摘要：现有铝电解槽阴极内衬破损监测方法是通过电信号监测破损区域，存在灵敏度较低的问题。因此，文章提出一种基于声发射的铝电解槽阴极内衬破损监测方法。采用铜合金材料和滤波器衰减电磁干扰和机械噪声，提取未受干扰的声信号，使用核函数构建支持向量机分离器提取损伤特征，再通过卷积神经网络对特征进行分类。利用信号传播模型计算内衬监测的双曲线方程，求解获得不同损伤的破损位置。实验表明，所提方法的灵敏度较高，相同声信号变化量引起的响应幅度在65dB以上，信噪比为22.5dB，监测效果好。

　　关键词：声发射信号；铝电解槽；电解阴极；内衬破损；破损监测方法

　　铝电解工业是现代有色金属冶炼的核心领域。电解槽长期运行中，承受高温、强腐蚀和机械应力的阴极内衬易因钠侵蚀、电解质渗透等因素破损。一旦阴极内衬失效，铝液渗漏至阴极钢棒或保温层，将引发钢棒熔化、炉底隆起以及槽壳变形等连锁反应。据统计，阴极破损导致国内铝企15%~20%的非计划停槽率，单槽大修成本超200万元。因此，开发高效、精准的阴极内衬破损监测技术，已成为提升电解槽寿命、降低生产成本、保障安全生产的关键课题。

　　传统方法通过化验原铝中铁、硅含量判断破损，存在滞后性和局限性，难以满足现代电解槽对精准定位和动态监测的需求，需引入新技术。在现有的监测方法中，蔺雪峰[1]等提出基于多源数据的叶片破损监测方法，通过特征值判断破损状态，但噪声过滤会丢失有效信号，降低监测灵敏度。范大勇[2]设计了低压配电网线路老化破损实时监测方法，对提取的特征信息，采用深度神经网络监测破损位置。该高频放电信号在传输过程中衰减，导致监测灵敏度下降。杨孟婕[3]等人设计了基于张力信号的深海网箱网纲损伤监测方法，该方法根据张力变化系数判定网纲线破断，但网纲受力状态易受动态因素影响，影响监测灵敏度。基于此，文章提出基于声发射（AE）技术的监测方法，通过捕捉应力产生的瞬态弹性波来检测内部缺陷。该方法通过实时监测破损信息，保障电解槽安全运行并优化生产。

　　1基于声发射的监测方法设计

　　1.1抑制声发射信号中的干扰信号

　　通过捕捉材料或结构在受力时产生的声发射信号可以评估铝电解槽阴极内衬的损伤状态，但在声发射信号中存在信号噪声干扰影响监测结果。采用铜合金传感器外壳和双绞屏蔽线缆，消除电解过程的电磁干扰。屏蔽效能（SE）的公式为式（1）：

　　式中：E0为未屏蔽的电场强度；E1为屏蔽后的电场强度。屏蔽效能数值越大，屏蔽效果越好。

　　除了电磁干扰以外，声发射信号中还可能存在由打壳机振动引起的机械噪声及电解质中气泡破裂产生的气泡噪声，这两种噪声易掩盖微裂纹扩展信号。以背景噪声为参考，采用最小均方算法动态调整滤波器系数以抑制噪声。滤波器输出信号y（n）可用式（2）表示：

　　式中：wT（n）为滤波器在T时系数向量；xSE（n）为参考输入向量。经滤波器输出的信号降低了机械噪声的干扰，但针对气泡噪声需采用小波阈值去噪，通过小波分解将信号映射到时频域。对信号中的高频系数采用软阈值处理，保留低频损伤特征系数，再重构信号[4-5]。由此显著抑制电解槽噪声干扰，获得原始的声发射信号。

　　1.2基于声发射信号分离损伤特征

　　处理后的原始声发射信号中，存在着时域特征和频域特征。为了分析时频特征中的损失特征，采样计算原始数据信号的均值，其均值数学定义为式（3）：

　　式中：#为原始信号均值；N为采样信号，信号数据点。瞬时性损伤信号均值通常接近零，持续性损失信号需通过希尔伯特-黄变换（Hilbert-Huang，HHT）提取信号的边际谱熵，量化信号复杂度。降低了复杂度的损失信号通过傅里叶变换信号的损伤特征，对信号加汉宁窗，减少频谱泄漏。计算离散傅里叶变换数值，根据数值生成损伤信号的时频谱图，时频谱图中分离裂纹扩展、碳块剥落等不同损伤模式的特征参数。使用核函数构建支持向量机分离器，将特征参数输入分离器，输出损伤特征[6]。

　　1.3深度学习损伤特征

　　输出的损伤特征中含有多种损伤类型，深度学习在损伤特征中通过卷积神经网络分类损伤特征，卷积神经网络损伤分类流程与参数设计，如表1所示。

　　在卷积神经网络金字塔式结构的下采样池化层，通过最大池化或平均池化逐步降低特征图的空间分辨率，扩大感受野，捕获更大范围的混合损伤特征。对混合损伤特征使用不同尺寸的卷积核，并行分层深度特征，融合多尺度信息。对深层特征进行全局平均化，生成固定长度的特征向量，减少参数量并防止过拟合。将全局平均池化输出的特征向量输入全连接层，通过Softmax函数输出各类损伤的概率分布，根据各类损伤的概率分类不同损伤特征。

