基于CCA 和WT 的油库阀门内漏声发射信号去噪
宗福兴1，税爱社1，汪辉1，陈帆1，杨国瑞2
( 1． 后勤工程学院后勤信息与军事物流工程系重庆401311 ; 2． 后勤工程学院学员旅重庆401311)
摘要: 基于声发射原理的油库阀门内漏检测作为一种高效率、低成本的动态无损检测方法取得了越来越多的应用。由于该方法本身的特点，在检测过程中不可避免地会采集到大量的噪声信号。如不能有效地消除这些噪声信号，就会严重影响阀门内漏率估计的准确性并会造成阀门内漏的误诊。然而目前还没有方法能够实现对这些噪声信号的去除。针对该问题，在分析噪声对阀门内漏定量模型影响的基础上，提出了一种基于双传感器的阀门内漏声发射检测模式，并利用互相关和小波变换的方法实现检测信号的去噪。通过内漏模拟实验表明，该方法能够有效地去除各类噪声的干扰，较大程度保存内漏信号的波形和时频特性，实现内漏率定量估计精度的提高。
关键词: 声发射; 互相关分析; 小波变换; 阀门内漏; 去噪
中图分类号: TP274 + ． 2 TH137． 8 + 6 文献标识码: A 国家标准学科分类代码: 510． 40
Denoising method for acoustic emission signal in oil depot internal valve leakage inspection based on CCA and WT
Zong Fuxing1，Shui Aishe1，Wang Hui1，Chen Fan1，Yang Guorui2
1．Department of Logistics Information ＆ Logistics Engineering，Logistic Engineering University，
Chongqing 401311，China; 2． Troop of Cadet，Logistic Engineering University，Chongqing 401311，China)
Abstract: The internal leakage inspection of the oil depot valve based on acoustic emission ( AE) principle，which is a new dynamic nondestructive testing technology with high efficiency and low cost，is more and more applied． During the process of acoustic emission testing on valve leakage，a lot of noise signals would be collected． Due to the characteristics of the method，the evaluation accuracy of the valve leakage rates would be seriously affected． What's more，no approaches have been developed to reduce the noise signals． To solve this problem，a dual-sensor testing method，which combines cross-correlation with wavelet transform to denoise the testing signal，was proposed．
The result of the simulation experiment using the method shows that it could effectively reduce various noise interference，preserve the timefrequency
characteristics of signal greatly，and improve the accuracy of the valve leakage quantitative estimation．
Keywords: acoustic emission; cross-correlation analysis; wavelet transform; valve internal leakage; denoising
