韩 磊

(中国石油化工股份有限公司 青岛安全工程研究院，青岛 266071)



专论

电化学噪声数据处理方法概述

韩 磊

(中国石油化工股份有限公司 青岛安全工程研究院，青岛 266071)

综述了常见的电化学噪声数据处理方法，介绍了直流趋势剔除、统计分析、快速傅立叶变换(FFT)法计算功率谱密度(PSD)以及小波变换处理电化学噪声信号的基本过程，并阐释了各种数学处理及所得参数的物理意义。

电化学噪声分析；多项式拟合；统计分析；快速傅立叶变换；功率谱密度；小波变换

电化学噪声(EN)是指电解池中通过金属电极/溶液界面的电流或电极电位的自发波动，典型情况下这种波动是低频(<10 Hz)和低幅的。20世纪80年代早期，Hladky等[1-3]指出点蚀或缝隙腐蚀等局部腐蚀发生时电位噪声时域信号具有不同的形态，而低频电位噪声信号的振幅频谱也与腐蚀的类型和速度有关，据此可以检测局部腐蚀的发生。

虽然EN的信号采集相对简单，便于实现监检测，但是数据解析却比较困难。EN通常被认为是确定的动力学下的随机现象，包含确定过程与随机过程的复杂合成。在许多科学及工程领域，解析噪声数据的一个常规方法是将时域信号转换为频域获得功率谱，这对EN信号的处理同样适用，例如用快速傅立叶变换(FFT)或最大熵值法(MEM)计算电位和电流噪声的功率谱密度(PSD)。小波变换是新型的时频局部化工具，能够同时在时域和频域对信号进行观测，具有FFT不具备的优势。新的数学工具不断被引入电化学噪声数据处理，推动了该技术的进展。

1 直流趋势剔除

在测试时间内得到的EN数据往往存在直流漂移，这种漂移会影响时域和频域分析结果，因此，在对EN数据进行进一步处理之前，应采用适当方法去除直流漂移趋势。……