基于声发射及时延估计的风源系统泄漏定位

白希宇 张侃健

摘 要：動车风源系统专门用于为动车整车制动系统供风，而漏风问题会影响供风效率乃至整个制动系统。旨在利用声发射传感器技术，针对风源系统中最常见的漏风问题进行检测，并利用时延估计技术进行泄漏点定位，从而及时发现泄漏点并采取措施解决问题，以降低风源系统发生故障的风险，减少故障带来的损失。采用小波包分析对传感器采集的数据进行分解重构，以减小外界环境噪音对结果的干扰，最后利用互相关分析及定位公式对漏风点进行定位。仿真实验结果表明，该方法具有较强的抗干扰能力与较高的精度，精度可达到95%左右，因此能较好地解决风源系统漏风定位问题。

关键词：风源系统;声发射;漏风检测;小波包;时延估计

0 引言

动车风源系统是提供压缩空气的装置，而压缩空气是整车制动系统及各辅助系统的主要工作介质，风源系统性能直接关系到各用风系统。制动系统对风源系统提供的风压有一定要求，当风压小于设定值，可能造成严重后果。风源系统中导致风压降低的主要原因是各部件及连接处漏风，因此对风源系统的实时动态监测对于动车的安全运行具有重要意义。目前国内外针对风源系统检测的方法较少，尤其是针对动车环境下风源系统的检测较少，而针对管道泄漏检测的方法很多[1]，如雷云等[2]提出的负压波检测方法。但负压波检测多用于长管道运输，背景一般为石油、天然气运输管道及城市供水供热系统。考虑到风源系统处在运行的动车中，环境较为复杂，干扰较多且管道较短，对检测的实时性要求较高，所以并不适合使用负压波检测法;方有强[3]提出的超声波探测技术可针对制动系统中极小的泄露孔进行检测，但缺点是检测过程中在抑制环境噪声方面不具有普适性。此外，有些方法检测效果受外界环境干扰较为明显[4]。本文通过声发射技术结合小波包变换技术进行动车风源系统泄漏检测实验。声发射检测技术具有一定的抗外界干扰能力[5]，本文采用声发射传感器对风源系统进行数据采样，之后采用小波包分解与重构，并利用互相关分析，实现了对风源系统泄漏点的定位，从而达到无损检测且有效抑制噪声的目的，在一定程度上弥补了已有技术在动车风源系统泄漏检测方面的不足。

5 结语

本文通过将声发射技术与时延估计算法相结合并应用到风源系统上，可以得到以下结论：

（1）将声发射技术与小波包分解技术相结合应用于动车风源系统中，通过无损检测方式对风源系统中各漏风点进行定位。仿真实例表明，该方法具有很强的抗干扰能力和较高精度。

（3）通过对信号进行功率谱密度图分析得到主要频段，然后采用小波包进行分解与重构，以提高信噪比，从而为进一步的信号分析及提高时延估计精度打下良好基础。

（4）最终定位误差来源于声音在管道中的传播速度误差与时间延迟计算误差。通过多次测量计算求均值，可以尽可能减小声音传播误差，因此最后的定位误差基本由时延计算误差决定。

参考文献：

[1] 沈功田. 中国无损检测与评价技术的进展[J]. 无损检测， 2008 （11）：787-793.

[2] 雷云，于鹏飞，刘晓. 基于负压波法的管道泄漏检测系统及实验研究[J]. 价值工程，2017，36（26）：141-143.

[3] 方有强. 动车组制动管路泄漏的超声波探测技术研究[D]. 成都：西南交通大学，2016.

[4] 耿荣生，景鹏. 蓬勃发展的我国无损检测技术[J]. 机械工程学报， 2013， 49（22）：1-7.

[5] 沈功田，耿荣生，刘时风. 声发射源定位技术[J]. 无损检测，2002， 24（3）： 114-117，125.

[6] 耿荣生，沈功田，刘时风. 声发射信号处理和分析技术[J]. 无损检测，2002，24（1）：23-28.