1 引言
阀门在油库起着封闭、隔离、截流、分流等作用，是油库中使用数量最多的设备之一［1］。密封面损伤等原因导致阀门内漏时有发生，从而造成混油或跑油，已清空储罐油气浓度超限，引发火灾爆炸事故和环境污染等。由于阀门内漏具有不可见性，常规的检测方法无法及时准确的对阀门内漏作出判断。声发射技术是一种动态无损检测方法，可以在不停产的状况下对油库阀门的泄漏情况进行快速检测和在线监测，提前提供阀门内漏信息，为修复或更换受损阀门提供决策［2］。
随着对阀门内漏危害的重视，阀门内漏声发射检测得到了应用和推广。其中，阀门内漏的定性检测和定量估计成为研究的重点和难点。文献［3-5］对阀门内漏声发射检测进行了研究，建立了多个独立变量的多元回归模型，如压力、漏孔大小等，并对影响泄漏检测的因素进行了总结。文献［6］通过理论推导建立声发射信号均方值PA与阀门内漏率Q 之间的关系模型。文献［7］提出了利用检测数据回归的方法，建立声发射信号特征参数与内漏率Q 的回归模型。但上述方法存在的共同问题是内漏率定量估计的误差较大，以文献［6］中的实验数据为例，实际内漏率为6 L /min的50． 8 mm 闸阀内漏实验通过理论模型得到的内漏率约为7． 4L /min，相对误差高达23%。究其原因，就是在声发射信号采集的过程中存在大量的机械、电磁等噪声，造成信号均方值的计算出现较大偏差，影响了内漏率的计算精度。去噪是阀门内漏检测的前提，研究实用高效的声发射信号去噪方法，不仅能够大幅度提升内漏率的估计精度，同时能够改进最小内漏率的检测阈值，降低阀门内漏的误报率。
目前，对如何有效去除阀门内漏声发射检测信号的噪声，提高阀门内漏率估计精度的研究还未见文献介绍。本文以Kaewwaewnoi 定量估计模型为阀门内漏定量估计方法，在目前仅使用单一声发射传感器检测的基础上，在阀门上游安装前置传感器，利用互相关分析的方法去除检测传感器中的上游机械噪声，同时，利用小波变化对非平稳信号的良好去噪效果，实现检测信号电磁噪声的消除，最终达到提高信号信噪比，改善内漏率估计精度的目的。实验结果表明，文中方法能够有效地去除各类噪声的干扰，较大程度保存内漏信号的波形和时频特性，同时提高内漏率的定量估计精度。
2 阀门内漏定量估计及噪声的影响分析
2.1 阀门内漏声发射检测原理
油库部分阀门由于长时间工作在高压环境，输送介质中杂质冲蚀、划伤、挤压等原因致使密封面受损变形，导致阀门发生内漏。阀门内漏的声发射声源是流体通过密封面喷射形成的湍流、汽蚀和紊流等现象，其中湍流为主声源［8］。
阀门内漏时的声源会发出瞬态弹性波，此弹性波沿阀体传播到材料表面，引起可以用声发射传感器探测的表面位移，探测器由于压电效应会将材料的机械振动转化为电信号，经前置放大器滤波、放大后，被声发射采集卡采集输入到主控制单元进行分析处理和记录。对记录的声发射信号特征参数和波形进行分析和判断，就可以确定阀门的泄漏情况［9］。
2.2 Kaewwaewnoi 定量估计模型［6］
文献［6］在前期研究的基础上，根据Lighthill 方程，Parseval 理论以及通过阀门的液体体积流速等理论，推导出可反映内漏率与声发射信号均方值、压力、阀门尺寸等因素间的理论关系，设p1为阀门入口压力; ρ 为液体密度; D 为阀门尺寸; v 为液体中的声速; Q为体积内漏率; cv为阀门的流量系数，常量; Δp 为通过阀门的压降; S 为比重; C1为与检测系统等有关的常量，则Kaewwaewnoi 定量估计模型为:
式中: 均方值
为阀门内漏声发射信号，包含N 个采样点。
定量估计模型建立了阀门内漏率与声发射信号之间的理论关系，可通过采集的声发射信号估计内漏率。
2.3 定量估计模型影响因素分析
为分析定量估计模型的影响因素，对式( 1) 取对数后求微分得:
在实际应用中，由于dµ ＜ ＜ µ，dρ ＜ ＜ ρ，dp1 ＜ ＜ p1，dD ＜ ＜ D，这些参数对阀门定量检测的影响可忽略，式( 2) 可简化为:
式( 3) 表明阀门内漏定量模型的主要影响因素为信号均方值PA和压差Δp。dPA 与声发射信号中的噪声有关，dΔp 与仪表精度有关。假设声发射信号x( n) 包含真正信号s( n) 和噪声u( n) 。Ps表示s( n) 的均方值，Pu表示u( n) 的均方值，则阀门内漏声发射检测信号的均方值可表示为:
定量模型的相对误差为:
