专利名称：：一种金属管内堆积物的检测和评定方法及装置的制作方法
技术领域：
：本发明涉及一种金属管内堆积物检测和评定方法及所用装置，属于管道内部无损检测
技术领域：
。
背景技术：
：随着工业技术的发展，各种金属管道及设备日益增加。为确保其安全运行，要求经常进行检查。由于管道和设备作业环境的限制，很难直接进行内部检查，由此导致各种安全事故，如火电厂机组在停机或启动过程中，因锅炉炉管内壁氧化皮与钢基体热膨胀系数不同，氧化皮剥落堵塞导致管子流通面积减少，使炉管下弯头长期处于超温状态，造成锅炉爆管事故。因此，迫切需要采用适当的方法对弯管内部堆积物进行准确的检测及评定。目前，检测金属管道内堆积物的方法大致有两种一种是利用射线检测法，因金属管和管内堆积物是结构完全不同的两种物质，当进行射线透照时，它们对射线的吸收剂量是不同的，因此会在底片上反映出堆积物的堆积状态。利用射线照像的方法较直观，但其灵敏度低，对于数量较少的堆积物难于从图像上辨别确定，尤其当管壁厚度增大时问题更突出，容易发生漏检。对于仍然附着在管壁上的薄层，特别是均匀的覆层，射线探伤方法几乎无法检测。同时受到使用射线放射危害性限制，射线探伤检测方法影响其它检修工作，不利于縮短检修工期，影响企业经济效益，并且受检测空间限制，难于实现全面检测。另一种是工业内窥镜法，可有效地进行管道及设备的诊断和预知故障，获得管道内部真实的视频影像或图像检测信息，较射线检测法准确、直观。但是受管道结构复杂程度及管径尺寸限制，内窥镜无法检测到每个部位；对于没有内窥镜进入通道的还需要割管检测，属有损检测范畴。
发明内容为弥补传统的射线检测及内窥镜检测法的不足，本发明提供了一种金属弯管内堆积物的检测和评定方法，并提供了该方法所用的装置，采用该方法和装置能有效解决金属管内部，特别是金属弯管内部因存在堆积物而导致的设备故障或安全事故问题。实现本发明目的的技术方案是一种金属管内堆积物的检测和评定方法，其具体步骤如下1)用激励装置敲击金属管的激励部位，激励出能反映出结构本体的脉冲响应特性的声波；2)用传声器和数据采集卡将激励出的声波信号传出并采集；3)采集软件录制声音，并存入计算机；4)对信号进行小波包分析、时域分析和/或频谱分析，计算出小波包分析的各频段能量值、时域信号持续时间和/或频谱图最大共振频率幅值这些特征参数；5)将特征参数输入神经网络专家诊断系统进行识别，对管内是否有堆积物进行定性和定量，并根据定量结果评定管内堵塞程度。其中神经网络专家诊断系统识别的具体步骤是l)采集训练样本，包括时域信号持续时间、频谱图最大共振频率幅值和/或小波包分析的各频段能量值和堵塞程度；2)构造并训练网络，将步骤l)中的样本数据输入到构造好的BP神经网络中，设定好训练参数后对网络进行训练，当训练的均方误差达到要求时训练将自动终止；3)采用训练好的网络进行诊断测试，即输入待测管的特征参数，即可得到金属管内堵塞程度。本发明还提供了上述金属管内堆积物的检测和评定方法所用的装置，该装置包括激励装置、传声器、带数据采集卡的计算机，计算机内安装有用于信号录制的采集软件、用于对信号进行小波包分析、时域分析和/或频谱分析并计算特征参数的信号处理软件和神经网络专家诊断系统，传声器固定于金属管上，传声器和数据采集卡分别与计算机主机相连。由上述技术方案可知，本发明所述的金属管内堆积物的检测和评定方法为声振检测方法，是一种通过激励被测试件产生机械振动(声波)，测量其振动的声音信号特征来对检测对象进行判定的无损检测技术。由于目前计算机及信号处理技术已得到飞速发展，因此用声振法检测和评定金属管内堆积物的科学性和准确性可达到很高水平。本发明提供的金属管内堆积物的检测和评定方法与现有技术相比具有以下的主要优点(1)能够快速判定金属管，包括金属弯管内是否有堆积物，并定量评定管内堵塞程度。(2)不受检测空间限制，无需破坏管道，优于射线检测法和内窥镜法。(3)操作简便，检测准确，有效解决了金属弯管内部因存在堆积物而导致的设备故障或安全事故问题，实用性强，前景广阔。图1为本发明提供的检测装置的示意图。图2为本发明所述的激励部位示意图。图3为本发明所述的利用BP神经网络诊断管内堵塞程度的流程图。具体实施例方式下面结合实施例对本发明作进一步详细说明，但本发明并不局限于所提供的实施例。实施例均以目前难于检测的金属弯管为被测对象。实施例l:如图1所示，本发明提供的检测装置包括激励装置l、传声器2、带数据采集卡的计算机3，计算机3内安装有用于信号录制的采集软件、用于对信号进行小波包分析、时域分析和/或频谱分析，并能计算小波包分析的各频段能量值、时域信号持续时间和/或频谱图最大共振频率幅值这些特征参数的信号处理软件和神经网络专家诊断系统。传声器2固定于金属弯管上，位于声波的正向入射位置，传声器2和数据采集卡分别与计算机主机相连。为能激励出反映金属弯管内结构本体的脉冲响应特性的声波，本实施例1中激励装置可采用钢制锤头。金属管上的激励部位应是弯管易堵塞部位，优先选择金属管道下弯头的下方部位A，如果检测空间受限，可选择下弯头侧面B或上方部位C激励(见图2)。