　　1.4基于时差定位法监测破损位置

　　不同损伤特征位于铝电解槽阴极内衬的不同位置，因此为了更好地监测损伤位置，设计传感器阵列覆盖阴极内衬的监测区域。首先利用信号传播模型计算破损与传感器直接的距离，假设破损位置为P（x，y，z），第i个传感器位置为Si（xi，yi，zi）。信号从P（x，y，z）传播到Si（xi，yi，zi）的距离关系可以表示为式（4）：

　　式中：di为信号传播的距离关系。再选择一个传感器作为参考，计算其他传感器与选择的传感器接收信号的时间差，结合上述求得的距离关系，化简距离差方程。展开并平方后消去二次项，得到双曲线方程，对该方程求解获得破损位置。

　　2实验过程

　　2.1实验设置

　　验证声发射技术对铝电解槽阴极内衬不同类型破损的监测灵敏度，在电解槽阴极内衬预设裂纹、孔洞以及局部熔化等不同类型破损，模拟实际工况中的渐进式损伤。破损尺寸分级：微小（<5mm）、中等（5~20mm）、严重（>20mm）。电解槽阴极内衬为直径2m、高1.5m的圆柱形不锈钢容器。内衬材料采用石墨板+碳素糊料复合层材料，厚度15cm。实验所需其他仪器如表2所示。此外，在电解槽内设置电阻加热管，模拟电解槽800~950℃的运行温度。

　　在实验前选用频率范围为1kHz~1MHz的宽频带压电传感器，沿电解槽周向均匀分布，间距45。，高度方向分两层距槽底分别为0.5m、1.0m，传感器数量设为8个。以高温导热硅脂作为耦合剂，确保传感器与内衬表面良好接触，同时采用耐高温不锈钢卡箍固定传感器，防止高温下松动。触发可控损伤，逐步加载液压千斤顶的液压压力，每增加0.5MPa保持10min，同步采集声发射信号与裂纹扩展数据。重复试验3次，覆盖裂纹、孔洞以及脱粘所有破损类型。然后利用传感器采集声发射信号，信号经预处理后通过分析声发射事件的幅度、频率以及能量提取信号特征。基于信号特征确定信号的时间差，结合实验标定声速3000m/s，利用时差定位法计算破损源坐标。采用最小二乘法迭代修正定位误差，提高多路径反射干扰下的精度。

　　设置三组对照组，分别采用不同方法检测，方法1，基于多源数据的叶片破损与覆冰的状态监测及区分；方法2，低压配电网线路老化破损实时监测；方法3，基于张力信号的深海网箱网纲损伤监测方法。通过三种不同方发分别对铝电解槽阴极内衬损伤进行监测，定位破损源。统计声发射事件数、能量分布，与设置的三种方法检测到的破损时间点关联分析，验证声发射定位精度，误差≤10cm为合格。

　　2.2响应幅度

　　铝电解槽阴极内衬破损监测过程中，响应幅度是指声发射信号变化引起的信号处理系统输出变化量。相同输入变化引起的输出变化越大，响应幅度越大，监测灵敏度越高。采用破损监测方法对同一声发射信号的响应幅度，如图1所示。

　　由图1可知，在监测相同信号变化量的过程中，文章提出的破损检测方法的响应幅度较大。这是由于利用了希尔伯特-黄变换（HHT）提取信号的边际谱熵，量化信号复杂度，因此响应幅度在65dB以上，该监测方法的灵敏度明显高于其他三种方法。

　　2.3信噪比

　　信噪比（SNR）代表声发射（AE）信号功率与背景噪声功率的比值，反映信号可区分性。高信噪比意味着噪声功率较低，可以更可靠地检测微弱信号。四种方法监测过程中的信噪比，如图2所示。

　　由图2可知，在同一实验环境中所提监测方法应用过程中的信噪比为22.5dB，远高于其他三种方法。本研究通过最小均方算法动态调整滤波器系数，抑制相关噪声；以及铜合金材料制作传感器，衰减电磁干扰。因此可以检测更微弱的信号。

　　3结束语

　　在实际应用中，文章所提出的破损检测方法在实际推广应用过程中可能仍面临一些需要解决的问题，如设备的稳定性、数据的安全性等。但通过不断优化传感器布局以及加强与其他监测技术的融合，这些问题将逐步得到解决。未来，随着声发射技术的持续发展与完善，基于声发射的铝电解槽阴极内衬破损监测方法有望在提高铝电解生产的安全性、稳定性和经济性方面发挥更为重要的作用，推动铝电解行业向智能化、精细化方向迈进。

参考文献

　　［1］蔺雪峰，孟秀俊，李媛，等.基于多源数据的叶片破损与覆冰的状态监测及区分方法［J］.机械设计与制造工程，2025，54（5）：94-98.

　　［2］范大勇.低压配电网线路老化破损实时监测方法［J］.光源与照明，2024（12）：62-64.

　　［3］杨孟婕，任浩杰，任浩，等.基于张力信号的深海网箱网纲损伤监测方法［J］.上海交通大学学报，2025，59（4）：550-560.

　　［4］肖雨欣，冯钰博，王嘉禄，等.摩擦发光材料在航空航天设备破损监测领域的研究进展及展望［J］.航空科学技术，2023，34（10）：1-8.

　　［5］陈小强，魏学虎，熊军，等.某核电厂燃料包壳破损监测技术研究［J］.核科学与工程，2024，44（5）：1186-1191.

　　［6］周媛，余龙进，曾振双.500kA铝电解槽阴极破损分析及对策［J］.绿色矿冶，2023，39（4）：50-54.