式中: γQ为阀门内漏率的相对误差，Δpmax为压差的最大量程，dΔp /Δpmax为压力表的精度。信号信噪比( SNＲ) 定义为: SNＲ = 10lg( Ps /Pu) ( 6)
将信噪比SNＲ 代入式( 5) ，整理得:
式中: KΔp是与压力表有关的常数。
内漏率定量检测相对误差γQ与影响因素SNＲ，Δp 的关系如图1 所示。由图可知γQ随SNＲ 和Δp 的增大而减小。由于对于特定检测实验，Δp 是一定的，对相对误差的影响也是一定的，因此要提高定量模型的估计准确性只有通过提高声发射信号的信噪比，即实现声发射信号的去噪。
图1 相对误差rQ Q与SNＲ Ｒ和Δp p的关系
Fig．1 1The erelationship pbetween nrelative eerror r，SNＲandΔp
2.4 阀门声发射检测主要噪声源
阀门内漏声发射检测干扰噪声主要有: :环境噪声、机械噪声、电磁噪声等，这些噪声随机地分布在整个采样时间范围内［10］。为了剔除这些噪声，在信号采集时，通过幅值、频率设定和带通滤波器的过滤，滤除了大量低幅值噪声和阀门内漏声发射信号频率范围以外的噪声信号。然而，仍有部分噪声被保存下来，影响了阀门内漏的检测，本节对声发射信号存留的主要噪声进行分析，并提出相应的去噪方法。
1) 机械噪声的影响分析
在对阀门进行内漏检测时阀门是关闭的，但阀门上游仍然充满液体，由于液体流动加之输油泵的运行会导致输送管道出现机械振动。同时，外界环境的干扰特别是来自阀门上游方向的干扰，都会被引入声发射检测信号，最终造成结果出现偏差。
阀门关闭时，采集声发射信号如图2 2所示，其信号均方值PA= =38.352 2mµ2 ，当阀门上游出现一轻微扰动时，采集到的信号如图3 所示，其信号均方值PA = 566．584mµ2。2帧信号均方值相差16倍，不仅会造成内漏率估计出现较大偏差，而且可能造成阀门内漏的误报。
图2阀门关闭时检测传感器采集的信号
Fig 2The acquired signal of test-sensor when the valve is closed
图3出现扰动时检测传感器采集的信号
Fig.3 The acquired signal of test-sensor when the disturbance appears
由图2、图3可知，仅由单一传感器无法准确判断检测到的声发射信号是由机械噪声引起还是阀门内漏造成，更无法实现这类噪声的去除，本文采取在阀门上游侧安装前置传感器的方法滤除该类噪声。图4 4为与图3信号采集同时安装的前置传感器采集到的信号。
图4出现扰动时前置传感器采集的信号
Fig.4The acquired signal of front-sensor when the disturbance appears
图3和图4中可直观的看出，红色方框内的信号波形类似，应属于同一声发射事件，同时图4中信号的幅值明显大于图3的信号，而且对采集到的声发射数据分析得图3、图4中的2帧信号采集时间差Δt=－1．6749ms，即前置传感器先于检测传感器检测到该信号，信号来自阀门上游。
互相关分析方法能够精确确定2信号的相似程度，利用互相关方法可以在检测传感器接收到的信号中准确定位来自上游的机械噪声干扰，从而实现对该类噪声的去除。
2) 电磁噪声的影响分析
在阀门内漏声发射检测时，放大器和滤波器等设备的静电感应、电磁感应会引入电磁噪声，图5为图2中数据傅里叶变化得到的频谱图，从图5可以看出，虽然信号是在静止条件下采集的，但信号量仍较大，频率成分复杂，主要集中于70kHz左右。
图5阀门关闭信号的频谱图
Fig．5Thespectrumofthesignalwhenthevalveisclosed
图6 为模拟阀门内漏较大，入口压力较小时采集的一帧声发射信号，图7 为信号对应的傅里叶变化后的频率分布情况。从图7中可以看出，阀门内漏率较大时信号频率成分相对集中，主要位于35kHz左右的低频部分，而圆圈部分频率和幅值与阀门关闭时的声发射信号相同，因此这部分信号应为传感器、放大器等引入的电磁噪声。
图6 阀门内漏声发射信号
Fig． 6 The acoustic emission signal of internal valve leakage
图7阀门内漏声发射信号频谱图
Fig． 7 The spectrum of acoustic emissionsignal of internal valve leakage
