УДК 620.179.16
идентификация источников акустической эмиссии
ПРИ КОНТРОЛЕ ТЕХНОЛОГИЧЕСКОГО ОБОРУДОВАНИЯ С ВЫСОКИМ УРОВНЕМ ШУМА
Д.Г. Давыдова, А.Н. Кузьмин, Р.Г. Ризванов, Е.Г. Аксельрод
Приведены результаты использования беспороговой регистрации данных при акустико-эмиссионном контроле. Предложен метод обработки акустико-эмиссионных сигналов, позволяющий обнаружить источники акустической эмиссии при отношении сигнал/шум меньше единицы.
Ключевые слова: акустико-эмиссионный контроль, беспороговая регистрация данных, адаптивная фильтрация.
Актуальность применения акустико-эмиссионных систем мониторинга состояния оборудования возрастает с каждым годом. Однако диагностирование технических устройств без вывода их из эксплуатации часто имеет существенные ограничения к применению. Прежде всего это связано с высокой чувствительностью информативных параметров акустической эмиссии к шумам различной природы. Контроль существенно затрудняется при наличии множественных источников помех: турбулентных или кавита-ционных режимов движения рабочей среды, реакций синтеза, трущихся узлов и деталей, электрических помех, вибраций, других неустранимых технологических шумов, не связанных с работой диагностируемого устройства
[1]. Вследствие этого может возникать аддитивный помеховый сигнал, по своему амплитудному уровню намного превышающий сигналы от источников акустической эмиссии (АЭ), свидетельствующих о наличии дефектов
[2]. Соответственно для реальных производственных объектов актуальной проблемой является создание помехоустойчивого алгоритма идентификации источников АЭ, обеспечивающего надежное обнаружение и выделение АЭ-сигнала от дефекта в реальном времени в широком диапазоне отношений сигнал/шум.
Существующие системы АЭ-контроля не позволяют решить поставленной задачи, поскольку основной метод фильтрации помех сводится к регистрации АЭ-сигнала выше установленного порогового значения амплитуды. Наличие порога при регистрации данных влечет за собой потерю информации о «полезном» сигнале, амплитуда которого ниже установленного значения. При увеличении порога качество контроля существенно снижается вплоть до невозможности осуществления АЭ-измерений. Вопросы, связанные с интерпретацией данных в условиях наличия высокоамплитудных помех, получили широкое развитие в областях, смежных с АЭ-диагностированием технологического оборудования. Речь идет о работах по исследованию сейсмоакустической эмиссии [3, 4], а также цифровой обработке зашумленных речевых сигналов [5, 6]. Принципы, изложенные в [5], идентичны ситуации АЭ-контроля с пороговой регистрацией данных и представляют собой экспертное по своей природе решение. Величина порога определяется типом микрофона и уровнем шума в помещении. Высокая
Дарья Геннадьевна Давыдова, зам. начальника экспертно-аналитического отдела ООО «Стратегия НК», г. Екатеринбург. Тел. 89097038866. E-mail: expert@strategnk.ru
Алексей Николаевич Кузьмин, канд. физ.-мат. наук, генеральный директор ООО «Стратегия НК», г. Екатеринбург. Тел. 83432213885. E-mail: info@strategnk.ru
Риф Гарифович Ризванов, доктор техн. наук, профессор, заслуженный деятель науки Республики Башкортостан, действительный член Российской академии наук (РАЕН) и Академии технологических наук (АТН), декан механического факультета ФГБОУ ВПО «Уфимский государственный нефтяной технический университет», г. Уфа. Тел. 83472420834.
Ефим Григорьевич Аксельрод, доктор физ.-мат. наук, Кельн, Германия. E-mail: info@ strategnk.ru
устойчивость получаемых результатов распознавания напрямую зависит от величины порога. При этом авторы [5] отмечают, что метод задания порогов не обладает достаточной надежностью.
Альтернативный метод решения задачи шумоподавления предложен в [3, 6] и заключается в использовании многоканальных адаптивных пространственных фильтров в режиме самоадаптации. Это позволило производить настройку системы фильтрации по смеси сигнала и шума (как и в случае АЭ-контроля, когда отсутствует возможность записи «чистого» шума). Как отмечается авторами [3], работа таких фильтров не столь устойчива и эффективна, как при адаптации по «чистой помехе». Применение предложенного подхода позволило получить инструмент подавления интенсивных техногенных помех при анализе сейсмических данных. Другой перспективный метод, изложенный в [4], представляет собой способ прогнозирования сейсмической активности с использованием аппарата нелинейной динамики. Стоит отметить, что в этом случае определяющим условием является наличие неискаженного сигнала, то есть отсутствие порога при регистрации данных. Обоснованность такого подхода связана с тем фактом, что исследуемая в сейсмоакустике система не является хаотической и, следовательно, имеется возможность прогнозирования ее поведения, как и явления распространения сигналов АЭ в материале. Принципы, изложенные в [3, 4, 6], не устанавливают специальных требований к уровню шумов и их природе, при этом важным условием является регистрация неискаженного сигнала.
