李文升，呂運(yùn)容，尹成先，李偉明

（1.石油管材及裝備材料服役行為與結(jié)構(gòu)安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，西安 710077；2.石油管工程技術(shù)研究院，西安 710077；3.廣東石油化工學(xué)院廣東省石化裝備故障診斷重點(diǎn)實(shí)驗(yàn)室，廣東茂名 525000）

0 引言

乙烯作為重要的化工原料，目前為止已經(jīng)是世界上用量最大的化學(xué)品之一[1]。目前為止，其裂解工藝以管式爐裂解技術(shù)為主[2]。作為乙烯裂解爐的最核心部件，裂解長(zhǎng)期承受650～1 150 ℃的高溫環(huán)境，經(jīng)常會(huì)發(fā)生各種高溫?fù)p傷，其中蠕變就是其重要失效模式之一[3]。雖然，在設(shè)計(jì)方面，爐管的設(shè)計(jì)壽命通常要求達(dá)到105h，但是受到工藝環(huán)境和操作過(guò)程的影響，蠕變損傷、彎曲變形等綜合影響通常會(huì)使?fàn)t管壽命大大縮短[4]。目前，國(guó)內(nèi)外就蠕變損傷的檢測(cè)技術(shù)研究[4]上，其中渦流檢測(cè)主要用于表面或近表面缺陷檢測(cè)[5-7]，并可結(jié)合電磁場(chǎng)數(shù)學(xué)模型進(jìn)行滲碳層厚度等參數(shù)的軟測(cè)量[8-12]。而矯頑力作為一種電磁參數(shù)，由于其大小與金屬含碳量存在明顯密切關(guān)系[13]，因此被用來(lái)進(jìn)行滲碳損傷機(jī)理的檢測(cè)技術(shù)方法開(kāi)發(fā)[14-16]。另外，巴克豪森噪聲法[17]和超聲檢測(cè)技術(shù)[18-20]也被用于開(kāi)展高溫?fù)p傷檢測(cè)研究，但目前還無(wú)法實(shí)際應(yīng)用。

1 乙烯裂解爐管各階段高溫?fù)p傷特征研究

乙烯裂解爐管高溫?fù)p傷過(guò)程中，蠕變與滲碳往往為伴生關(guān)系，蠕變孔洞的位置與滲碳晶界有關(guān)，因此本文以滲碳體形態(tài)特征和蠕變孔洞的狀態(tài)為劃分標(biāo)準(zhǔn)，根據(jù)電子掃描顯微鏡和能譜分析結(jié)果，將爐管從原始狀態(tài)到失效之間分為7個(gè)階段，即基本完好階段、晶內(nèi)二次滲碳體析出階段、骨架狀晶界開(kāi)始粗化溶解階段、蠕變?cè)缙诿壬A段、骨架狀晶界全面溶解階段、失效臨界狀態(tài)階段和失效狀態(tài)階段，Cr 含量減少量達(dá)到兩位數(shù)，但其含量仍為兩位數(shù)，如表1 所示，其中蠕變過(guò)程主要發(fā)生在階段D，同時(shí)在D階段之后的E狀態(tài)，伴隨有Cr、Ni含量在數(shù)量級(jí)上發(fā)生變化[21]。

表1 各高溫?fù)p傷狀態(tài)的材料微觀特征描述

圖1 蠕變?cè)缙诿壬腟EM圖像

從圖2所示的蠕變?cè)缙谔卣骺芍?，?dú)立蠕變孔洞是蠕變進(jìn)入早期階段的主要微觀特征之一，這與表1的觀察結(jié)果相一致，同時(shí)，也可以觀察到，獨(dú)立蠕變孔洞開(kāi)始出現(xiàn)之后，Cr、Ni 含量的變化會(huì)發(fā)生劇烈變化。眾所周知，Ni 元素屬于鐵磁性元素，而Cr元素則相反表現(xiàn)順磁性，因此表1所示的Cr、Ni元素變化將很可能從整體上誘發(fā)乙烯裂解爐管的磁特征，從而為蠕變?cè)缙诘拇盘卣髟\斷提供了可能性。

