CC BY
0
Геоэкология
УДК 628.3:534.143 Б01: 10.24412/1728-323Х-2024-2-5-9
КОНТРОЛЬ ФРАКЦИОННОГО СОСТАВА МАТЕРИАЛЬНЫХ ПРИМЕСЕЙ В СБРОСНЫХ ВОДНЫХ ПОТОКАХ
B. А. Лепихова, кандидат технических наук, доцент кафедры «Экология и промышленная безопасность», Южно-Российский государственный политехнический университет (НПИ) имени М. И. Платова, v.lepihova@srspu.ru, г. Новочеркасск, Россия,
Н. В. Ляшенко, кандидат технических наук, доцент кафедры «Экология и промышленная безопасность», Южно-Российский государственный политехнический университет (НПИ) имени М. И. Платова, n.lyashenko@npi-tu.ru, г. Новочеркасск, Россия,
C. Г. Шестак, кандидат технических наук, доцент кафедры «Экология и промышленная безопасность», Южно-Российский государственный политехнический университет (НПИ) имени М. И. Платова, s.shestak@npi-tu.ru, г. Новочеркасск, Россия
Аннотация. Рассмотрены методики и средства контроля материальных примесей в сбросных потоках. Для непрерывного слежения за гранулометрическим составом в водном потоке представлен метод анализа по сигналам акустической эмиссии. Выделяют три механизма генерации акустических сигналов. Первый вызывает акустические и вибрационно-механические колебания за счет взаимодействия и соударения твердых частиц, движущихся в сбросном потоке, с измерительной системой, состоящей из элементов датчик-крепление. Излучение звукового сигнала определенного вида и структуры при соударении движущихся частиц между собой является вторым физическим механизмом. Движущиеся частицы, будучи возбужденными, излучают акустический сигнал на более высоких частотах, чем частоты системы датчик-крепление. Третьим случаем генерации акустического сигнала является взаимодействие материальных примесей с турбулентными вихрями, образованными движущейся средой. Все эти сигналы, распространяясь в движущейся жидкой среде, перемешиваются и порождают сложный акустический сигнал. Использование пьезокерамических преобразователей (датчиков) позволяет выделять текущую информацию в виде последовательности коротких экспоненциальных импульсов акустической эмиссии. Входные сигналы, поступающие на вход спектроанализирующей аппаратуры, разлагаются в спектр Фурье. Что касается амплитуд гармоник в разложении Фурье, то они пропорциональны массам частиц. Обработка спектра включает регистрацию частот основных гармоник, соответствующих данным интервалам крупностей, и определение коэффициентов кратности высших (тембровых) гармоник, с получением под-спектров Фурье, каждый из которых несет информацию о концентрации определенного класса дисперсности, формы и крупности. Для реализации метода предложены лабораторно-физические модели с замкнутой петлей циркуляции и прямоточная.
Abstract. Some methods and means of control of material impurities in discharged streams are considered in the paper. The method of analysis by acoustic emission signals is presented for continuous monitoring of particle size distribution in a water flow. Three mechanisms of acoustic signal generation are distinguished. The first one causes acoustic and vibration-mechanical oscillations due to interaction and collision of solid particles moving in the discharged stream with the measuring system consisting of sensor-fixture elements. The emission of a sound signal of a certain type and structure when moving particles collide with each other is the second physical mechanism. The moving particles, when excited, emit an acoustic signal at higher frequencies than the frequencies of the sensor-fastener system. The third case of acoustic signal generation is the interaction of material impurities with turbulent vortices generated by the moving medium. All these signals, propagating in the moving liquid medium, mix and generate a complex acoustic signal. The use of piezoceramic transducers (sensors) makes it possible to extract the current information in the form of a sequence of short exponential pulses of acoustic emission. Input signals arriving to the spectroanalyser are decomposed into a Fourier spectrum. The amplitudes of harmonics in the Fourier decomposition are proportional to the particle masses. Spectrum processing includes registration of basic harmonic frequencies corresponding to the given size intervals and determination of multiplicity coefficients of higher (timbre) harmonics, with obtaining Fourier subspectra, each of which carries information about concentration of a certain dispersity class, shape and size. Laboratory-physical models with a closed circulation loop and a direct-flow model are proposed to implement the method.
