作者：常俊杰1, 吴中权1, 罗文斌2, 徐洋1, 董德秀3
作者单位：1. 南昌航空大学 无损检测技术教育部重点实验室，江西 南昌 330063;
2. 珠海格力电器股份有限公司，广东 珠海 519060;
3. 中国航发沈阳黎明航空发动机有限责任公司，辽宁 沈阳 110043
关键词：空气耦合超声;乳化层;液位检测;EEMD;VMD;BP神经网络
摘要：
运用A0模态Lamb波对罐内原油乳化层进行非浸入式液位检测。为滤去杂波，用信号EEMD分解得到的IMF1分量的能量值作为特征参数来衡量罐内不同液体介质对Lamb波能量泄漏的影响程度；为避免EEMD分解时频率失真，对信号进行EMD分解，用前4阶IMF分量的过零点数作为特征参数来衡量罐内液体介质对Lamb波频率分量的影响；针对EMD分解和EEMD分解的不足，对信号进行2阶VMD分解分离出A0模态Lamb波，用IMF分量的中心频率作为特征参数来表征罐内不同介质对A0模态和非A0模态频率分量的影响。用信号的特征参数和其对应的液体介质作为样本，建立BP神经网络液位识别模型，测试结果显示对水-乳化层界面和乳化层-原油界面的识别误差分别为0.2%和13.8%，达到较好的液位检测效果。
EEMD-VMD based air coupled ultrasonic liquid level detection of emulsion layer in oil storage tank
CHANG Junjie1, WU Zhongquan1, LUO Wenbin2, XU Yang1, DONG Dexiu3
1. Key Laboratory of Nondestructive Testing Technology, Ministry of Education, Nanchang Hangkong University, Nanchang 330063, China;
2. Zhuhai Gree Electric Appliance Co., Ltd., Zhuhai 519060, China;
3. China Aviation Development Shenyang Liming Aviation Engine Co., Ltd., Shenyang 110043, China
Abstract: The A0 modal Lamb wave is used to detect the non-immersed liquid level of the crude oil emulsion layer in the tank. In order to filter out the clutter, the energy value of the IMF1 component obtained by the signal EEMD decomposition is used as a characteristic parameter to measure the influence of the different liquid media in the tank on the energy leakage of the Lamb wave; in order to avoid frequency distortion during EEMD decomposition, the signal still needs to be EMD Decomposition, using the zero-crossing points of the first four-order IMF components as characteristic parameters to measure the influence of the liquid medium in the tank on the frequency components of the Lamb wave; in view of the shortcomings of the EMD decomposition and EEMD decomposition, the signal is subjected to the second-order VMD decomposition to separate the A0 mode The Lamb wave uses the center frequency of the IMF component as a characteristic parameter to characterize the influence of different media in the tank on the A0 mode and non-A0 mode frequency components. Using the characteristic parameters of the signal and its corresponding liquid medium as samples, the BP neural network liquid level recognition model was established. The test results showed that the recognition errors of the water-emulsion layer interface and the emulsion layer-crude oil interface were 0.2% and 13.8%, respectively, reaching It has a better liquid level detection effect.
Keywords: air coupled ultrasound;emulsion layer;liquid level detection;EEMD;VMD;BP neural network
2022, 48(5):31-37 收稿日期: 2021-06-30;收到修改稿日期: 2021-10-14
基金项目: 国家自然科学基金（11464030）
作者简介: 常俊杰（1964-），女，辽宁大连市人，教授，博士，主要从事超声无损检测的应用技术研究及检测设备的研发等工作
参考文献
[1] 周庆凡. 中国石油与天然气在世界的地位[J]. 石油与天然气地质, 2020, 41(5): 888
[2] 司军辉. 油水界面测量技术综述与现场应用选型设计[J]. 石化技术, 2020, 27(8): 278-279
[3] 杨帆, 张彩丽, 任喜伟. 一种分布式原油储罐油水界面监测系统设计[J]. 计算机测量与控制, 2011, 19(6): 1308-1310
[4] CASANELLA R, CASAS O, RAMON P A. Oil water int-erface level sensor based on an electrode array[C]// IEEE Instrumentation and Measurement Technology Conference. IEEE, 2006.
[5] 葛君山. 液位检测技术的现状与发展趋势[J]. 船电技术, 2013, 33(2): 43-45
[6] 张仙伟, 王何庆, 张倩. 基于温度补偿的储油罐液位监测系统的设计与实现[J]. 智能计算机与应用, 2019, 9(5): 214-216
[7] 王德利. 磁致伸缩液位计原位校准技术的研究[D]. 郑州: 战略支援部队信息工程大学, 2018.
[8] 常俊杰, 罗文斌, 曾雪峰, 等. 基于空气耦合超声对储油罐液位的检测[J]. 中国测试, 2020, 46(9): 34-39
[9] 徐鸿, 郭鹏, 田振华, 等. 非浸入式超声导波液位测量方法研究[J]. 仪器仪表学报, 2017, 38(5): 1150-1158
[10] 史亚利, 高晓蓉. 基于空气耦合超声导波的信号技术研究[J]. 通信技术, 2017, 50(7): 1390-1394
[11] 张鹏林, 常海, 杨杰, 等. BP神经网络在风电塔筒裂纹AE源定位中的应用[J]. 中国测试, 2017, 43(9): 106-111
[12] 李俊超, 李一宁. 超声波检测中缺陷的智能识别[J]. 机械工程师, 2010(8): 73-75
[13] 张琛, 赵荣珍, 邓林峰. 基于EEMD奇异值熵的滚动轴承故障诊断方法[J]. 振动、测试与诊断, 2019, 39(2): 353-358,446-447
[14] 句海洋, 王新华, 赵以振. 改进VMD钢质管道损伤信号提取算法研究[J]. 中国测试, 2020, 46(5): 100-107
[15] 位秀雷, 林瑞霖, 刘树勇, 等. 改进EEMD方法及混沌降噪应用研究[J]. 振动与冲击, 2017, 36(17): 35-41
[16] 常俊杰, 李媛媛. 蜂窝结构复合材料的空气耦合Lamb波检测技术[J]. 复合材料科学与工程, 2020(2): 62-68
[17] 陈仁祥, 汤宝平, 马婧华. 基于EEMD的振动信号自适应降噪方法[J]. 振动与冲击, 2012, 31(15): 82-86
[18] 陈永高, 钟振宇. 基于改进EEMD算法的桥梁结构模态参数识别[J]. 公路交通科技, 2018, 35(4): 49-57
[19] AMAROUAYACHE I I E, SAADI M N, GUERSI N, et al. Bearing fault diagnostics using EEMD processing and convolutional neural network methods[J]. The International Journal of Advanced Manufacturing Technology, 2020, 107: 4077-4095
[20] 李一鸣, 白龙, 蒋周翔, 等. 基于EEMD-KPCA和KL散度的垮落煤岩识别[J]. 煤炭学报, 2020, 45(2): 827-835
[21] 李茂, 杨录, 张艳花. 基于EMD及主成分分析的缺陷超声信号特征提取研究[J]. 中国测试, 2018, 44(2): 118-121,133
[22] 胡剑超, 练继建, 马斌. 基于CEEMD和小波包阈值的组合降噪及泄流结构的模态识别方法[J]. 振动与冲击, 2017, 36(17): 1-9
[23] 李余兴, 李亚安, 陈晓, 等. 基于VMD和中心频率的舰船辐射噪声特征提取方法研究[J]. 振动与冲击, 2018, 37(23): 213-218,285