圖2 蠕變?cè)缙陔A段的獨(dú)立孔洞特征圖[20]

2 乙烯裂解爐管蠕變?cè)缙诘拇盘卣餍盘?hào)分析

從乙烯裂解爐管的磁特征來(lái)說(shuō)，材料在初始階段，相比于順磁性的Cr 元素和奧氏體相鐵，即γ-Fe相，鐵磁性Ni元素在含量上較低，因此裂解爐管整體表現(xiàn)為順磁性。但是，從表1中可以看出，隨著高溫?fù)p傷的發(fā)展，Cr和Ni元素的含量變化，將逐步改變爐管的磁特性。由于Cr 和Ni 對(duì)材料的磁特性具有相反做用，且作用強(qiáng)弱與含量之比有關(guān)，因此可用晶內(nèi)Ni/Cr比的變化來(lái)衡量裂解爐管材料的微觀磁特征變化。

同時(shí)，從表1 中也可以得出晶內(nèi)Ni/Cr 比的變化是隨著使用時(shí)間單調(diào)變化的，即Cr 含量的減少量隨著使用時(shí)間單調(diào)遞增，同時(shí)Ni 含量的增加量隨著使用時(shí)間單調(diào)遞增，由此可以得晶內(nèi)Ni/Cr 比的變化即可以表征材料的使用時(shí)間，同時(shí)也能反映材料的磁特性變化，從而建立材料高溫?fù)p傷嚴(yán)重程度與材料磁特征信號(hào)之間的定量關(guān)聯(lián)。

綜上，本文中以采用晶內(nèi)Ni/Cr比與材料Ni/Cr比均值（含晶內(nèi)和晶界在內(nèi)）之差作為高溫?fù)p傷過(guò)程或使用時(shí)間的微觀特征變量，研究高溫?fù)p傷程度與材料磁特征信號(hào)之間的定量關(guān)系和變化規(guī)律。

而磁特征信號(hào)則將選擇矯頑力，針對(duì)表1所示的7個(gè)損傷階段的多個(gè)試樣矯頑力測(cè)量，并以晶內(nèi)Ni/Cr比與材料Ni/Cr 比均值（含晶內(nèi)和晶界在內(nèi)）之差作為表征高溫?fù)p傷程度或使用時(shí)間的微觀變量，建立起一個(gè)高溫?fù)p傷全壽命周期內(nèi)矯頑力的變化規(guī)律曲線，如圖3 所示，其中A～F 分別表示表1 中從基本完好階段到失效臨界狀態(tài)階段的矯頑力測(cè)量結(jié)果。

圖3 矯頑力隨高溫?fù)p傷程度的變化規(guī)律

從圖3中可以發(fā)現(xiàn)，蠕變?cè)缙陔A段，即圖中的D階段，矯頑力正好處于由逐漸下降轉(zhuǎn)為快速爬升的一個(gè)轉(zhuǎn)變階段，該階段與矯頑力有關(guān)的高溫?fù)p傷全壽命周期曲線，呈現(xiàn)一個(gè)U形拐點(diǎn)。同時(shí)，由表1可知，拐點(diǎn)之后，材料內(nèi)部開(kāi)始出現(xiàn)獨(dú)立蠕變孔洞，并逐步發(fā)展成鏈狀微觀缺陷，而之前則幾乎沒(méi)有任何形式的蠕變孔洞，因此可以得出結(jié)論，該U形拐點(diǎn)可以作為識(shí)別裂解爐管開(kāi)始進(jìn)入蠕變?cè)缙陔A段的宏觀磁特征信號(hào)。

