(343) 287-55-66
Виды деятельности


 
 
   

Помехоустойчивый метод акустико-эмиссионного мониторинга резервуаров

Шайбаков Р.А.1, Давыдова Д.Г.2, Кузьмин А.Н.2, Абдрахманов Н.Х.3,  Марков А.Г.4 

1 ОАО «Газпром нефтехим Салават», г.Салават,
2 ООО «Стратегия НК», г.Екатеринбург,
3 Ассоциация «Башкирская Ассоциация экспертов», г. Уфа,
4 ООО «Метам», г. Магнитогорск

// Электронный научный журнал "Нефтегазовое дело" №4 2013г. 

В статье предложен подход диагностирования резервуаров в условиях высоких технологических шумов. В качестве основного инструмента в работе использовался акустико-эмиссионной контроль состояния оборудования. В статье представлены результаты использования помехоустойчивого метода анализа данных акустической эмиссии, основанного на реализации схемы многокаскадного адаптивного накопителя-обнаружителя  и обеспечивающего уверенное обнаружение полезного сигнала в сильно зашумленных экспериментальных данных при отношении сигнал/шум много меньше единицы. Проведено исследование возможностей метода для работы в производственных условиях. Представленные в статье результаты могут быть положены в основу как конкретных методических рекомендаций для диагностики технологического оборудования различного назначения, так и при разработке мониторинговых диагностических систем. 

Ключевые слова: мониторинг, акустическая эмиссия, цифровая фильтрация сигнала, помеха, дефект.

В настоящее время методики диагностирования оборудования по принципу мониторинга активно внедряются на предприятиях химической промышленности. Основой таких систем может выступать один из наиболее распространенных методов технического диагностирования технологических трубопроводов – метод акустической эмиссии (АЭ). Данный метод является интегральным, что дает возможность осуществлять комплексную оценку состояния оборудования по сравнению с  классическими методами неразрушающего контроля, имеющими, как правило, локальный характер. Другим преимуществом является техническая возможность осуществления АЭ контроля без вывода объекта из эксплуатации. В случае резервуаров это является основополагающей задачей, поскольку часто имеют место технические сложности остановки технологического процесса. Кроме того, в случае АЭ контроля в режиме мониторинга не требуются специальные мероприятия по подготовке объекта к диагностированию. Большая часть оборудования, установленного в резервуарных парках, значительно изношена и имеет срок эксплуатации свыше 15 лет. В условиях непрерывного воздействия агрессивных коррозионных сред требуется постоянный контроль текущего состояния. Проблема также заключается в том, что процессы коррозии чаще всего носят локальный, неоднородный характер  и без проведения специальных диагностических мероприятий такие дефекты практически не выявляемы вплоть до наступления предразрушающего состояния и возникновения аварии. В этих условиях крайне важную роль играет разработка специализированных систем диагностического мониторинга резервуаров, которые могли бы работать на постоянной основе и информировать контрольные службы об изменении состояния оборудования в реальном времени.

Проблема технической диагностики опасных производственных объектов (ОПО) без вывода их из эксплуатации является крайне актуальной. Важную роль в этом случае играет совершенствование специализированных систем слежения за техническим состоянием оборудования. Главное требование, предъявляемое к контролю состояния технических устройств - работа в текущих условиях эксплуатации оборудования и своевременное информирование контрольных служб о любых отклонениях в его работе.

В качестве основного интегрального диагностического метода в мониторинговых системах традиционно используется метод акустической эмиссии [1]. Акустико-эмиссионный метод основан на регистрации и анализе параметров АЭ сигналов материала контролируемого объекта, обусловленной наличием и развитием в нем дефектов. Практика проведения работ по техническому диагностированию резервуаров свидетельствует о том, что основным механизмом разрушения в данном случае является коррозионный износ металла. АЭ сигнал в этом случае имеет низкоамплитудный характер. Кроме того, при прохождении сигнала наблюдается высокое затухание ввиду наличия характерных отложений рабочей среды и коррозии на внутренних стенках резервуара. Вследствие чего регламентируемая локация датчиков не всегда эффективна с точки зрения показателей чувствительности, а экспертные решения по выбору параметров обработки и интерпретации поступающих сигналов затруднены.

