基于PSO算法的储罐底板声发射源定位方法

作者简介：徐海丰（1987—）,男,讲师,博士,主要从事石油装备无损检测技术的研究工作

在石油化工行业,常压储罐是储存石油的关键设备,所以保障其安全稳定运行具有重要意义,其中声发射检测是储罐底板腐蚀泄漏在线检测的重要手段[1]。在常压储罐声发射监测及评价标准JB/T 10764—2007《无损检测 常压金属储罐声发射检测及评价方法》中,声发射定位的集中度是评价储罐腐蚀状态的重要依据,因此声发射定位的精度对评价的准确性至关重要。传统的声发射定位算法如时差定位法、三角定位法、阵列定位法等[2],往往基于固定波速进行计算,这一假设限制了定位精度[3],为腐蚀评估带来了不确定性,并制约了声发射检测技术的推广应用。 

针对上述问题,学者们不断探索波速未知条件下的定位新方法。例如,方卫红等[4]利用基于未知波速的INGLADA算法进行储罐底板声发射源的定位研究,仿真与试验结果显示,该方法显著提高了定位精度,但存在一些实用性方面的挑战。HU等[5]通过未知波速的蚁群算法提出了一个适用于复杂结构的声发射源定位方法,与传统方法相比,平均定位精度提升了32%,然而,在处理高密度网格时,该算法的计算复杂度显著增加,故需要进一步优化以提高效率。粒子群优化（PSO）算法因其强大的全局搜索能力和较快的收敛速度,在提升定位精度方面展现出巨大潜力。例如,王加安等[6]对室内可见光定位的改进；杨晶东等[7]在移动机器人全局定位的应用,以及张汉等[8]对WSN节点定位的改善,均展示了PSO算法在不同领域定位研究中的重要作用。 

鉴于PSO算法如上所述的优势,文章提出了一种基于PSO算法的储罐底板声发射源定位方法并进行了试验验证。结果表明,该方法在未知波速条件下,能够有效提高声发射源定位的精度,为声发射源定位技术的进步提供了新的理论依据和实践指导。 

1.   PSO算法的声发射源定位应用

1.1   PSO原理

PSO是一种受社会行为启发的进化计算策略,在PSO算法框架内,每个潜在的解被视为搜索空间中的“粒子”[9]。各粒子通过模仿搜索过程中发现最优解的其他粒子,来探索解空间。每个粒子维护两个关键属性：位置和速度。其中,位置代表潜在解决方案,速度则决定粒子探索新解的方向和距离。 

粒子群中的每个成员会跟踪其到目前为止找到的最优位置（个体最优,pbest）以及整个群体中所有粒子找到的最优位置（全局最优,gbest）。这两个最优值引导着粒子的移动,旨在找到最佳的解决方案[10-11]。PSO算法寻优过程如图1所示（图中每个点代表一个粒子,其在迭代过程中的位置变化反映了搜索的动态性）,通过迭代更新粒子的位置和速度,以逼近最优解。 

图  1  PSO算法寻优过程

在粒子群算法中,首先需要对每个粒子的位置和速度进行初始化[12]。初始化时,一般采用随机生成m个粒子,表示为 

式中：xi,vi分别为每个粒子的位置和速度；i为粒子的个数,i=1,2,3,…N；c1和c2为加速常数；r1和r2为[0,1]范围内生成的数；t为迭代次数；ω为惯性权值；xpbest为个体最优位置；xgbest为群体最优位置；ωini为初始惯性权值；ωend为迭代至最大进化代数时的惯性权值[13]；Gk为最大迭代次数；g为当前迭代次数；ω(t)为当前迭代值。 

式中：xi（t）为第i个粒子在第t次时的位置；f[xi（t）]为第i个粒子在t次位置的目标函数；f（pi）为第i个粒子的最优位置；f（gi）为第i个粒子的群体最优位置。 

1.2   PSO的声发射源定位应用流程

将PSO算法应用于声发射源定位,首先需要对声发射数据进行预处理,以提取关键参数。构建目标函数时,每个声发射源被视为一个粒子,通过PSO算法迭代更新粒子的位置和速度,直至找到使目标函数值最小的声发射源位置（x, y）和速度v。此过程不仅优化了声发射源的定位,还能根据定位结果反推声速,进一步增强定位方法的准确性和实用性。声发射源定位的流程如图2所示,包含了从数据预处理到最终定位结果的输出。 

图  2  粒子群优化算法的声发射源定位流程

2.   储罐底板声发射定位试验

2.1   试验平台搭建

由于存储介质的易燃易爆有毒等危险属性,存储石油化工产品的立式储罐的运行和维护过程都受到严格管控[14]。因此,文章在试验环境下搭建储罐底板声发射源检测平台。该平台由PAC声发射监测系统和小型储罐模型组成,实物如图3所示。 