实施例2:用实施例1的检测装置对金属弯管内堆积物进行检测和评定的具体步骤如下1)用钢制锤头敲击金属弯管的下方部位A，激励出能反映出结构本体的脉冲响应特性的声波；2)用传声器和数据采集卡将激励出的声波信号传出并采集；3)用采集软件录制声音，并存入计算机；4)对信号进行小波包分析、时域分析和/或频谱分析，计算出小波包分析的各频段能量值、时域信号持续时间和/或频谱图最大共振频率幅值这些特征参数；5)将特征参数输入神经网络专家诊断系统进行识别，对管内是否有堆积物进行定性和定量，并根据定量结果评定管内堵塞程度。神经网络专家诊断系统识别的流程图见图3，其具体步骤如下1)采集训练样本包括时域信号持续时间，频谱图最大共振频率幅值，小波包分析的各频段能量值和堵塞程度。2)构造并训练网络，将步骤l)中的样本数据输入到构造好的BP神经网络中，设定好训练参数后对网络进行训练，当训练的均方误差达到要求时训练将自动终止。3)采用训练好的网络进行诊断测试，即输入待测管的特征参数，就能从输出向量值得到相应的管内堵塞程度。本发明中构建的BP神经网络是一种多层前馈型神经网络，可以实现从输入到输出的任意非线性映射。所述的BP神经网络专家诊断系统可以利用现有的MATLAB软件平台来实现，只要输入待测管的特征参数，就能从输出向量值得到相应的管内堵塞程度。本发明中的神经网络专家诊断系统能采用小波包分解得到的各个频段的能量值、时域分析得到的时域信号持续时间和/或频谱分析得到的频谱图最大共振频率幅值作为特征参数进行诊断识别，小波包分解得到的各个频段的能量值、时域信号持续时间、频谱图最大共振频率幅值这三种特征参数可分别用于诊断识别，也可在运用小波包分解得到的各个频段的能量值作为特征参数来进行诊断识别的基础上综合以时域信号持续时间作为特征参数进行诊断识别和/或以频谱图最大共振频率幅值作为特征参数进行诊断识别，达到提高精度的目的。本实施例仅以小波包分解得到的各个频段的能量值作为特征参数为例用BP神经网络专家诊断系统进行诊断识别。本发明中，以3层小波包分解后的8个频带能量作为输入节点；以管道堵塞程度管道畅通、少量堵塞、堵塞较多、严重堵塞为输出节点组织神经网络。对输出节点的选择见下表。<table>tableseeoriginaldocumentpage7</column></row><table>训练网络的样本为已知堵塞状态的一组数据，训练网络时，设定好训练样本输入向量与对应的输出向量后，在MATLAB中运行程序，BP网络采用Levenberg-Marquardt优化算法，将trainlm作为训练函数，训练时网络达到设定的精度后自动停止，最后采用训练好的网络对待测样本进行测试。本实施例的具体数据如下采用已知堵塞程度的30组来训练网络，测试采集到的未知堵塞程度的12组信号。用于训练的30组数据为30.049518.417914.62179.6041.21072.246512.83843.0631;28.212416.924318.60379.31831.15452,211116,95033.1863;30.672918,573615.40319.31681.24112.240513.75392.841;31,519916.14558.61637.48011.05471.85897.20092.0322;29.309816.69320.5389.13041.15162.164818.79143.1577;33.101416.96485.81636.80131.0621.75883.97241.7494;34.164415.43859.82817.18210.97691.75128.50372.0858;23,614612,01599.60937.24660,87231,69288.31762,6076;22.116311.35112.13976.71170細81.5488112.566;22.762411.688212.55727.91920.89461.767111.20592.9013;22,72711,61210.92727.11390駕21.70659.79392.4573;21.666711.11311.0957.38570.8681.6949.90332.7154;19.086511.811710.62258.82180.84112,04329.39543.0273;22.401811.664310.76647.18070.89291.71299.60132.6466;18.49659.32416.8944.99530.69711.20595.93031.7506;20.654311.29438.62745.85140.84241.41297.46312.019;20.375611.4827.93295.99920,81061.43816.60952.1217;18.74839.92088.6265.61660.76241.29357,59422.045;19.451210.53638.86855.28790,77181.32147.9413l細5;20扁910.79217.85095.48410.81831.39396.77762扁8;19.44311.16177.65685.08710.76421.33346.51871,7238;17.18749.80518.87574,57280.72671.13477.88381.7536;16.95469.53537.67425.20760.74761,23786.74841