Полезным источникам АЭ соответствуют процессы развития трещин, переход материала в пластическое состояние и т.п., а также – процессы, связанные с наличием дефектов – трение берегов трещины, образование продуктов коррозии в полости трещины, разрушение и отслоение шлаковых включений [2]. Однако, кроме полезных, существует целый ряд других, помеховых сигналов АЭ, препятствующих проведению контроля резервуаров или делающих его невозможным. Речь в первую очередь идет о неотъемлемых при работе оборудования производственных факторах, генерирующих множественные источники шума: турбулентные или кавитационные режимы движения рабочей среды, реакции синтеза, трущиеся узлы и детали, электрические помехи, вибрации, другие неустранимые технологические шумы, не связанные с работой диагностируемого устройства [3]. Все перечисленное в совокупности может создавать аддитивный помеховый сигнал, по своему амплитудному уровню намного превышающий сигналы от полезных источников АЭ [4]. Основной проблемой АЭ контроля является низкая помехоустойчивость, что накладывает определенные ограничения на условия проведения работ. С другой стороны, поскольку чувствительность метода существенно зависит от уровня фонового шума, часто становится невозможным проведение АЭ контроля оборудования, работающего в условиях повышенных технологических шумов, вибрационных и термодинамических нагрузок. В этих условиях для реальных производственных объектов первостепенной задачей является разработка способов обнаружения полезного сигнала в сильно зашумленных временных рядах АЭ, что в свою очередь дает возможность оценки технического состояния резервуаров без вывода оборудования из эксплуатации в при наличии высокоамплитудного шума.

Из изложенного следует, что актуальная проблема применения метода АЭ к натурным объектам контроля (резервуары, технологически трубопроводы, сосуды), заключается в разработке помехоустойчивого алгоритма, обеспечивающего надежное обнаружение и выделение полезного АЭ сигнала из сигнала помехи в реальном времени и в широком диапазоне отношений сигнал/шум. Существующие методы обработки зашумленных данных как в частотной, так и во временной областях, включая современные подходы, основанные, например, на wavelet-декомпозиции и анализе главных компонент, являются по своей природе пороговыми [5], обладают, соответственно, слабой помехоустойчивостью и, таким образом, могут быть эффективно использованы для АЭ диагностики только при отношении сигнал/шум больше единицы.

Применяемые в современной практике системы АЭ контроля, основанные на описанном выше принципе не могут быть использованы для диагностирования в условиях высокого шума не только с точки зрения обработки, но и регистрации сигнала. В рамках данной работы существенным нововведением является предложение использовать принцип беспороговой регистрации данных (БРД), что позволит получать всю информацию об объекте контроля и открывает широкие возможности для обработки и интерпретации данных АЭ контроля.

Технология БРД позволяет регистрировать и выделять из случайного потока событий АЭ так называемый «полезный» сигнал, отвечающий зарождению и развитию опасных дефектов, в том числе и коррозионной природы. Блок-схема построения системы БРД представлена на рисунке 1. В ее основе лежит принцип непрерывной записи АЭ сигнала, поступающего с выхода регистрирующей цепочки: преобразователь акустической эмиссии, предварительный усилитель, широкополосный усилитель. При этом ключевой компонент цепочки, который присутствовал ранее, а именно детектор-дискриминатор, из этой схемы полностью исключен. Отказ от схемы дискриминации позволил осуществить непрерывную запись сигнала без потери информативности. Таким образом, на входе записывающего устройства мы получаем непрерывный стохастический временной ряд событий АЭ, представляющий из себя суммарный поток «шум» + «полезный сигнал». Важно, что в этой схеме уровень шумов и различного рода помех принципиального значения не имеет и может быть даже существенно выше полезного сигнала.