3 乙烯裂解爐管蠕變?cè)缙谥悄茉\斷算法

雖然矯頑力規(guī)律曲線中的U形拐點(diǎn)可以作為識(shí)別蠕變?cè)缙陔A段的特征信號(hào)，但是如圖4所示，真實(shí)的測(cè)量曲線中仍然存在很多干擾拐點(diǎn)信號(hào)。并且，在實(shí)際操作過(guò)程中，若僅僅依靠人工識(shí)別，則存在主觀性強(qiáng)，且肉眼難以準(zhǔn)確判斷各類拐點(diǎn)之間的微小差別，從而導(dǎo)致誤判。因此，為了提高蠕變?cè)缙谧R(shí)別的準(zhǔn)確性，并實(shí)現(xiàn)智能化識(shí)別，本文引入數(shù)學(xué)優(yōu)化算法，綜合利用一些數(shù)據(jù)處理及特征提取數(shù)據(jù)工具，一來(lái)有效剔除特征曲線中干擾信號(hào)的影響，二來(lái)，實(shí)現(xiàn)裂解爐管蠕變?cè)缙谠\斷的智能化，提高人工診斷的準(zhǔn)確性。

圖4 高溫?fù)p傷程度矯頑力變化規(guī)律中的特征拐點(diǎn)和干擾拐點(diǎn)

首先，為排除干擾信號(hào)的影響，必須分析干擾信號(hào)與特征信號(hào)的數(shù)值特征進(jìn)行有效分析，本文采用線性數(shù)值差分法識(shí)別各拐點(diǎn)，并對(duì)拐點(diǎn)的變化差分率進(jìn)行定量數(shù)值分析，其分析算法如下所示：

式中：h為差分步長(zhǎng)。

根據(jù)式（1）～（3），并將圖4中所示拐點(diǎn)從左到右分別標(biāo)號(hào)為0～8號(hào)，則各拐點(diǎn)的線性差分結(jié)果如表2 所示。從表2 中可以看出，矯頑力測(cè)量結(jié)果的數(shù)據(jù)特征為干擾信號(hào)的差分結(jié)果遠(yuǎn)明顯比特征信號(hào)要第一個(gè)數(shù)量級(jí)（編號(hào)4和8），利用這一數(shù)據(jù)特征，只要通過(guò)合理弱化差分?jǐn)?shù)據(jù)特征的方法，即可消除差分特征明顯微弱的干擾信號(hào)，又保留特征信號(hào)的現(xiàn)有特征。本文采用分段聚集近似算法（Piecewise Aggre?gate Approximation，PAA）來(lái)消除噪聲拐點(diǎn)信號(hào)。

表2 各拐點(diǎn)差分?jǐn)?shù)值特征

假設(shè)在線檢測(cè)周期為N，每個(gè)單元（如爐管）每次測(cè)量m個(gè)點(diǎn)位，每個(gè)點(diǎn)位獲得k個(gè)數(shù)據(jù)，同時(shí)，令被檢測(cè)單元第k次測(cè)量的第i個(gè)點(diǎn)位的第j個(gè)測(cè)量結(jié)果為dkij，k=1，2，3，…，n，其中n 為測(cè)量的總次數(shù)，i=1，2，3，…，u，其中u為每次測(cè)量各單元所選測(cè)點(diǎn)的總數(shù)，j=1，2，3，…，v，其中v 為每個(gè)測(cè)點(diǎn)的數(shù)據(jù)總數(shù)。則在dkij和d（k-1）ij之間用于弱化差分的填充數(shù)據(jù)可由下式加以計(jì)算：

式中：dkij-l為第k組填充數(shù)據(jù)的第l個(gè)填充數(shù)據(jù)；Q為dkij和d（k-1）ij之間所需填充數(shù)據(jù)的個(gè)數(shù)。

在數(shù)據(jù)處理過(guò)程中，則利用dkij和dkij-l并以M為數(shù)據(jù)窗口數(shù)量進(jìn)行原始數(shù)據(jù)處理，得到用于數(shù)據(jù)分析的中間數(shù)據(jù)其中M＜n，如下所示：

經(jīng)過(guò)降噪處理的數(shù)據(jù)點(diǎn)及對(duì)應(yīng)的折線如圖5 所示，從圖中可以看出，經(jīng)過(guò)數(shù)據(jù)處理，除了特征拐點(diǎn)之外，干擾拐點(diǎn)基本都被剔除。