Целью настоящей работы является разработка метода регистрации и обработки данных АЭ-контроля, позволяющего обнаружить сигнал АЭ от дефекта при наличии высокоамплитудного шума. При этом ключевой особенностью предлагаемого подхода является использование принципа беспороговой регистрации данных (БРД).
Ниже представлены результаты применения помехоустойчивого метода анализа данных АЭ, основанного на реализации схемы многокаскадного адаптивного накопителя-обнаружителя сигнала от дефекта в сильно зашум-ленных экспериментальных временных рядах АЭ. Принципиальная схема адаптивной фильтрации сильно зашумленного АЭ-сигнала приведена на рис. 1.
Рис. 1. Схема помехоустойчивого метода обнаружения АЭ-сигнала при беспороговой
регистрации данных.
МЕТОДИЧЕСКАЯ ЧАСТЬ 1. Принцип беспороговой регистрации данных акустической эмиссии
Идея БРД описана нами в [7] и прежде всего предполагает исключение детектора-дискриминатора из схемы контроля, присутствующего во всех существующих АЭ-системах. Отказ от принципа амплитудной дискриминации позволил осуществить непрерывную запись сигнала без потери информативности. Благодаря этому, беспороговая регистрация данных, лежащая в основе схемы (см. рис. 1), позволяет рассчитывать спектральные, корреляционные, локальные статистические и динамические характеристики без информационных потерь.
Важно, что при этом уровень шумов и различного рода помех может быть выше уровня сигнала от дефекта. Задачи фильтрации в этом случае решаются уже не аппаратурно посредством задания порога дискриминации в аналоговой форме, а с использованием программных средств, основанных на современных методах фильтрации экспериментальных данных (быстрое преобразование Фурье, метод главных компонент, метод адаптивной фильтрации и др.).
2. Предварительная подготовка данных
На основе изучения характеристик спектров входных сигналов сделан вывод о необходимости предварительной подготовки данных АЭ. В частности, анализ амплитудных спектров позволил выявить области, характерные только для шумовой составляющей, а также неинформативную высокочастотную область сигнала. Введение префильтрации с использованием полосового фильтра позволило обеспечить увеличение соотношения сигнал/шум.
3. Адаптивная фильтрация акустико-эмиссионного сигнала
При проведении АЭ-контроля реальных производственных объектов регистрируемый АЭ-сигнал существенно искажен помехами, при этом перспективным является применение систем цифровой адаптивной фильтрации (АФ), параметры которых могут в реальном времени подстраиваться под спектральные, корреляционные и статистические характеристики входного сигнала. Применение адаптивных механизмов оправдано в случаях АЭ-диагностирования реального оборудования, когда параметры регистрируемого АЭ-сигнала неизвестны или изменяются во времени. Адаптивные алгоритмы успешно обнаруживают полезный сигнал в присутствии сильных помех с различной природой и априорно неизвестными параметрами [8].
Сведения о применении адаптивных фильтров в акустико-эмиссионной диагностике и построении на их основе помехоустойчивых систем обнаружения слабого АЭ-сигнала в современной литературе отсутствуют. В [9] стандартный адаптивный алгоритм прямой идентификации с обучением [8] опробован при решении задачи АЭ-мониторинга дефектного состояния объекта контроля в процессе его глубокой пластической деформации. Существенно, однако, что АФ применена в [9] не для извлечения импульсного АЭ-сигнала из временного ряда помехи, а для восстановления его формы, искаженной слабым технологическим шумом в условиях, когда отношение сигнала к шуму было заведомо больше единицы.
3.1. Адаптивная фильтрация с двумя информационными каналами
на входе
Классическая схема использования АФ в качестве шумоподавителя основана на использовании образцового (шумового) сигнала [10]. В общем
АЭ-контроль в двухканальном режиме :
ПАЭ № 1 Источник
АЭ-активности (дефект)
ПАЭ № 2-
1
АЭ
W
Зашумленный АЭ-сигнал
s+n0
Шум
Фильтр
АФ
«Образцовый» Сигнал вход ошибки»
Шумовая компонента
■—И
АЭ-сигнал от дефекта _Jl It'¿и III|i и ||||>1
n1
Рис. 2. Универсальный адаптивный алгоритм.
Рабочий
Выход
вход
случае работа фильтра предполагает использование двух раздельных преобразователей акустической эмиссии (ПАЭ) — независимых информационных каналов. При этом один датчик, как показано на рис. 2 (ПАЭ № 2), должен быть удален от потенциальных дефектов-источников АЭ в объекте контроля. Сигнал передается на приемное устройство в виде смеси полезного сигнала, вызванного наличием дефекта, и шумовой составляющей — входной сигнал АФ s+n0. Вспомогательный датчик регистрирует помеху п1, не коррелированную с сигналом, но находящуюся в прямой корреляции с помехой п0. Помеха п1 представляет собой образцовый сигнал для устройства шумоподавления. АФ стремится преобразовать входной сигнал таким образом, чтобы близость его к образцовому сигналу была максимальной. Поскольку с входным сигналом коррелирована лишь шумовая составляющая образцового сигнала, после завершения процесса адаптации на выходе фильтра будет получена оце
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.