 

Рисунок 1. Принципиальная схема построения системы беспороговой регистрации данных.

Задачи фильтрации в этом случае решаются уже не аппаратурно посредством задания порога дискриминации, а с использованием программных средств, применяя современные технологии фильтрации экспериментальных временных рядов (быстрое преобразование Фурье, метод главных компонент, метод адаптивной фильтрации и др.). Все эти методы основаны на выделении это сигнала, отвечающий за развитие процессов разрушения на реальном объекте, на основе его причинно-следственных характеристик. Проблема применения таких методов фильтрации к традиционным системам АЭ заключается в том, что получаемый на выходе АЭ системы временной ряд имеет дискретную структуру, вследствие чего введение порога дискриминации исключает информацию о дефектах, амплитуда сигнала от которых ниже уровня установленного порога. При этом задачи дальнейшей фильтрации шумов не имеют устойчивого положительного решения.

Сложность применения БРД заключается в том, что образующийся на выходе массив информации требует значительных ресурсов для обработки данных. Речь идет о первичной оцифровке и записи входного сигнала с минимальной частотой от 5 Мбит/сек и выше.  Из чего следует, что регистрация такого сигнала с одного измерительного канала в течение нескольких минут займет на жестком диске системы регистрации несколько гигабайт информации. В этом случае задача оптимизации размещения регистрируемых каналов на объекте мониторинга и сокращение их числа до необходимого минимума имеет принципиальное значение. Крайне важно в этих условиях увеличить предельно допустимую дальность между измерительными каналами без потери информативности. С этой целью был предложен способ дополнительного использования в аппаратурной цепочке регистрации сигнала селективного низкочастотного (НЧ) фильтра с соответствующими низкочастотными датчиками АЭ, которые позволяют регистрировать распространяющийся в материале сигнал от дефекта с частотой НЧ фильтра от 2 кГц (для сравнения, традиционные ПАЭ и схемы регистрации сигнала АЭ работают в полосе частот фильтра от 80 кГц и выше). Проведенные исследования показали [1], что при таких условиях сигнал АЭ может быть устойчиво зарегистрирован на расстояниях как минимум  100 метров и выше. Кроме того, в селективной области фильтра уровень соотношения сигнал/шум, улучшается на порядок, вследствие чего объемы вычислений в режиме постобработки могут быть существенно сокращены.

Основополагающее звено мониторинговой системы – блок принятия решения о техническом состоянии объекта (рисунок 1). Действующее требования нормативной документации (ПБ 03-593-03) с точки зрения критериев оценки степени опасности источников АЭ малоприменимы к системам мониторинга.  Принятая система классификации напрямую связана с графиком изменения давления, а применяемые критерии носят качественный, не универсальный характер и в условиях низкого соотношения сигнал/шум практически неприменимы. Кроме того, критерии выявления дефектов носят субъективные оценки, параметры плохо параметризуются, носят качественный характер. Установлено, что актуальной проблемой является развитие современной системы оценки технического состояния оборудования с использованием АЭ контроля в направлениях: повышение точности идентификации дефектов; улучшение помехозащищенности метода. Принцип непрерывности регистрируемого временного ряда сигнала АЭ в системе БРД позволяет решить проблему иным способом. Речь идет об использовании подходов статистической обработки и нелинейной динамики при анализе экспериментальных данных в различных отраслях знаний. Установлено [6], что сигнал на выходе системы фильтрации БРД отвечает необходимым требованиям для применения подходов нелинейной динамики.

