海 200062

摘 要：压力容器在我国的多个领域中都有广泛的应用，这是一种特种设备，具有较大的危险性，所以，针对压力容器需要定期进行无损检测，以便及早发现压力容器中的缺陷类型、位置等。而声发射检测在无损检测技术中属于动态检测方法，可以对压力容器中可能存在的缺陷、故障进行预测，更好的保障压力容器的安全运行。因此，本文主要对支持向量机的声发射检测在压力容器检测工作中的应用进行了分析。

关键词：声发射检测；支持向量机；压力容器

在工业领域中，压力容器是非常重要的设备之一，在多个行业中都有应用。然而由于压力容器属于特种设备，具有极大的危险性，容器存在缺陷和故障会对人们和周围环境产生较大的损害。因此，针对压力容器需要定期进行检测，以保证其使用的安全性。使用宏观的检测方法不能完全掌握压力容器当下的具体使用状态，需要通过无损检测来精准判断。其中声发射检测技术能够发挥巨大的作用，针对支持向量机的声发射检测，可以实现对压力容器的良好检测。

1.声发射检测原理

声发射检测技术原理主要是指通过传感器对声发射信号进行接收，然后利用特征参数对声发射信号进行分析，进而判断被检测材料、结构内的缺陷类型、部位、变化趋势、缺陷程度等。在检测过程中需要综合考虑背景噪声的识别和其他温度、荷载、应变等因素。声发射检测技术原理图如下表示。

图1 声发射检测技术原理图

2.针对支持向量机的声发射压力容器检测

2.1声发射信号分类及特征参数

声发射信号的动态变化范围较广，位移变化范围在10^-15m-10^-9m之间。而且声发射信号的产生也存在较大的变化，依照信号的不同波形主要分为突发型和连续型。在进行检测时，为了能够对不同的信号加以区分，需要对信号进行特征提取，先对阈值进行设定，然后将阈值范围外的信号量提取出来，通过有效参数表示信号特征。依照信号采集和处理方式，声发射信号也分为两类。其一，具有相似波形的信号，利用特征参数进行处理。其二，采集信号频谱分析。声发射检测技术最重要的是将采集的信号处理为声发射源，进行反向源处理，这里主要使用支持向量机对反向源问题进行处理。

2.2压力容器有效声源

压力容器的金属表面容易发生断裂，而且由于在结构设计、材料选择、焊接以及热处理等方面的缺陷，金属发生应力腐蚀、疲劳等问题，使得压力容器容易出现缺陷、故障，产生较大的危害。而其中压力容器受到破坏的最主要影响因素为应力腐蚀和疲劳，引起容器裂纹。应力腐蚀主要是指受到拉伸应力和腐蚀介质的共同影响，使得金属发生破坏形变，腐蚀会使金属的厚度降低，在表面出现破损点，使应力集中，表面的缺口逐步深延，使得金属出现裂痕。这一破坏形式和构件应力状态存在较大的关联，出现裂纹时，应力集中在其根部，同时向三个不同方向进行拉伸。在出现应力腐蚀的容器中，断裂面和主拉伸应力之间基本相互垂直，通常在只有拉伸应力的状态下才会出现这种腐蚀。另外，疲劳裂纹主要是由于压力容器受到交变应力荷载作用，只有在拉应力作用下才会发生。裂纹的形成和发展都是一种声发射源。

2.3声源模拟和容器爆破实验

选取断铅、砂纸和海绵模拟声源，以此获得具有代表性的数据，其中断铅模拟的是压力容器开裂信号，砂纸和海绵模拟信号中的噪声。通过对这三种模拟声源在大尺寸钢板上的声发射检测，获得数据，针对这些数据进行特征参量取值和变化分析，再从中找到声发射信号的特征参量取值和变化，为支持向量机提供具有代表性的数据集，这样在进行缺陷识别时会更加精准。对带有预制裂纹的压力容器进行爆破实验，对其不同阶段的声发射信号进行采集，然后分析各个阶段声发射信号的特征参数取值范围和变化情况，确定预制裂纹容器在开裂、增长和裂纹扩展整个过程声发射信号的特征参数变化范围。

2.4特征提取

声发射属于应力波，能够在固体材料出现裂纹和变形的过程中形成声脉冲，关系到应变能的释放。声发射信号从裂纹区域发出，能够反映出材料内部晶格的改变，以此对压力容器缺陷进行及早预报。对声发射信号进行分析，提取压力容器状态特征参数，对声发射信号进行最佳小波包分解，分别得出压力容器正常工作和有裂纹时的声发射信号频带能量。如下图2、3所示。然后对各个频段能量和总能量进行计算，通过各个频段能量占总能量的百分比建立特征向量。用E1-E7分别表示7个不同频带的能量，总能量为E，建立特征向量T：

E=

T=

图2 压力容器正常状态下各频带能量

图3 压力容器裂纹状态下各频带能量

从图中可以看出，压力容器如果有裂纹，高频带具有较高的能量，而正常状态下的压力容器各个频带的能量都不是很高。通过计算各个频段的信号能量占总能量的百分比，以此构建的特征向量可以精准的反映出被检测压力容器是否存在裂纹缺陷。

2.5支持向量机识别声发射信号

支持向量机的主要原理是通过构建分类超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化。对于测试数据中的特征向量，由机器进行学习并进行训练，问题的领域界限被打破，支持向量机可以对任何的检测对象进行良好的检测，使用效果较好。通过建立模型，将训练集和测试集从原始数据中提取出来，接着对其进行相应的预处理，然后通过训练集对SVM进行训练，再使用建立的模型对测试集的分类标签进行预测，对训练集和测试集统一进行归一化预处理，用训练集训练SVM分类器，并用得到的模型对测试集进行标签预测，最后得到分类的准确率在98%以上。通过采用SVM来分类，达到了较满意的结果，通过识别，可以清晰的了解压力容器当下的状态，判断出有无裂纹缺陷。

结束语：

综上所述，由于压力容器属于具有危险性的特种设备，需要对其使用状态进行无损检测，本文从声发射信号的特征参数出发，使用支持向量机对信号特征参数进行有效识别，根据对识别结果的分析，支持向量机借助其小样本识别方面的优势，从而完成了对压力容器裂纹的判别，具有较高的实用性，而且压力容器在线检测的效率和精度也得到了有效提升。
参考文献：

[1]路萍. 基于支持向量机的流量计密封性声发射检测[J]. 自动化与仪器仪表, 2020, No.247(05):31-33+38.

[2]伏喜斌. 基于支持向量机的焊缝超声TOFD缺陷分类识别[J]. 期刊论文, 2018, 40(6).

[3]常宏飞. 基于支持向量机的声发射压力容器检测[D]. 东北电力大学.