圖5 數(shù)據(jù)處理前后矯頑力測(cè)量特征曲線的對(duì)比

為了更為智能地提取蠕變?cè)缙诘奶卣鞴拯c(diǎn)，針對(duì)式（5）處理之后的中間數(shù)據(jù)，采用一維光滑樣條算法（One-dimensional Smoothing Spline，ODSS）擬合出dkij與測(cè)量時(shí)間跨度t之間的規(guī)律曲線，其擬合公式如下所示：

式中：θs為擬合公式f（x）的參數(shù)集合；λ為平滑擬合參數(shù)。

確定參數(shù)的方程如下所示：

經(jīng)過(guò)式（4）～（8）處理得到的光滑數(shù)據(jù)曲線如圖6所示。

圖6 經(jīng)過(guò)數(shù)據(jù)處理和平滑處理后的測(cè)量特征曲線

對(duì)于圖6所示的光滑曲線，蠕變?cè)缙陔A段智能診斷算法可以通過(guò)下式判斷矯頑力測(cè)量曲線是否存在U形曲線的極值點(diǎn)：

如果存在極值點(diǎn)，則判斷材料的高溫?fù)p傷已進(jìn)入蠕變?cè)缙陔A段，根據(jù)表1所示的內(nèi)容，材料內(nèi)部可能已經(jīng)開(kāi)始出現(xiàn)少量的獨(dú)立蠕變孔洞，材料大量二次滲碳體開(kāi)始強(qiáng)化材料，材料韌性下降，從而實(shí)現(xiàn)蠕變?cè)缙陔A段的智能診斷。

4 結(jié)束語(yǔ)

乙烯裂解爐管，按照滲碳體形態(tài)特征和蠕變孔洞的狀態(tài)，從原始狀態(tài)到失效之間大致可分為7個(gè)狀態(tài)，即基本完好階段、晶內(nèi)二次滲碳體析出階段、骨架狀晶界開(kāi)始粗化溶解階段、蠕變?cè)缙诿壬A段、骨架狀晶界全面溶解階段、失效臨界狀態(tài)階段和失效狀態(tài)階段，通過(guò)定性觀察和定量分析可以發(fā)現(xiàn)，隨著爐管高溫?fù)p傷過(guò)程或使用時(shí)間，材料內(nèi)部的Cr、Ni 含量將發(fā)生單調(diào)變化，從而蠕變?cè)缙诘莫?dú)立蠕變孔洞僅在Cr、Ni 含量變化到一定階段才會(huì)出現(xiàn)，并持續(xù)發(fā)展為微觀缺陷，同時(shí)，考慮到Cr、Ni元素分別為順磁性和鐵磁性元素，其含量變化必然影響爐管的宏觀磁特征，因此，理論上可以用磁特征信號(hào)來(lái)表征高溫?fù)p傷的發(fā)展階段。將矯頑力作為宏觀磁特征值，Ni/Cr比差值作為使用時(shí)間的微觀表征變量，得到的高溫?fù)p傷全壽命周期磁特征規(guī)律曲線，從曲線在蠕變?cè)缙诿壬A段的變化特征可知，在進(jìn)入蠕變?cè)缙陔A段之前，高溫?fù)p傷全壽命周期磁特征規(guī)律曲線會(huì)出現(xiàn)一個(gè)明顯的U形拐點(diǎn)，因此，該特征可以作為識(shí)別蠕變?cè)缙陔A段的磁特征信號(hào)。并且，考慮到是實(shí)際的使用中，該特征規(guī)律曲線，除了該U 形特征信號(hào)之外，同時(shí)也存在大量干擾拐點(diǎn)信號(hào)，并且拐點(diǎn)的識(shí)別可能受到人為因素的干擾，從而導(dǎo)致誤判，為此，本文提出了線性差分率數(shù)值分析方法識(shí)別干擾信號(hào)特征，并采用PAA和ODSS算法消除所有干擾信號(hào)的智能信號(hào)處理方法，并以此為基礎(chǔ)進(jìn)行U形特征信號(hào)的識(shí)別，進(jìn)而實(shí)現(xiàn)蠕變?cè)缙趽p傷的智能診斷。