Перспективный метод оптимальной обработки сильно зашумленных сигналов связан с применением систем цифровой адаптивной фильтрации, параметры которых могут в реальном времени подстраиваться под спектральные, корреляционные и статистические характеристики входного сигнала. Основным свойством адаптивной системы является изменяющееся во времени функционирование с саморегулированием. Необходимость такого функционирования обусловлена большой степенью вариаций АЭ сигнала, а значит, имеется статистическая неопределенность данных на входе системы. Адаптивные алгоритмы, построенные на этой основе, успешно обнаруживают полезный сигнал в присутствии сильных помех или нестационарных шумов с различной природой и априорно неизвестными свойствами при отношении сигнал/шум меньше единицы [7]. Достоинством метода АФ является отсутствие необходимости в априорных сведениях о входных сигналах или их статистических или детерминистических взаимосвязях.

Общая структура адаптивного фильтра заключается в следующем: входной дискретный сигнал обрабатывается дискретным фильтром,  в результате получается выходной сигнал. Этот выходной сигнал сравнивается с «образцовым» сигналом, разность между сигналами образует так называемый «сигнал ошибки». Задача адаптивного фильтра – минимизировать ошибку воспроизведения образцового сигнала. С этой целью блок адаптации после обработки каждого отсчета анализирует сигнал ошибки и дополнительные данные, поступающие из фильтра,  используя результаты этого анализа для подстройки параметров (коэффициентов) фильтра. Применительно к задачам шумоподавления сигналом, свидетельствующем о наличии дефекта, является сигнал ошибки на выходе фильтра.

Адаптивные механизмы фильтрации нашли свое применение в таких областях, как гидролокация, сейсмология, навигация, цифровая телефония и пр. Сведения о применении адаптивных фильтров (АФ) в акустико-эмиссионной диагностике  и построении на их основе помехоустойчивых систем обнаружения слабого АЭ сигнала в современной литературе отсутствуют. В работе [8] стандартный адаптивный алгоритм прямой идентификации с обучением [7] опробован при решении задачи  АЭ мониторинга дефектного состояния объекта контроля (ОК)  в процессе его глубокой пластической деформации. Существенно, однако, что АФ применен в [8] не для извлечения импульсного АЭ сигнала из временного ряда помехи, а для восстановления его формы, искаженной слабым технологическим шумом в условиях, когда отношение сигнала к шуму было заведомо больше единицы.

В настоящей работе представлены результаты использования помехоустойчивого метода анализа данных АЭ, основанного на реализации схемы многокаскадного адаптивного накопителя-обнаружителя  и обеспечивающего уверенное обнаружение полезного сигнала в условиях высоких технологических шумов (отношение сигнал/шум много меньше единицы).

Методика лабораторного эксперимента

Схема лабораторного эксперимента показана на рисунке 2. Целью эксперимента являлась генерация в реальном объекте сигнала АЭ, шумового сигнала, аддитивной суммы сигнал + шум и синхронная регистрация их временных рядов с последующим анализом в цифровой форме. В качестве образца была выбрана пластина из трубной стали, размеры (в мм) указаны на рисунке. Имитатор АЭ импульсов A-Line (ООО «Интерюнис»,  Москва) возбуждал в образце полезный АЭ сигнал длительностью 20÷30 мс с постоянной частотой следования 5 Гц. В качестве регулируемого источника широкополосного шума использовался круглый шлифующий элемент с переменной частотой вращения. Для регистрации сигнала, шума   и их смеси использовались широкополосные пьезоэлектрические преобразователи акустической эмиссии  типа GT-200 (ООО «Глобал Тест», Саров) – ПАЭ №1 и ПАЭ №2 на рисунке 2. 

Принятые сигналы регистрировались на входных каналах 1 и 2 аналого-цифрового преобразователя (АЦП) платы сбора данных E20-10 (ООО «Л Кард», Москва). Частота оцифровки на канал составляла 2 МГц при длительности реализации до 20 сек. Величина отношения сигнала к шуму определялась по средним значениям мощности в полосе пропускания тракта регистрации АЭ. Ниже приведены результаты цифровой обработки экспериментальных временных рядов, полученные посредством предложенного в работе адаптивного алгоритма фильтрации.


