存储器、氢致开裂过程的识别方法、装置及设备

摘要

本发明公开了一种氢致开裂过程的识别方法和装置，该方法包括如下步骤：A、在恒载荷及控温充氢实验条件下对金属拉伸试件进行氢致开裂过程监测时，采集全过程的声发射信号；B、将声发射信号中提取出的时域参数以及计算获得的小波能谱系数作为输入变量进行聚类分析，获取气泡产生与破裂、材料表面开裂与脱离、氢致裂纹的生长三个阶段分别对应的聚类类别；C、将聚类类别中不同区域的时域参数和小波能谱系数作为输入、三个阶段的声发射源作为输出，对氢致开裂过程识别模型进行训练；D、通过训练后的氢致开裂过程识别模型识别不同声发射信号对应的氢致开裂过程的三个阶段。本发明的方法及装置可快速有效地处理分析氢致开裂过程中不同模态下的声发射信号，为在用临氢压力容器氢致开裂的现场监测提供理论依据。

说明书

技术领域

本发明涉及临氢压力容器监测技术领域，特别涉及一种氢致开裂过程的识别与评价方法及装置。

背景技术

氢致开裂是临氢压力容器一种发生频率较高、后果比较严重的破坏现象。临氢压力容器在石化企业中的应用非常广泛，多在高温、高压和强腐蚀性等严苛的工况下运行，其介质往往是易燃、易爆或具有腐蚀性、毒性的物质，一旦发生泄露或爆炸，将直接关系到人民生命财产安全、国民经济安全运行和社会稳定。因此，对临氢压力容器进行有效地在线实时监测是一个重要的研究课题。

声发射检测技术作为一种动态无损检测方法，通过监听材料内部由于能量释放产生的弹性波，能有效地表征材料内部损伤演化信息，它已经被广泛地应用到各种类型材料的损伤检测中。材料发生氢致开裂的损伤模式与损伤过程十分复杂，而且在损伤的过程中都会产生大量的声发射信号。因此，快速有效的处理和分析氢致开裂信号是实现在线监测的关键。

采用声发射手段进行无损检测在现有技术中也有应用，例如，中国专利申请CN110376289A公开了一种基于声发射手段的复合材料纤维编织层损伤识别方法，属于无损检测技术领域，利用声发射无损检测手段实现对纤维增强型复合材料的不同纤维编织层损伤状况的监测，将声发射技术与多尺度分析信号的小波分析手段以及有效的模式识别技术相结合，能够实现对纤维增强型复合材料结构的不同纤维编织层进行有效、准确且实时的在线无损检测。该方案包括以下步骤：建立被监测材料的损伤特征分析表；依据得到的损伤特征分析表建立声发射在线监测系统。该方法可提高检测的准确性，对复合材料损伤检测更为细致，对损伤的评价更为可靠。

如何对声发射信号进行有效识别，并从这些声信号中获取声发射源定性和定量的信息，并提取出主成分的特征参数，对实现临氢压力容器在线实时监测具有重要意义。目前，对于氢致开裂过程较为准确的识别还有待深入研究，因此，通过在实验室条件下进行测试，综合肉眼观测、电化学、力学和声学等多源信息，研究氢致开裂过程的不同模态状况，提取出对应的特征参数，为临氢压力容器的在线监测提供了理论依据和技术支持。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供氢致开裂过程的识别方法和装置，在实验室条件下进行氢致开裂测试，可快速有效地处理分析氢致开裂过程中不同模态下的声发射信号，为在用临氢压力容器氢致开裂的现场监测提供理论依据。

为实现上述目的，根据本发明的第一方面，本发明提供了一种氢致开裂过程的识别方法，包括如下步骤：A、在恒载荷及控温充氢实验条件下对金属拉伸试件进行氢致开裂过程监测时，采集全过程的声发射信号；B、将声发射信号中提取出的时域参数以及计算获得的小波能谱系数作为输入变量进行聚类分析，获取气泡产生与破裂、材料表面开裂与脱离、氢致裂纹的生长三个阶段分别对应的聚类类别；C、将聚类类别中不同区域的时域参数和小波能谱系数作为输入、三个阶段的声发射源作为输出，对氢致开裂过程识别模型进行训练；D、通过训练后的氢致开裂过程识别模型识别不同声发射信号对应的氢致开裂过程的三个阶段。

进一步，上述技术方案中，时域参数可包括：声发射信号的上升时间、幅值、能量、计数以及持续时间。

进一步，上述技术方案中，小波能谱系数的计算可具体包括：计算小波分解尺度，用于确定小波分解的级数；根据小波分解的级数，计算波形函数各级中的能量值以及总能量值；通过各级中的能量值以及总能量值计算小波能谱系数。