Ключевые слова: примеси в сбросных потоках, гранулометрический состав, спектрально-тембровый акустический метод, спектроанализатор, спектр Фурье.
Keywords: impurities in discharge streams, particle size distribution, spectral-template acoustic method, spectroanalyser, Fourier spectrum.
Введение
При оценке степени вредности сбросных водных потоков важное гигиеническое значение имеет мониторинг качественного состава и количественного содержания химических и биологи-
ческих примесей в сбросных потоках производственных и жилищно-коммунальных предприятий [1]. Разработка методик и средств контроля материальных примесей в сбросных потоках по спектрограммам дает возможность успешного ре-
шения существующих экологических проблем. Перспективным направлением для решения задач непрерывного слежения за материальными примесями в сбросных потоках является применение спектрально-акустических методов.
Первая стадия решения поставленной задачи — создание модельного м акета для кинетического, масштабного редуцирования сбросных вод с ц елью повышения надежности, измерения концентраций примесей. Для наладки, правильной эксплуатации и управления очистными установками необходимо выполнять комплекс измерений примесей в сбросах. В этом комплексе анализ дисперсного состава примесей имеет особое значение. Контроль дисперсности промышленных сбросов позволяет оценить эффективность работы очистных сооружений, контролировать очистку, совершенствовать технологию [2]. Существующие методы контроля гранулометрического состава водных систем, характеризующиеся большими затратами времени и трудоемкостью, не позволяют создать эффективную систему оперативного и непрерывного измерения и слежения в реальном масштабе времени. Большинство современных методов дисперсного анализа примесей в водных средах включают две операции — предварительное выделение из потока пробы и последующее ее разделение на фракции [3]. Эти методы отличаются длительностью и сложностью отладки приборов и проведения самого анализа. Успешное применение спектрально-тембрового акустического метода непрерывного бесконтактного контроля гранулометрического состава для водных потоков позволит одновременно решить технологические, экологические и экономические задачи.
Модели и методы
Метод реализуется с помощью пьезокерами-ческих преобразователей (датчиков) с соответствующими резонансными частотами и амплитудно-частотными характеристиками. Текущая информация собирается в виде последовательности коротких экспоненциальных импульсов акустической эмиссии (АЭ), которые поступают на входы спектроанализирующей аппаратуры. Входные сигналы отфильтровываются и нормируются по частотам, амплитудам и фазам. Математическая модель примесей водной среды может быть представлена в виде степенных или тригонометрических полиномов от диагностируемых параметров [4]. Многочисленные параметры модели влияют на результаты измерения дисперсности, имеют разную значимость, а потому должны быть разделены по степени значимости с помощью статистических критериев. В окончательную физико-
математическую модель должны быть включены только существенные параметры. Этот подбор параметров обеспечивает минимизацию списка. Из многочисленных известных в математической статистике способов минимизации выделим четыре наиболее подходящих алгоритма для отбора значимых параметров при построении математической модели [5, 6]. Это критерии Стью-дента, Фишера, и главных компонент. Первые два критерия минимизации (Стьюдента и Фишера) применяются широко в теории планирования эксперимента. Исходя из конкретной ситуации, может потребоваться модель в виде полной реплики различного порядка с тем или иным числом параметров. Так, для моделей второго порядка и четырех параметров Х1, Х2, Х3, Х4:
У = ¿0 + Ъ\Х\_ + ^2^2 + ¿3X3 + ¿4X4 + ¿12^1^2 +
+ ¿13X1X3 + ¿14X1X4 + Ъ23X2X3 + ¿24X2X4 +
+ ¿34X2X4 + ¿11X! + ¿22 x2 + ¿33 x3 + ¿44 x4.
Модель можно дополнить взаимными влияниями переменных по трем и четырем факторам:
...¿123X1X2X3 + ¿124X1X2X4 + ¿134X1X3X4 +
+ ¿234X2X3X4 + ¿1234X1X2X3X4.
Регрессионную модель к-го порядка можно построить и с помощью ортогональных полиномов Чебышева Р'(рс) в виде:
У = ¿о + Ро(X) + ^ВД + ... + ¿кР^).