这类噪声的频率无法提前确定，一般的频率鉴别去噪方法效果不理想。小波去噪的原理是把带有噪声的声发射信号进行小波分解，声发射信号与噪声在小波变换下的行为各不相同，从而将二者分离开来，实现噪声的去除。
3 互相关分析
相关性分析是时域中描述信号特性的一种重要方法，通常被用来分析信号的统计特性。对于2 2个采集时间间隔很短的声发射信号波形，通过进行相关性分析，可以辨识出它们之间的相似程度，判断它们是否来自同一次声发射事件，结合信号到达传感器的时间就可以判断信号是否由阀门上游传来。
设2个传感器接收的声发射信号分别为x(t)、y(t)，则2信号的互相关函数Ｒx，y(τ)表达式为:
当τ=τ0，使得取得最大值时，Ｒx，y(τ)表示其中一个信号在延时τ0 后2路信号相关程度最高。将该处的互相关函数进行归一化计算得到互相关系数:
由许瓦兹(Schwartz)不等式得互相关系数在0～1，越接近1表示2个信号近似程度越高，表示这2个信号来自于同一个声发射源的可能性越大。
由于信号到达不同传感器的路径存在很大的差异 ，因此，即便是来自于同一个声发射事件，每一个传感器记录下来的信号波形也不会完全相同。图8 为图3、图4中2帧信号的互相关分析的结果，图中信号互相关系数ρ=0.64，相似度较高，可以确定为一个声发射事件。
图8帧信号的互相关分析
Fig．8 Cross-correlation analysis of two frame signals
采用互相关分析方法不仅通过计算信号之间的互相关系数，得知2个传感器接收到的信号的近似程度，而且可以比较精确地确定同一声发射信号到达2个传感器的时间差，从而便于实现噪声信号的去除［11］。
4 小波变化去噪方法
小波变换是一种信号的时间-频率分析方法，在时域和频域都具有表征信号局部特征的能力，是目前广泛应用的信号处理方法［12-14］。
小波基函数的定义为:对于函数ψ(t)∈L2(Ｒ)，L2(Ｒ)表示平方可积的实数空间，其傅里叶变换为ψ(w)，若ψ(w)满足:
则称ψ(t)为小波基函数或母小波。连续小波变换是将ψ(t)作平移b，在不同伸缩尺度a下与被分析信号X(t)作内积运算，得到:
式中:a为尺度因子，b为时间因子。
选择a=a0m，b=nb0 a0m(a0＞1，b0∈Ｒ，m，n∈Z) )，实现对a和b进行离散化处理，得到的离散小波变换。这种离散化体现了小波变换的“数学显微镜”功能，选择适当的放大倍数a0m，则离散小波的定义式为:
若a0=2，b0=1，离散小波变换就称为二进制小波变换:
二进制小波变换是将任意函数用小波函数展开，展开函数都由1个小波基函数的伸缩得到。随着尺度因子变化，可以得到函数在不同尺度下的展开特性。尺度越小，空间分辨率越高。
由于在阀门内漏声发射检测时信号量较大，为满足快速数据处理的要求，保证良好的时频分析特性，同时保证小波基在时域上具有紧支性，在频域上具有快速衰减性，采用Daubechies s小波的Db5的离散小波基［15］。
5 模拟实验及结果分析
根据阀门内漏声发射检测中噪声的特点，本文采用双传感器的模式进行信号采集，即在原有单一检测传感器的基础上，在阀门上游侧在安装前置传感器。由于不同内漏声源产生的声发射信号波形各不相同，为了能够直观反映文中方法的去噪效果和对原有信号特征的影响，设计了以标准声发射信号为声源的模拟实验，同时通过对阀门内漏声发射检测实验信号的去噪处理，验证对漏率定量估计的改进效果。
5.1 实验平台搭建
为有效验证文中去噪方法，搭建了图9所示的油库阀门内漏模拟实验平台，包括阀门内漏系统和声发射检测系统两部分。
图9模拟实验原理图
Fig．9 Principle diagram of simulation experiment
1)阀门内漏系统:采用直径为50mm的管道搭建模拟管路，最大耐压10MPa。选择DN50闸阀作为模拟内漏阀门，泄漏介质为水，变频泵用于产生入口压力保持在100～700kPa的水流，计量罐用于计量阀门的实际漏率。
2)声发射检测系统:实验采用Vallen多通道全波形声发射检测仪实时采集信号。主要仪器及参数如表1所示，其中声发射信号发生器可产生不同频率和幅值的标准声发射信号，可用于传感器调试及验证实验。
表1信号采集仪器及其主要参数
Table 1 The signal acquisition instrumentsand the main parameters