进一步，上述技术方案中，小波分解尺度的计算公式为：

其中，f

波形函数具体表达为：

f(t)＝f

其中，f

各级中的能量为：

总能量为：

小波尺度下各级的小波能谱系数的计算公式为：

R

进一步，上述技术方案中，步骤B中的聚类分析基于k-means算法进行迭代计算，具体包括：将归一化处理后的所述时域参数以及小波能谱系数作为所述k-means的输入，使用加权欧式距离对所述三个阶段的声发射信号进行分类，获取三个阶段分别对应的聚类中心；对每一个聚类中心的边缘化数据通过补偿算法进行强化处理，获得界限明确的聚类类别。

进一步，上述技术方案中，获取三个阶段分别对应的聚类中心过程中，确定聚类有效的条件为：欧氏距离作为声发射信号间相似性测度的数值大于一个预设阈值；相似性测度公式为：

其中，a(1)表示第l个点与其同类中的其他点之间的平均距离；b(1,k)为一个向量，表示第1个点与不同类别中各点的平均距离。

进一步，上述技术方案中，边缘化数据通过补偿算法进行强化处理可具体为：选择聚类产生的簇心作为锚点，以簇心为圆心，以欧式距离的最大值作为半径，对欧式距离进行分段，将一种分类模式下的聚类信号分为多个区域，对各个不同区域进行不同程度的补偿，基于二分法获得相应的补偿系数，使得各个区域的边缘化数据与聚类中心同等。

进一步，上述技术方案中，步骤C中的氢致开裂过程识别模型可为基于BP神经网络的算法模型。

进一步，上述技术方案中，氢致开裂过程识别模型建立过程中，可将补偿系数加入氢致开裂过程识别模型连接权重的算法中。

为实现上述目的，根据本发明的第二方面，本发明提供了一种氢致开裂过程的识别装置，包括：声发射信号采集模块，其用于在恒载荷及控温充氢实验条件下对金属拉伸试件进行氢致开裂过程监测时，采集全过程的声发射信号；聚类分析模块，其用于将声发射信号中提取出的时域参数以及计算获得的小波能谱系数作为输入变量进行聚类分析，获取气泡产生与破裂、材料表面开裂与脱离、氢致裂纹的生长三个阶段分别对应的聚类类别；模型训练模块，将聚类类别中不同区域的时域参数和小波能谱系数作为输入、三个阶段的声发射源作为输出，对氢致开裂过程识别模型进行训练；过程识别模块，其用于通过训练后的氢致开裂过程识别模型识别不同声发射信号对应的氢致开裂过程的三个阶段。

为实现上述目的，根据本发明的第三方面，本发明提供了一种存储器，包括指令集，指令集适于处理器执行如前述氢致开裂过程的识别方法中的步骤。

为实现上述目的，根据本发明的第四方面，本发明提供了一种氢致开裂过程的识别设备，包括总线、输入装置、输出装置、处理器和如前述存储器；总线用于连接存储器、输入装置、输出装置和处理器；输入装置和输出装置用于实现与用户的交互；处理器用于执行所述存储器中的指令集。

与现有技术相比，本发明具有如下有益效果：

1)本发明通过五个声发射信号的时域参数以及计算得到的小波能谱系数可以更有效地表征氢致开裂过程识别模型的特征参数，识别精确度更高；

2)本发明的聚类分析过程增加了补偿算法，可以将每个聚类中心边缘处的数据进行强化处理，使得聚类类别的边界更为清晰，最大限度地避免分类识别出现错误；

3)本发明可为材料发生氢致开裂过程中的损伤演化和失效机理研究提供了直接的依据；

4)通过基于BP神经网络建立的氢致开裂过程识别模型可以对氢致开裂声发射信号进行有效识别，从而确定声发射信号源的性质，即判断出材料的失效机理；

5)本发明可对材料发生氢致开裂的不同阶段进行判别，对在役临氢压力容器的实时监测具有重大意义。

根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得清楚。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1为本发明实施例1氢致开裂过程的识别方法的流程示意图；

图2为本发明实施例2氢致开裂过程的识别装置的结构示意图；

图3为本发明实施例4氢致开裂过程的识别设备的结构示意图。

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件未作详细描述，以便于凸显本发明的主旨。

如图1所示，本发明的氢致开裂过程的识别方法实施例1具体包括如下步骤：

步骤S101，在恒载荷及控温充氢实验条件下对金属拉伸试件进行氢致开裂过程监测时，采集全过程的声发射信号。具体地，准备金属材料拉伸试件，实验条件满足使用恒载荷和控温充氢环境，测量目标材料试件在不同的恒载荷下和高温环境下发生氢致开裂的过程，可采用PCI-2全数字声发射仪采集实验全过程中的声发射信号，该氢致开裂全过程主要包括电解充氢中气泡产生与破裂、材料表面开裂与脱离以及氢致裂纹的生长这三种不同的阶段。