.9521;16.18749.27677.52924.75480.70981.21156.65991.7472;16.68729.47246.31184.8350.70021.14735.33641.6791;17.52610.02797.24325.270.73971.26016.27071.8005;16.28979.27276.46174.94210.68021.17125.54271.6939;16.39959.08217.49744.97870.71131,17756.69921.7883;18.741410.42556.8155.09670.77711.1915.66541.6386;16.83149.62736.95084.2450.69771.05315.97241.5462用于测试的12组数据为29.622717.680119.465510.26751.23342.432617.61773.5355;31.517718.69815.78079.86321.24862.367114.0713.2618;29.76618.083216.47859.52381.22752.28814.80593,2531;26.216213.951710.38127.16660.95721.67618.96092.5129;8<table>tableseeoriginaldocumentpage9</column></row><table>结果分析:将得到的结果与试验时管道中的实际状态对比发现，第四组试验诊断错误，实际情况为"少量堵塞"，神经网络误判为"畅通"。其他状态得到的结果都和实际相符。由此可知本发明方法的诊断识别精度是很高的。本发明还可分别单独以时域信号持续时间或频谱图最大共振频率幅值作为特征参数进行诊断识别，但试验证明这两者的诊断识别精度没有以小波包分解得到的各个频段的能量值作为特征参数进行诊断识别的精度高。通过试验可知，在运用小波包分解得到的各个频段的能量值作为特征参数进行诊断识别的基础上综合以时域信号持续时间作为特征参数进行诊断识别和/或以频谱图最大共振频率幅值作为特征参数进行诊断识别，可提高诊断识别精度。权利要求1.一种金属管内堆积物的检测和评定方法，其具体步骤如下1)用激励装置敲击金属管的激励部位，激励出能反映出结构本体的脉冲响应特性的声波；2)用传声器和数据采集卡将激励出的声波信号传出并采集；3)用采集软件录制声音，并存入计算机；4)对信号进行小波包分析、时域分析和/或频谱分析，计算出小波包分析的各频段能量值、时域信号持续时间和/或频谱图最大共振频率幅值这些特征参数；5)将特征参数输入神经网络专家诊断系统进行识别，对管内是否有堆积物进行定性和定量，并根据定量结果评定管内堵塞程度。2.根据权利要求1所述金属管内堆积物的检测和评定方法，其特征在于神经网络专家诊断系统识别的具体步骤是l)采集训练样本，包括小波包分析的各频段能量值、时域信号持续时间和/或频谱图最大共振频率幅值和堵塞程度；2)构造并训练网络，将步骤l)中的样本数据输入到构造好的BP神经网络中，设定好训练参数后对网络进行训练，当训练的均方误差达到要求时训练将自动终止；3)采用训练好的网络进行诊断测试，即输入待测管的特征参数，即可得到金属管内堵塞程度。3.根据权利要求1所述金属管内堆积物的检测和评定方法，其特征在于堵塞程度分为管道畅通、少量堵塞、堵塞较多和严重堵塞四个级别。4.根据权利要求1所述金属管内堆积物的检测和评定方法，其特征在于激励部位为金属管易堵塞部位。5.根据权利要求4所述金属管内堆积物的检测和评定方法，其特征在于激励部位为金属管道下弯头的下方部位。6.—种权利要求1所述金属管内堆积物的检测和评定方法所用的装置，包括激励装置、传声器、带数据采集卡的计算机，计算机内安装有用于信号录制的采集软件、用于对信号进行小波包分析、时域分析和/或频谱分析并计算特征参数的信号处理软件和神经网络专家诊断系统，传声器固定于金属管上，传声器和数据采集卡分别与计算机主机相连。7.根据权利要求6所述的装置，其特征在于激励装置为钢制锤头。8.根据权利要求6所述的装置，其特征在于传声器位于声波的正向入射位置。9.根据权利要求6所述的装置，其特征在于所述特征参数包括小波包分析的各频段能量值、时域信号持续时间和/或频谱图最大共振频率幅值。全文摘要本发明提供了一种金属管内堆积物的检测和评定方法及装置，该方法的具体步骤是1)用激励装置敲击金属管的激励部位，激励出能反映出结构本体的脉冲响应特性的声波；2)用传声器和数据采集卡将激励出的声波信号传出并采集；3)用采集软件录制声音，并存入计算机；4)对信号进行小波包分析、时域分析和/或频谱分析，计算出小波包分析的各频段能量值、时域信号持续时间和/或频谱图最大共振频率幅值这些特征参数；5)将特征参数输入神经网络专家诊断系统进行识别，对管内是否有堆积物进行定性和定量，并根据定量结果评定管内堵塞程度。所用装置包括激励装置、传声器、带数据采集卡的计算机，传声器固定于金属管上，传声器和数据采集卡分别与计算机主机相连。文档编号F17D5/00GK101509604SQ200910061210公开日2009年8月19日申请日期2009年3月20日优先权日2009年3月20日发明者李晓红,郭慧英申请人:武汉大学