При этом
£ Pu(xi)Pj(xi) = 0.
¡= 1
Пользуясь математической моделью Чебышева, можно прийти к выводу, что для лабораторных и натурных объектов можно использовать физические модели (рис. 1).
Генерация акустических сигналов от дисперсных смесевых потоков в физических моделях позволяет выделить три четко и синхронно протекающих процесса генерации акустических сигналов [7]. Первым физическим механизмом генерации является то, что твердые движущиеся частицы, переносимые жидкой средой гидрозольных потоков, двигаясь по криволинейным траекториям, огибающим измерительную цепочку датчик-крепления и неизбежно ударяя эту систему, вызывают акустические и вибрационные механические колебания. Вторым физическим механизмом, определяющим вид и структуру сигнала, является излучение звука движущимися частицами при взаимном воздействии твердых частиц между собой
г / с \
[ \_ )
К-ллллл^ —- - - - т------
Уг-
а)
¿Р
ччччччччч
чччччччччч
ччччччччч
2 3 4 б)
Рис. 1. Лабораторно-физические модели: а) с замкнутой системой циркуляции; б) прямоточная; 1 — электродвигатель; 2 — шнековый насос; 3 — трубопровод; 4 — датчик
[8]. При этом ведущим механизмом процесса генерации акустического сигнала является звучание элементов измерительной цепочки. Частицы продолжают свой путь, будучи возбужденными, также на своих собственных частотах, но уже значительно более высоких, чем частоты системы датчик-крепление. Третьим частным случаем генерации сигналов акустической эмиссии является взаимодействие между твердыми частицами потока и турбулентными вихрями, порождаемыми движущейся средой. Эти акустические шумы также излучаются потоком гидрозоля на собственных и комбинированных ч астотах, т. е. на высших гармониках Фурье спектра [9]. Распространяясь в жидкой среде, звуковые сигналы смешиваются, порождая сложный акустический сигнал. Что касается амплитуды гармоник в разложении Фурье, то они пропорциональны массам частиц.
Результаты и их обсуждение
Эксперименты, проделанные на аналоговом спектроанализаторе СК4-56, убеждают, что амплитуды этих сигналов, измеренные различными электрическими параметрами после преобразования механических колебаний датчика в электрические, будут пропорциональны концентрации частиц, попадающих в данную гармоническую составляющую. Если конфигурация спектра звучания частиц геометрической формы или сложной физической структуры сильно отличается от
первой гармоники, то высшие гармоники гребенчатого подспектра Фурье резко отличаются от основной гармоники по частоте и имеют малую амплитуду. Однако в тембровом смысле они, несмотря на малую амплитуду, обладают уникальной способностью для опознания крупности и концентрации упомянутого интервала твердых частиц в потоке. Иначе говоря, высшие гармонические составляющие имеют вид гребенчатого подспектра и могут рассматриваться как составляющие многомерного вектора, описывающего сигналы АЭ и поведение звучащей частицы в общем спектре Фурье, а сами спектральные амплитуды Фурье или спектральные плотности интегрального преобразования Фурье могут рассматриваться как координатные базисные функции, на которые проектируются амплитудные частотные характеристики спектра звучащего гидрозоля [10].
Таким образом, регистрируя частоту основной гармоники, соответствующей данному интервалу крупностей и определяя коэффициенты кратности высших (тембровых) гармоник, получаем подспектр Фурье, который несет информацию о концентрации определенного класса дисперсности, формы и крупности, концентрации отдельных дисперсных составляющих для подспектра Фурье, имеющего гребенчатую структуру, вычисляют по формуле:
С =
1(ВМ
Bo Fo + IIВ
i к
ikFik
во,
где Во — амплитуда первой основной гармоники спектра Фурье, исправленной на неравномерность амплитудно-частотной характеристики (АЧХ) измерительного тракта и за вычетом постоянной инструментальной шумовой помехи; В,к — элементы двухмерного массива, которые являются амплитудами г'-й гребенки для к-х тембровых гармоник спектра Фурье, исправленной на АЧХ и инструментальный шум; Fik — весовая функция, учитывающая амплитудно-частотную характеристику всего измерительного тракта; Fo — значение весовой функции первой (основной) гармоники; во = ш/У — масштабный параметр, пересчитывающий относительную безразмерную концентрацию в концентрацию по массе в г/м3; ш — масса твердой фазы гидрозоля, г; У — расчетный объем гидрозоля, определяемый по результатам тарировки измерительного тракта, м3.