步骤S102，记录实验数据。在整个实验过程中，全程观察从声发射仪中获取的声发射关联图，同时用肉眼观测环境箱的气泡的上升与破裂以及目标材料试件表面的腐蚀层的变化，并对目标材料试件发生变化的现象进行记录；以上的实验可提供不同受载条件、不同温度、不同氢气浓度条件下的金属材料发生氢致开裂的全过程三个不同阶段的声学样本数据。

步骤S103，将采集的声发射信号中提取出时域参数以及计算获得小波能谱系数。具体地，从步骤S102中的声发射关联图中提取声发射信号的时域参数，主要包含声发射信号的上升时间、幅值、能量、计数、持续时间五个特征参量。同时对实验获取的声发射信号进行db小波分解与重构，得到重构的声发射波形信号及频谱图，计算三类(即氢致开裂全过程的三个阶段)声发射源典型信号的小波能谱系数。采用平均数方差标准化的方法对以上六个特征参量进行归一化处理。

小波能谱系数的计算可具体包括如下步骤：首先，计算小波分解尺度，用于确定小波分解的级数；其次，根据小波分解的级数，计算波形函数各级中的能量值以及总能量值；通过各级中的能量值以及总能量值计算所述小波能谱系数。其中，小波分解尺度的计算公式可具体表达为：

其中，f

波形函数可具体表达为：

f(t)＝f

其中，f

波形函数各级中的能量为：

总能量表达为：

小波尺度下各级的小波能谱系数的计算公式可表达为：

R

从公式(5)可见，通过波形函数各级中的能量值与总能量值的比值即可计算小波能谱系数。计算获得的小波能谱系数作为识别材料氢致开裂损伤模式的声发射信号特征参数，与其他五个时域参数一起可作为后续聚类分析的输入参量。在聚类分析之前还需要对上述六个特征参数进行归一化处理。本实施例通过使用平均数方差标准化的方法进行声发射信号特征参数的归一化处理，具体将数据进行均值为0，标准差为1的标准正态分布变换。即对于具有n个声发射信号的样本，平均数方差标准化的计算可通过下式进行：

其中x

步骤S104，将归一化处理后的上述六个特征参数作为输入变量进行聚类分析，获取气泡产生与破裂、材料表面开裂与脱离、氢致裂纹的生长三个阶段分别对应的聚类类别。具体地，聚类分析可基于k-means算法进行迭代计算，计算过程可具体包括：

首先，将归一化处理后的时域参数以及小波能谱系数作为k-means的输入，k-means算法迭代过程以及划分样本时可使用加权欧式距离对三个阶段的声发射信号进行分类，获取三个阶段分别对应的聚类中心。本实施例采用基于无监督模式识别的声发射信号聚类分析方法，是在损伤模式及各信号类别都未知的情况下，通过选取特征参数，按照参数间某一中特定的相似性度量方法和聚类算法把类别相似的声发射信号分成一类。具体包括：预先定义分类数k，并选取k个样品作为初始的聚类中心；计算每一个输入向量与聚类中心的距离，将输入向量分配给与其聚类中心距离最小的一类，得出一个初始的分类方案，并根据各类别的均值重新计算聚类中心；根据新的聚类中心对样品进行重新分类；反复循环计算和重新分类过程，当聚类中心收敛，聚类结束。

在获取三个阶段分别对应的聚类中心过程中，确定聚类有效的条件为：欧氏距离作为声发射信号间相似性测度的数值大于一个预设阈值；该相似性测度公式为：

其中，a(1)表示第l个点与其同类中的其他点之间的平均距离；b(1,k)为一个向量，表示第1个点与不同类别中各点的平均距离。经过迭代计算后，当s值满足大于预设阈值时即可确定聚类有效。