Рис. 2 - Схема лабораторного эксперимента (пояснения в тексте).

Результаты и обсуждение

Эффективность алгоритма адаптивной обработки сигналов существенно зависит от степени различия корреляционных и спектральных свойств сигнала и помехи в зашумленно временном ряду на входе АФ и увеличивается с ростом последней [9]. Важным фактором, усиливающим аналитические возможности АФ при извлечении сигнала из шума, является  предпроцессорная обработка экспериментальных данных во временной и частотной областях. В настоящей работе она осуществлялась, соответственно, переходом от временных рядов амплитуд  (т.е. отсчетов АЦП платы сбора данных) к временным рядам мгновенной мощности и последующей цифровой селективной фильтрацией данных в том частотном диапазоне, где спектральные отличия шумовой и сигнальной компонент наиболее выражены – рис.3. Из рис. 3 следует, что указанная предобработка не только действительно приводит к необходимой для оптимизации АФ трансформации автокорреляционных функций и амплитудных спектров временных реализаций на входе, но и заметно улучшает отношение сигнал/шум.


Рис. 3 - Спектральные и корреляционные свойства временных рядов мгновенной мощности: а - амплитудные спектры; б - автокорреляционные функции. Полезный АЭ сигнал - красный, аддитивный шум - синий, зашумленный сигнал (АЭ сигнал+шум) – коричневый. Отношение сигнал/шум – не более 0.09.

На рис. 4 приведен типичный результат работы АФ с двумя независимыми входными информационными каналами (рабочим и опорным) в структуре.  Видно, что адаптивный алгоритм обеспечивает эффективное обнаружение единичных импульсов АЭ в аддитивной смеси с помехой, когда отношение сигнал/шум < -13 дБ. При этом входной полезный сигнал отсчетов АЦП полностью подавляется входным шумом (на рис. 4а его временной ряд, как ясно из подрисуночной подписи, приведен только для сравнения). Из рис. 4б можно заключить, что в течение первых ~40 мсек после начала анализа адаптивный алгоритм подбирает весовые коэффициенты, необходимые для оптимальной работы АФ. Соответственно, в моменты времени, следующие за интервалом адаптации, АФ производит не только обнаружение, но и выделение полезного АЭ сигнала, т.е. восстанавливает его исходную форму (с учетом масштаба) и положение на временной оси.

Качественно согласующиеся результаты получены и при фильтрации временных рядов мгновенной мощности – рис.5. Адаптивный алгоритм также уверенно извлекает все 15 полезных АЭ импульсов, содержащихся в исходной зашумленной реализации, а по завершению периода адаптации восстанавливает их форму и временное положение. Вместе с тем, следует отметить, что величина времени адаптации сокращается  по сравнению с предыдущим случаем – до (10÷25) мс. Есть основания полагать, что это обусловлено влиянием описанной выше предварительной обработки исходных данных, ускоряющей работу адаптивного алгоритма по обнаружению АЭ сигнала сложной для фильтрации импульсной формы (рис. 5а) из аддитивной смеси с помехой.

Существенно, однако, что представленная результатами рис. 4 и 5 схема адаптивного фильтра с двумя независимыми информационными каналами на входе предполагает использование двух раздельных ПАЭ, один из которых должен быть удален от потенциальных дефектов-источников АЭ в объекте контроля. Последнее условие не всегда выполняется при АЭ диагностике  реальных объектов [2,3]. В этом отношении гораздо большее практическое значение, особенно при построении систем АЭ мониторинга в реальном времени, имеет схема АФ с одним информационным каналом на входе. Данный канал содержит только экспериментальный временной ряд из смеси АЭ сигнала и шума, поступающий с единственного ПАЭ, расположенного вблизи дефекта-источника АЭ в объекте контроля. В настоящей работе указанная структура была реализована посредством модификации алгоритма АФ, которая позволила осуществить механизм слепой адаптации [7].