После этого вычисляют общую концентрацию твердой фазы в исследуемом потоке по формуле:
С = I с,' .
1
300
250
200
150
100
50
0l!---—.......1-LH-' ' ■ I ■.....................LJ-
190 500 1000 1320 1680 2090 2420 2750 3040 3300 3600 3960 4560 48640 5250
Частота, кГц-100
Рис. 2. Спектральный анализ по подспектрам для гидрозоля с кварцевой составляющей
На рисунке 2 и в таблице 1 представлены результаты экспериментальных данных по обработке спектров Фурье движущегося гидрозольного потока с материальными кварцевыми примесями при следующих условиях спектрального анализа: общая концентрация — С = 8025 мг/м3; скорость потока — и = 15 м/с; температура — ? = 17 °С.
С — пофракционная концентрация, мг/м3; ^ — весовые коэффициенты;
— сумма амплитуд гармоник подспекрта, мВ; Л — частота основной гарионики, кГц.
Заключение
Разработанная система оценки дисперсного состава материальных примесей позволяет осуществлять контроль за фракционным составом твердой фазы в сбросных потоках в двух направлениях:
1. Для периодического контроля фракционного состава в потоке и текущей концентрации в лабораторных условиях. Такой анализ позволяет следить за санитарно-гигиеническими нормами концентрации в гидрозольном потоке при работе технологического оборудования на объектах различного назначения.
2. Для непрерывного слежения за составом и динамикой дисперсного состава в сбросном потоке на конкретном технологическом объекте.
В обоих случаях методика определения дисперсного состава должна быть приспособлена к возможности гарантированного соответствия разрешающей способности измерительной аппаратуры и сохранения ее метрологических параметров, без проведения частых тарировок.
На основании разработанной методики спектрально-тембровой оценке фракционного состава примесей осуществлялась привязка методов проведения измерений, тарировки измерительной аппаратуры и методики математической обработки спектров сбросных потоков в конкретных производственных условиях.
Таблица 1 Результаты спектрального анализа
Фракции Ci Fi ZBi fl
2000,000 1,810 1105,001 2,500
5 = 37 мкм 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000
2000,000 1,766 1132,490 2,400
5 = 44 мкм 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000
2000,000 1,684 1187,300 2,200
5 = 58 мкм 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000
2000,000 1,522 1314,003 1,900
5 = 73 мкм 0,000 0,000 0,000 0,000
0,000 0,000 0,000 0,000
8
№2,2024
Библиографический список
1. Алексеев В. А., Усольцев В. П., Юран С. И. Система мониторинга сточных вод промышленного предприятия // Интеллектуальные системы в производстве. — 2021. — Т. 19. — № 1. — С. 4—9. Б01: 10.22213/2410-9304-2021-1-4-9.
2. Серпокрылов Н. С., Петренко С. Е., Борисова В. Ю. Повышение эффективности и надежности очистки сточных вод на разных стадиях эксплуатации очистных сооружений // Инженерный вестник Дона. — 2013. — № 2 (25). — С. 20.
3. Желтобрюхов В. Ф., Фельдштейн Е. Г. О методах очистки поверхностных стоков автотранспортных предприятий // Инженерный вестник Дона. — 2013. — № 4 (27). — С. 127.
4. Пряжинская В. Г. Математические модели управления качеством природных вод // Вестник Томского государственного университета. Математика и механика. — 2009. — № 4 (8). — С. 53—64.
5. Бендат Дж., Пирсол А. Измерения и анализ случайных процессов. — М.: Мир, 1974. — 463 с.
6. Деч Г. Руководство к практическому применению преобразования Лапласа. — М.: Наука, 1965. — 287 с.
7. Лепихова В. А., Ляшенко Н. В., Чибинев Н. Н., Рябоус А. Ю. Система акустического мониторинга в промышленных и экологических технологиях // Безопасность труда в промышленности. — 2021. — № 3. — С. 36—40. Б01: 10.24000/ 0409-2961-2021-3-36-40.