其次，对每一个聚类中心的边缘化数据通过补偿算法进行强化处理，获得界限明确的所述聚类类别。由于不同阶段聚类中心与聚类中心间边缘的信号分类不清晰，特征不明显，在分类过程中就容易模糊不清，从而导致误识别，故对每一个聚类中心的边缘化数据进行强化处理，可使分类边界更为清晰。本实施例使用对边缘数据的补偿算法，即选择k-means算法聚类产生的簇心作为锚点，以簇心为圆心，以欧式距离的最大值作为半径，对距离进行分段，将一种分类模式下的聚类信号分为几个区域，对各个不同区域进行不同程度的补偿，基于二分法给出相应的补偿系数，使得各个区域的声源特征(即边缘化数据)的显著程度与聚类中心处于同等，从而削弱边缘化数据模糊不清的现状，提高识别的准确率。具体地，可设距离最大值为x，基于二分法对x进行分段，设分为n段，二分法的迭代步数为n-1，可以依次划分出n个区域，再取各个区域的距离长度的倒数进行比较，根据比较值再分别计算出各个比例所占的权重，该权重即为最终获得的补偿系数。

步骤S105，将聚类类别中不同区域的时域参数和小波能谱系数作为输入、三个阶段的声发射源作为输出，对氢致开裂过程识别模型进行训练。本实施例的氢致开裂过程识别模型优选采用基于BP神经网络的算法模型。具体地，将前述提取出的不同区域的声发射信号的上升时间、幅值、能量、计数、持续时间以及计算得到的小波能谱系数这六个特征参数，作为氢致开裂过程识别模型的输入层，三种不同类型的声发射源作为输出层，建立一个由输入层、隐含层和输出层组成的三层BP神经网络，将步骤S104中计算得到的补偿系数加入模型连接权重的算法中，利用实验中的获得的典型数据建立模型的训练样本集和测试样本集，对模型进行训练和测试。

步骤S106，通过训练后的氢致开裂过程识别模型识别不同声发射信号对应的氢致开裂过程的三个阶段。为分析氢致开裂损伤过程提供一种智能识别方法，为在用临氢压力容器的氢致开裂的现场监测提供理论依据。

本发明为材料发生氢致开裂过程中的损伤演化和失效机理研究提供了直接的依据，通过基于BP神经网络建立的氢致开裂过程识别模型可以对氢致开裂声发射信号进行有效识别，从而确定声发射信号源的性质，即判断出材料的失效机理，可以对材料发生氢致开裂的不同阶段进行判别，对在役临氢压力容器的实时监测具有重大意义。通过五个声发射信号的时域参数以及计算得到的小波能谱系数可以更有效地表征氢致开裂过程识别模型的特征参数，识别精确度更高。聚类分析过程增加了补偿算法，可以将每个聚类中心边缘处的数据进行强化处理，使得聚类类别的边界更为清晰，最大限度地避免分类识别出现错误。

如图2所示，本实施例的氢致开裂过程的识别装置为与实施例1中识别方法对应的装置，即，通过虚拟装置的方式实现实施例1中的方法，构成氢致开裂过程的识别装置的各个虚拟模块可以由电子设备执行，例如网络设备、终端设备、或服务器。

本实施例提供的氢致开裂过程的识别装置主要包括：声发射信号采集模块201、聚类分析模块202、模型训练模块203以及过程识别模块204。其中，声发射信号采集模块201用于在恒载荷及控温充氢实验条件下对金属拉伸试件进行氢致开裂过程监测时，采集全过程的声发射信号；聚类分析模块202用于将声发射信号中提取出的时域参数以及计算获得的小波能谱系数作为输入变量进行聚类分析，获取气泡产生与破裂、材料表面开裂与脱离、氢致裂纹的生长三个阶段分别对应的聚类类别；模型训练模块203用于将聚类类别中不同区域的时域参数和小波能谱系数作为输入、三个阶段的声发射源作为输出，对氢致开裂过程识别模型进行训练；过程识别模块204用于通过训练后的氢致开裂过程识别模型识别不同声发射信号对应的氢致开裂过程的三个阶段。

本实施例提供了一种存储器，该存储器可以是非暂态(非易失性)计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的氢致开裂过程的识别方法的各个步骤，并实现相同的技术效果。

本实施例提供了一种氢致开裂过程的识别设备，该设备所包括的存储器中，包括有相应的计算机程序产品，计算机程序产品所包括程序指令被计算机执行时，可使计算机执行以上各个方面所述的氢致开裂过程的识别方法，并实现相同的技术效果。

图3是本实施例作为电子设备的硬件结构示意图，如图3所示，该设备包括一个或多个处理器610以及存储器620。以一个处理器610为例。该设备还可以包括：输入装置630和输出装置640。

处理器610、存储器620、输入装置630和输出装置640可以通过总线或者其他方式连接，图3中以通过总线连接为例。

存储器620作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的处理方法。

存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置630可接收输入的数字或字符信息，以及产生信号输入。输出装置640可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器620中，当被所述一个或者多个处理器610执行时，执行：本发明氢致开裂过程的识别方法。上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。