Рис. 4 - Результат фильтрации сильно зашумленного временного ряда АЭ при работе адаптивного алгоритма с двумя раздельными информационными каналами на входе: а – смесь сигнала и шума (красный). На ее фоне показан  входной полезный сигнал АЭ (синий); б – АЭ сигнал, обнаруженный на выходе фильтра.  Отношение сигнал/шум не более 0.05


Рис. 5 - Результат работы адаптивного алгоритма с зашумленными временными рядами мгновенной мощности АЭ после цифровой селективной фильтрации и центрирования. Обозначения – в подписи к рис. 3. Отношение сигнал/шум не более 0.09

Поскольку принцип работы АФ основан на спектральных и корреляционных свойствах сигналов, поступающих на вход фильтра, достоверность обнаружения полезного сигнала тем выше, чем выше различия данных характеристик. В рамках создания АФ в одноканальном режиме основная задача подготовки данных – формирование «эталонного» сигнала, содержащего шумовую составляющую, коррелированную с анализируемым сигналом путем выбора значения сдвига. Данный показатель определяется из условия соотношения времен корреляции шума и сигнала. Введение времени сдвига позволяет увеличить не только спектральные, но и корреляционные различия полезного и шумового сигнала. Индикацией выполнения необходимых условий при подготовке данных для АФ является исключение корреляции в полезном сигнале.

На рис. 6 представлен результат фильтрации зашумленного АЭ сигнала при работе адаптивного алгоритма с одним информационным каналом и однократным временным рядом сигнал + шум на входе. Из сравнения с рис. 4 и 5 можно сделать вывод, что после завершения короткого (20÷30 мс) периода адаптации АФ также обеспечивает обнаружение всех полезных АЭ сигналов, содержащихся в шуме на входе. Полного выделения сигнала при этом не происходит, однако корректно восстанавливается местоположение пиковой амплитуды импульса АЭ на временной оси.

Необходимо отметить, что время адаптации при извлечении импульсов АЭ из единственного зашумленного сигнала на входе не превышает, как и в предыдущих случаях, нескольких процентов от общей длины анализируемого ряда (рис. 6б). Это обстоятельство, наряду с активной разработкой быстрых адаптивных алгоритмов [7,9], создает определенные перспективы для построения эффективных систем АЭ диагностики в реальном времени. В этой связи представляет интерес оценка возможностей предложенного в работе метода с точки зрения  ранней экспресс-диагностики зарождающихся в ОК дефектов-источников АЭ.

Полученные результаты позволяют получить дополнительный инструмент АЭ контроля. Дело в том, что в реальных условиях диагностирования помимо шумовой помехи, являющейся неотъемлемой частью сигнала, может присутствовать нестационарный шум. Такая ситуация возникает, например, при деформации днища во время заполнения резервуара продуктом –  характерные «хлопки». При применении стандартной схемы обработки сигналы, инициируемые этим процессом, являются источниками ложных срабатываний АЭ системы. Исключение помехового сигнала такой природы возможно при использовании специального механизма обнаружения. Поскольку механизм АФ со слепым обучением не чувствителен к наличию нестационарного по своей природе шума, для исключения различного рода «дополнительных» помех требуется введение постобработки, вариантом которой может являться кросскорреляционная экспресс-диагностика.


Рис. 6 - Результат фильтрации сильно зашумленного временного ряда АЭ при работе адаптивного алгоритма с одним входным сигналом (полезный сигнал+шум). Обозначения – в подписи к рисунку 3. Отношение сигнал/шум порядка 0.05


Рис. 7 – Функция взаимной корреляции выходных сигналов двухкаскадного АФ при работе адаптивного алгоритма с одним входным сигналом (полезный сигнал + шум): а - кросскорреляционная функция шумов с ПАЭ №1 и ПАЭ №2; б - кросскорреляционная функция отфильтрованных АЭ сигналов с ПАЭ №1 и ПАЭ №2. Отношение сигнал/шум порядка 0.05.