检测时，将前置传感器和检测传感器用耦合剂分别粘贴在阀门上下侧的法兰处，用以检测阀门内漏时产生的信号。
5.2 标准声发射激励信号仿真实验
利用声发射信号发生器产生频率为60kHz，幅值为50dB的标准声发射信号，信号波形如图10所示。将该信号作为检测声源，通过互相关分析和小波变化的方法对检测信号进行去噪处理。
图10 标准声发射信号
Fig.10 Standard acoustic emission signal
1)互相关分析。图11为前置传感器和检测传感器检测到的信号，对图中①号信号与② 、③号信号分别进行互相关分析得ρ12=0.12，ρ13=0.54，可以确定①号与③号信号由同一声发射事件产生，同时经过对采集信号进行分析得t13 =2.5355ms，即①号和③号信号是由阀门上游引起的干扰信号。
图11 前置和检测传感器的检测信号
Fig．11 The test signals of front-sensor and test-sensor
将图11中检测传感器检测信号的噪声信号去除，得到不含有上游干扰的检测信号，波形如图12所示。
图12去除上游干扰后信号
Fig.12The signal ofter removing upstream disturbance
2)小波变化。采用Daubechies小波的Db5的小波基对图12中的信号进行小波去噪，经过离散小波分解和小波重构后的信号如图13所示。
图13小波重构信号
Fig.13Ｒeconstructed signal with wavelet
对原始检测信号和去噪后信号进行傅里叶变化得图14。由图可以看出，经过文中方法滤波的信号频率集中在60kHz附近，即标准声发射信号的频率，因此基于互相关和小波变化的去噪方法能够有效还原检测信号，并保存了原始信号的时频特性。
图14 去噪前后检测信号频谱图
Fig．14Spectrum of before deniosing and after
5.3 阀门内漏模拟实验
为验证文中方法对阀门内漏声发射检测内漏率估计精度的改进效果，本节在入口压力p1=500kPa的条件下，通过阀门不完全关闭的方法，模拟内漏率为1～6L/min n的阀门内漏实验。查表得流量参数cv=346［16］。
图15为检测信号去噪前后声发射信号均方值及由模型计算得到的信号均方值关系图，由图可以看出经滤波后的信号均方值有明显降低。
图15去噪前后检测信号漏率与均方值关系图
Fig．15The relationship between the leakage rate and PA of the test signal before denoising and after
将去噪前后信号的均方值代入定量估计模型得到估计内漏率与实际内漏率的误差图，如图16所示。
图16去噪前后检测信号估计误差
Fig．16The estimated error of the test signal before deniosing and after
由图16得，去噪后的信号应用于阀门内漏率估计的结果比未去噪信号精度更高，平均提高0．3584L/min，因此文中去噪方法对阀门内漏定量检测具有较为有效地应用效果。同时，由于现场检测的干扰噪声比实验室条件下强度更高，将该方法应用于实际现场会取得更好的估计精度提高效果。
6 结论
油库阀门内漏声发射检测信号经常受到机械、电磁等噪声干扰，这些噪声不仅使内漏率估计出现较大偏差，还会造成阀门内漏的误报。本文首先分析了阀门内漏率估计的影响因素，并对主要噪声源的特征及对内漏检测的影响进行了研究，针对单一传感器无法有效识别和去除来自阀门上游噪声信号的问题，提出了双传感器的声发射检测模式，并利用互相关分析方法实现上游噪声的去除。同时，利用小波变化的方法去除检测信号中电磁噪声。模拟实验表明，文中方法算法简单，易于实现，不仅能够有效地去除声发射信号中各类噪声的干扰，并能较大程度保存内漏声发射信号时频特性，同时能有效提高内漏率的估计精度。
参考文献
［1］王军，宋发春，范继义．油库阀门故障原因的分析及预防［J］．油气储运，2004，23(10): :51-53．
WANG J，SONG F CH，FAN J JY．Analysis on valve failure and accident prevention in tank farm［J］．Oil l＆ ＆gas storage and transportation，2004，23(10):51-53.