8. Осташев В. Е. Распространение звука в движущихся средах. — М.: Наука, 1992. — 208 с.
9. Бобков В. П., Грибанов Ю. И. Статистическое измерение в турбулентных потоках. — М.: Энергоатомиздат, 1988. — 168 с.
10. Лепихова, В. А., Ляшенко Н. В., Пересунько Т. Ф. Диагностика дисперсного состава движущегося сбросного водяного потока по сигналам акустической эмиссии // Современные проблемы экологии: Сб. науч. тр. — Тула: Инновационные технологии, 2020. — С. 76—79.
CONTROL OF FRACTIONAL COMPOSITION OF MATERIAL IMPURITIES IN DISCHARGED WATER STREAMS
V. A. Lepikhova, Ph. D. (Engineering), Platov South-Russian State Polytechnic University (NPI), v.lepihova@srspu.ru, Novocherkassk, Russia,
N. V. Lyashenko, Ph. D. (Engineering), Platov South-Russian State Polytechnic University (NPI), n.lyashenko@npi-tu.ru, Novocherkassk, Russia,
S. G. Shestak, Ph. D. (Engineering), Platov South-Russian State Polytechnic University (NPI), s.shestak@npi-tu.ru, Novocherkassk, Russia
References
1. Alekseev V. A., Usolcev V. P., Yuran S. I. Sistema monitoringa stochnyh vod promyshlennogo predpriyatiya [Wastewater monitoring system of an industrial enterprise]. Intellektualnye sistemy v proizvodstve. 2021. Vol. 19. No. 1. P. 4—9. DOI: 10.22213/2410-9304-2021-1-4-9 [in Russian].
2. Serpokrylov N. S., Petrenko S. E., Borisova V. Yu. Povyshenie effektivnosti i nadezhnosti ochistki stochnyh vod na raznyh stadiyah ekspluatacii ochistnyh sooruzhenij [Improving of the efficiency and reliability of wastewater treatment at different stages of treatment plant effluent]. Inzhenernyj vestnik Dona. 2013. No. 2 (25). P. 20 [in Russian].
3. Zheltobryuhov V. F., Feldshtein E. G. O metodah ochistki poverhnostnyh stokov avtotransportnyh predpriyatij [The methods of clearance of surface sewage of the motor and transport undertakings]. Inzhenernyj vestnik Dona. 2013. No. 4 (27). P. 127 [in Russian].
4. Pryazhinskaya V. G. Matematicheskie modeli upravleniya kachestvom prirodnyh vod [Mathematical models of water quality management]. Vestnik Tomskogo gosudarstvennogo universiteta. Matematika i mehanika. 2009. No. 4 (8). P. 53—64 [in Russian].
5. Julius S. Bendat, Allan G. Piersol. Measurement and analysis of random data. Moscow, Mir. 1974. 463 p.
6. Doetsch G. Anleitung zum praktischen gebrauch der laplace-transformation und der z-transformation. Moscow, Nauka. 1965. 287 p.
7. Lepikhova V. A., Lyashenko N. V., Chibinev N. N., Ryabous A. Yu. Sistema akusticheskogo monitoringa v promyshlennyh i ekologicheskih tehnologiyah [Acoustic monitoring system in the industrial and environmental technologies]. Bezopasnost' Truda v Promyshlennosti. 2021. No. 3. P. 36—40. DOI: 10.24000/0409-2961-2021-3-36-40 [in Russian].
8. Ostashev V. E. Rasprostranenie zvuka v dvizhushihsya sredah [Sound propagation in moving media]. Moscow, Nauka. 1992. 208 p. [in Russian].
9. Bobkov V. P., Gribanov Yu. I. Statisticheskoe izmerenie v turbulentnyh potokah [Statistical measurement in turbulent flows]. Moscow, Energoatomizdat. 1988. 168 p. [in Russian].
10. Lepikhova, V. A., Lyashenko N. V., Peresunko T. F. Sovremennye problemy ekologii: Sb. nauch. tr. [Modern problems of ecology: Collected papers]. Tula: Innovacionnye tehnologii, 2020. P. 76—79 [in Russian].