В рамках этого метода предложена расширенная схема регистрации АЭ сигнала. Отличительным признаком является введение дополнительного канала по параллельной схеме подключения: оба канала регистрируют зашумленный сигнал. Постобработка состоит в вычислении функция взаимной корреляции между полезными сигналами на выходах двухкаскадного АФ и соответствующим им шумовыми  составляющими. На рис. 7 показаны результаты расчета между сигналами на выходах двухкаскадного АФ и соответствующим им шумовыми  составляющими. Видно, что детерминированные АЭ сигналы, имеющие общий источник, сильно коррелируют, в то время как между случайными шумовыми компонентами, претерпевающими дополнительные фазовые искажения, корреляция практически отсутствует. Таким образом, увеличение взаимной корреляции в выходных каскадах адаптивного обнаружителя  может служить важным диагностическим признаком появления  зарождающихся дефектов в оборудовании.

Таким образом, в ходе работы получены принципиальные выводы:

1.    Метод акустической эмиссии является важнейшей составляющей системы мониторинга объектов с низким соотношением/шум.

2.    Основной проблемой использования метода АЭ при диагностике резервуаров является слабая помехоустойчивость и отсутствие четких количественных критериев оценки технического состояния объекта контроля.

3.    Концепция построения системы мониторинга технологического оборудования предполагает использование системы беспороговой регистрации данных АЭ, построение количественных критериев оценки технического состояния объекта контроля с использованием статистических методов. Предложенный подход обладает адаптивным характером работы, позволяющим учитывать характерные особенности сигналов, обусловленные характером источника, а также условиями контроля.

4.    Внедрение сложных систем мониторинга способно удовлетворить основные потребности производственных предприятий: проведение работ при заранее неизвестных условиях, в режимах, затрудняющих или делающих невозможным контроль со стороны технического персонала.


Литература:

1.  Кузьмин А.Н., Жуков А.В., Харебов В.Г. Практическая оценка метода акустической эмиссии на технологических газопроводах. Журн. В мире неразрушающего контроля: Ежеквартальное журн. обозрение, 2008. №3. С. 24-26.

2.  Кузьмин А.Н., Жуков А.В., Стюхин Н.Ф., Харебов В.Г., Аксельрод Е.Г. Акустико-эмиссионная диагностика коррозионных дефектов трубопроводов. Журн. Технадзор, 2007. №7.

3.  Кузьмин А.Н., Жуков А.В., Журавлёв Д.Б., Стюхин Н.Ф. Контроль трубопроводов с применением метода акустической эмиссии. Журн. Ростехнадзор: Информ-сервис, 2008. №1.

4.  Кузьмин А.Н., Журавлев Д.Б., Филиппов С.Ю. К вопросу технической диагностики тепловых сетей. Журн. Технадзор, 2009. №3.

5.  Martyushev L.M., Axelrod E.G., Sergeev A.P. Separating a Weak Periodic Component from a Nonstationary Time Series. Technical Physics Letters, 2003. 29 (9). P. 732-735.

6. Кузьмин А.Н., Жуков А.В., Кущин А.И. Акустико-эмиссионная диагностика дефектов сварных соединений линейной части магистральных трубопроводов. Сб. рабочих материалов конференции «Техническое регулирование. Управление рисками, промышленная безопасность, контроль и мониторинг». М: НПС «РИСКОМ», 2006.

7.  Diniz P.S.R. Adaptive Filtering: Algorithms and Practical Implementation: Springer, 2013. 673 pp.

8.  Haupt H. Ein auf der Schallemissionsanalyse basierendes Verfahren zur Risserkennung in Umformprozessen. Diss. 14-194 – Uni Paderborn, 2003. S.131.

9.  Yunfeng Wu, Rangaraj M. Rangayyan, Yachao Zhou. Filtering electrocardiographic signals using an unbiased and normalized adaptive noise reduction system. Medical Engineering, Physics, 2009. 31(1). P. 17–26.