[7] SEMASHKO N A，FROLOV D N，FIZULAKOV R A，et al. Variation of the intensity of signals of acoustic emission in thermocycling tests of high-temperature steel éP33[J]. Metal Science and Heat Treatment， 2002， 44（9）： 449-450.

[8] 中国机械工程学会无损检测学会. 无损检测概论[M]. 北京：机械工业出版社， 1993.

[9] NEDZVETSKAYA O V，BUDENKOV G A，SOKOLKIN A V，et al. Calculation of the acoustic channel in acoustic emission testing of bottoms of vertical steel tanks[J]. Russian Journal of Nondestructive Testing， 2003， 39（10）： 772-781.

[10] CHMELíK F， TROJANOVá Z， LUKá？ P， et al. Acoustic emission from zinc deformed at room temperature part ii the influence of grain size on deformation behaviour and acoustic emission of pure zinc[J]. Journal of Materials Science Letters， 1993， 12（15）： 1166-1168.

[11] LI B Q， EINSTEIN H H. Correction to： comparison of visual and acoustic emission observations in a four point bending experiment in Barre Granite[J]. Rock Mechanics and Rock Engineering， 2018， 51（9）： 2979-2980.

[12] WANG W J，CUI L L，CHEN D Y. Erratum to： multi-scale morphology analysis of acoustic emission signal and quantitative diagnosis for bearing fault[J]. Acta Mechanica Sinica， 2016， 32（4）： 772-772.

[13] 沈功田， 耿荣生，刘时风.声发射信号的参数分析方法[J]. 无损检测，2002 （2）： 72-77.

[14] KORCHEVSKII V V. Measurement of the parameters of the acoustic emission when metals are stretched acoustic measurements[J]. Measurement Techniques， 2006， 49（5）： 517-523.

[15] 趙静荣. 声发射信号处理系统与源识别方法的研究[D].长春：吉林大学， 2010.

[16] SAKIEV S N，AZIMOV S S，LAKAEV A， et al. Acoustic emission in solid-liquid decomposition reactions[J]. Russian Journal of Physical Chemistry A， 2007， 81（8）： 1230-1233.

[17] SUVOROV A S，SOKOV E M，ARTELNYI P V. Numerical simulation of acoustic emission using acoustic contact elements[J]. Acoustical Physics， 2014， 60（6）： 694-703.

[18] 杨国安，钟秉林，黄仁，等. 机械故障信号小波包分解的时域特征提取方法研究[J]. 振动与冲击， 2001 （2）： 25-28.

[19] 丁幼亮，李爱群，缪长青. 基于小波包能量谱的结构损伤预警方法研究[J]. 工程力学，2006 （8）： 42-48.

[20] 蒋玲莉，刘义伦，李学军，等. 小波包去噪与改进HHT的微弱信号特征提取[J]. 振动.测试与诊断，2010， 30（5）： 510-513，594.

[21] DUFF A L， HAMDI S E， PLANTIER G， et al. Time delay estimation for acoustic source location by means of short-time cross-correlation[C]. 2011 IEEE Sensors Proceedings，2011： 1885-1888.

[22] 黄雨青，王友仁，罗慧，等. 分数阶小波包时频域的信号去噪新方法[J]. 仪器仪表学报，2011，32（7）：1534-1539.

[23] 任震，何建军，黄雯莹，等. 基于小波包算法的电机故障信号的压缩和重构[J]. 中国电机工程学报，2001（1）： 26-30.

[24] 康维新，李海峰. 基于小波包分析的时反聚焦算法改进[J]. 应用科技，2018， 45（6）： 47-52.

[25] SIDAK E V，SMIRNOV D A，BEZRUCHKO B P. Estimation of the time delay of coupling between oscillators from time realizations of oscillation phases for different properties of phase dynamics[J]. Journal of Communications Technology and Electronics，2017，62（3）： 241-250.

[26] SHALTAF S. Neural-network-based time-delay estimation[J]. EURASIP Journal on Advances in Signal Processing，2004（3）： 654087.

（责任编辑：黄 健）