图  3  声发射定位试验平台实物

PAC声发射监测系统由工控机、PCI-8型声发射采集卡和AEwin声发射数据采集软件构成。该系统的声发射信号采集频率为1 MHz,门槛值设置为40 dB。使用DP3I型声发射传感器,该型号传感器是一种专为储罐底板腐蚀声发射检测设计的低频传感器,设置采样频率为20~100 kHz。 

小型储罐模型尺寸示意如图4（a）所示,储罐采用Q235B材料制成,底板直径为0.6 m,高度为1.5 m,容积为42 L,底板和罐壁的厚度分别为8,6 mm。在距储罐底板10 cm的罐壁上均匀布置了4个声发射传感器,以全面捕捉声发射信号,传感器布置如图4（b）所示。 

图  4  储罐模型尺寸及传感器的分布排列示意

2.2   标定

根据标准JB/T 10764—2007对声发射试验系统进行标定。标定过程采用ϕ0.5 mm的HB铅笔,在距离传感器约10 cm处连续进行5次断铅操作。标定结果显示,所有传感器灵敏度均超过了95 dB,满足声发射检测要求。 

2.3   声发射信号定位试验

相关研究表明,储罐底板腐蚀声发射检测中捕捉到的信号主要来源于罐内介质的传播[15]。考虑到储罐模型尺寸较小,产生的声源信号会通过多种路径被罐壁传感器接收,因此,在储罐底板上依次放置泡沫和砖块,并在储罐内注入50 cm高的水,以确保声源信号主要通过介质传播而非直接通过底板,试验装置示意如图5（a）所示。 

图  5  定位试验装置与断铅定位区域示意

在砖块上划分出A,B,C,D,E 5个区域开展声发射断铅信号的定位试验,如图5（b）所示。每个区域的具体坐标范围如表1所示。依次在5个区域内断铅,A~E 5个区域的断铅次数分别为50,25,25,25,25次,共计150个定位点。 

3.   基于PSO算法的试验结果及分析

3.1   声发射定位数据预处理

为确保分析的准确性,对收集到的声发射数据进行预处理。首先,对文本数据进行清洗,去除所有非数据行,确保数据的纯净性。然后,构建数据框架,删除不必要的空格并将数据保存为CSV格式,以便于后续分析。最后,进行数据过滤,通过时间分组和聚类,精确筛选出每个声源的信号接收时间,去除重复数据,以保证数据的唯一性和准确性。预处理完成后,导出数据文件,为定位分析做好准备。 

3.2   基于PSO算法的声发射定位结果

将经过预处理的数据应用于PSO算法中,得到的声发射源定位结果如图6所示（图中红色圆点表示PSO算法的定位结果,蓝色圆点表示PAC AEwin软件的定位结果）。由图6可知,两种方法算出的定位点基本覆盖了目标区域及其周围区域,但PSO算法的定位点在目标区域内的分布更为集中。特别是在区域D和E,AEwin软件的定位结果中有更多点落在区域外,而PSO算法的定位点则主要集中在区域内。 

图  6  PSO算法结果和AEwin 软件预测结果

为了定量评估两种算法的定位精度,对定位点是否落在指定区域内进行了统计分析,结果如表2所示,可知,使用AEwin软件进行声发射源定位时,B区域的准确率最高,达到96%,而在C区域的准确率最低,仅为51%,平均准确率为80.6%。相比之下,使用PSO算法,B和E两个区域的定位准确率均达到96%,C区域的准确率也提高至68%,平均准确率为88.0%。试验结果表明,PSO算法在声发射源定位上有明显优势。 

此外,PSO算法不仅提高了声发射源的定位准确性,还成功反推出声速的最优值,反推结果如图7所示。对150个声源点的声速进行统计分析后发现,声速在1 700 m/s到1 900 m/s之间呈正态分布,说明声波在介质中的传播速度并非固定不变,而是有一定的波动范围。该发现为理解声波在液体中的传播特性提供了新的视角。 

图  7  不同声速范围内的定位点个数

4.   无损检测证书挂靠网结语

文章提出了一种基于粒子群优化（PSO）算法的储罐底板声发射源定位方法。通过对传统声发射源定位方法的改进,有效克服了依赖固定波速所带来的局限性,显著提高了声发射源定位的准确性。试验结果表明,与AEwin定位软件相比,PSO算法能够在不依赖已知波速的条件下,将声发射源定位精度提升7.4%。 

更重要的是,通过PSO算法不仅优化了声发射源的定位过程,还揭示了声波在液体介质中传播速度的可变性。该发现为声发射检测技术的应用提供了新的理论基础,有助于提高声发射检测在储罐底板腐蚀监测中的应用效果和准确性。

推荐阅读：

2025年无损检测证书挂靠一年价格区间