［2］高倩霞，李录平，饶洪德，等．阀门泄漏率的声发射测定技术研究［J］．动力工程学报，2012，32(1):42-46 ．
GAO QX，LI L P，ＲAOH D，et al．Acoustic emission theory and testing technology for quantitative diagnosis of valve leakages［J］．Journal of Chinese Society of Power Engineering，2012，32(1):42-46．
［3］NAKAMUＲA T，TEＲADA M．Development of leak mo-nitoring system for pressurizer valves［J］．Progress in Nu-clear Energy，1985，15:175-179．
［4］PUTTMEＲ A，ＲAJAＲAMAN V．P3F-6 acoustic emis-sion based online valve leak detection and testing［C］．Ultrasonics Symposium，2007． ．IEEE． ．IEEE，2007: :1854-1857．
［5］LEE SG，PAＲKJ H，YOOK KB，et al．Evaluation of in-ternal leak in valve using acoustic emission method［J］．Key Engineering Materials，2006，326: 661-664．
［6］KAEWWAEWNOI W，PＲATEEPASEN A，KAEWTＲ-AKULPONG P．Investigation of the relationship between internal fluid leakage through a valve and the acoustic emission gene-rated from mthe leakage［J］．Measurement，2010，43(2):274-282．
［7］MELAND DE，THOＲNHILL N F，LUNDE E，et al．Quantification of valve leakage rates［J］．AIChE EJournal，2012，58(4):1181-1193．
［8］JAFAＲI S SM，MEHDIGHOLI H，BEHZAD M．Valve fault diagnosis in internal lcombustion engines using acoustic emission and artificial neural network［J］．Shock kand dVibration，2014．
［9］JAFAＲI S M，MEHDIGHOLI H，BEHZAD M．Investi-gation of the relationship between engine valve leakage and acoustic emission measured on the cylinder head ig-noring gcombustion effects［J］．Proceedings of the Institu-tion of Mechanical Engineers，Part tE:Journal of Process Mechanical Engineering，2014．
［10］文玉梅，谢仁峰，杨进，等．管道泄漏检测中的噪声自适应抑制［J］．仪器仪表学报，2012，33(10):2228-2233．WEN Y M，XIE Ｒ F，YANG GJ，et al．Adaptive noise suppression in pipeline leak kdetection［J］．Chinese Jour-nal of Scientific Instrument，2012，33 (10):2228-2233．
［11］王伟魁，曾周末，孙立瑛，等．基于相关分析的声发射储罐罐底检测降噪方法［J］．振动与冲击，2010， 29(8): 178-180．WAN W K，ZENG ZH M，SUN L Y，et al．Denoising method for acoustic emission testing of tank bottom based on cross-correlation analysis［J］．Journal of vibration and shock，2010，29(8):178-180．
［12］杜云朋，王建斌，靳小强．超声导波管道检测的小波模极大值去噪法［J］．电子测量与仪器学报，2013，27(7):683-687．DU Y P，WANG J B，JIN X Q．Defect detection of ultra-sonic guided wave pipeline using de-noising method based on wavelet modulus maximum［J］．Journal of electronic measurement and instrument，2013，27(7):683-687．
［13］TO A C，MOOＲE J Ｒ，GLASEＲ S D．Wavelet de-noising techniques with applications to experimental ge-ophysical data［J］．Signal Processing，2009，89(2):144-160．
［14］孙立瑛，李一博，靳世久，等．基于小波包和HHT T变换的声发射信号分析方法［J］．仪器仪表学报，2008，29(8):1577-1582． SUN L Y，LI Y B，JIN SH J，et al． Acoustic emission signal processing method based on wavelet package and HHT transform［J］．Chinese Journal of Scientific Instru-ment，2008，29(8):1577-1582．
［15］郭艳平，解武波，郑小平．基于小波的声发射信号特征分析［J］．兰州交通大学学报，2008，27(3) 123-125．
GUO Y P，XIE W B，ZHENG GX P．Ｒesearch on the fea-tures of acoustic emission signal based don wavelet［J］．Journal of Lanzhou Jiaotong University，2008，27 (3)123-125．
［16］LYONS J L，ASKLAND C L．Lyons'encyclopedia of valves［M］．Van Nostrand Ｒeinhold Company，1975．
作者简介
宗福兴，2012年于后勤工程学院获得学士学位，现为后勤工程学院硕士研究生， ，主要研究方向为智能检测与控制技术，声发射检测技术等。
E-mail: zong_fuxing@163.com
Zong Fuxing received bachelor degree from
Logistical Engineering University in 2012．He is currently a mas-ter student in Logistical Engineering University．His research in-terests include intelligent detection and
control technology and a-coustic emission testing technology．
税爱社( (通讯作者) )，1986 6年于重庆大学获得学士学位，1999 9年于后勤工程学院获得硕士学位，2014 4年于重庆大学获得博士学位，现为后勤工程学院教授、硕士生导师，主要研究方向为智能检测与控制技术， ，油料储运自动化系统等。
E-mail: shuiaishe@163.com
Shui Aishe (Corresponding gauthor)received bachelor degree from Chongqing University in 1986，master degree from Logistical Engineering University in 1999，doctor degree from Chongqing University in 2014．She is currently a professor and master super-visor in Logistical Engineering gUniversity．Her research interests include intelligent detection and control technology，oil storage and transportation automation system．
