«Жданов Андрей Геннадьевич ПОВЫШЕНИЕ НАДЕЖНОСТИ АНАЛИЗА ДАННЫХ ВИХРЕТОКОВОГО КОНТРОЛЯ ТЕПЛООБМЕННЫХ ТРУБ ПАРОГЕНЕРАТОРОВ АЭС Специальность 05.11.13 – Приборы и методы контроля природной среды, веществ, материалов и ...»

2.9 Выводы Создана математическая модель получения сигнала для процедуры вихретокового контроля, включающая конечно-элементный расчет распределения электромагнитного поля, а также учитывающая схему включения катушек вихретокового преобразователя в плечи измерительного моста, что позволило уменьшить различие по форме между модельными и экспериментальными сигналами с 60% до 5%.

(дистанционирующих и антивибрационных решеток, гибов, пильгершума) на сигнал ВТП от дефекта и выявлено различие в характере влияния на сигнал дефектов и мешающих факторов, что позволяет проводить отстройку от их влияния.

Создана репрезентативная база модельных сигналов ВТП от дефектов с различными геометрическими параметрами, местоположением, а также сигналов от дефектов с учетом мешающих факторов. Помимо модельных сигналов база пополнена набором экспериментальных геометрическими параметрами.

Произведен расчет ряда признаков для сигналов в базе данных. На основе сформированной базы признаков можно строить алгоритмы решения обратной задачи электромагнитного контроля, то есть определять геометрические размеры дефектов.

3 РАЗРАБОТКА АЛГОРИТМОВ АВТОМАТИЧЕСКОЙ

ОБРАБОТКИ СИГНАЛОВ ВТК ТОТ ПГ АЭС

3.1 Общий алгоритм обработки данных Для решения основной задачи работы – автоматизации обработки сигналов вихретокового преобразователя при контроле ТОТ ПГ АЭС – была создана программа PIRATE [42] – Program for Identification & Recognition of defects through signal Analysis in Testing by Eddy currents (Программа для автоматического обнаружения, выделения и параметризации дефектов труб парогенераторов АЭС по результатам вихретокового контроля). Целью программного обеспечения является осуществление объективного обнаружения дефектов на ТОТ ПГ АЭС по сигналам ВТП, что поможет аналитику в решении задачи анализа сигналов и выдачи заключения о необходимости глушении ТОТ или продолжении её эксплуатации.

Структурная схема алгоритма обработки данных представлена на рис.3.1.

Рис.3.1 Алгоритм автоматической обработки данных ВТК ТОТ ПГ АЭС 3.2 Модуль отстройки от геометрического шума Геометрический шум (пильгер-шум) является одним из основных мешающих факторов при автоматической и экспертной обработке сигналов вихретокового контроля. Искажение формы и признаков сигналов этой помехой делает невозможным достоверное обнаружение и определение геометрических параметров дефектов. Многочастотный ВТК обладает известной способностью отстройки от мешающих факторов путём комбинирования сигналов на разных частотах, представленных в цифровой форме [43]. В качестве алгоритма отстройки предлагается линейный компенсационный метод подавления сигналов от различных мешающих факторов, базирующийся на векторной комбинации сигналов разных частот.

На рис.3.2 представлены характерные сигналы ВТП и их спектры от дефекта и геометрического шума. Как видно из графиков, использование пространственной Фурье-фильтрации не позволит отстроиться от шума, сохранив неискаженными параметры сигналов от дефектов.

Рис.3.2 Пространственные сигналы ВТП и их спектры: а) Сигнал ВТП от геометрического шума; б) Сигнал ВТП от дефекта на «чистом» участке ТОТ; в) частотные спектры участка геометрического шума (левая тонкая линия) и участка дефекта на «чистом» участке ТОТ Для отстройки используются такие алгоритмические технологии, как дескрипторы Фурье [44, 45], искусственные нейронные сети с радиальнобазисной активационной функцией, аффинное преобразование сигналов двух частот во временной и частотной областях [46, 47], дискретное косинусное аппроксимирующие функции [50, 51, 52]. Предлагаемый метод отличается от уже существующих простотой реализации, универсальностью – используя этот метод, можно подавлять сигналы от различных мешающих факторов.

Кроме того, используя разнообразие способов компенсации, можно решить конкретную задачу оптимальным образом. При работе с реальными сигналами вихретокового контроля ТОТ ПГ АЭС предлагаемый метод показал лучший результат [53, 54].

Основой метода является создание комбинированного комплексного сигнала, который вычисляется по формуле ВТП на двух разных частотах, с помощью которых необходимо провести компенсацию (в общем случае, в качестве источников-слагаемых могут быть использованы другие комбинированные сигналы), сигнал компенсации. Целью компенсации является максимальное ослабление сигнала мешающего фактора, при этом, по возможности, не искажая полезный сигнал. Из этого условия выбирается коэффициент компенсации То есть комбинированный сигнал на участке мешающего фактора (например, пильгер-шума) должен стремиться к нулю. Пример применения отстройки от пильгер-шума с использованием процедуры комбинирования сигналов представлен на рис.3.3-3.5 (скриншоты взяты из программы напряжения по осям графиков даны в Вольтах).

Для оценки качества отстройки были проведены измерения отношения энергии сигнал-шум (таблица 3.1) по формуле Рис.3.5 Участок комбинированного сигнала M01 частот 130кГц и 280кГц Таблица 3.1 Отношение энергии сигнал-шум для дефекта на исходных сигналах и После отстройки от геометрического шума на сигнале еще остаётся влияние элементов дистанционирования. Следущим этапом обработки данных является обнаружение и классификация конструктивных элементов.

3.3 Обнаружение конструктивных элементов Для надежного выделения дефектов, расположенных в области конструктивных элементов, необходимо сначала обнаружить сигналы от этих элементов конструкции и классифицировать их, т.е. определить, какой это объект. На российских ПГ такие объекты можно разделить на 3 класса:

Решетки (дистанционирующие и антивибрационные);

Гибы;

Плита коллектора.

Для выделения конструктивных элементов наиболее целесообразно использовать сигнал на самой низкой частоте, где максимально влияние внешних элементов (в случае установки Harmonic 210 – 60кГц, для MIZ30 и MIZ70 – 25кГц, для Teddy – 30кГц). Кроме того, необходимо выбрать абсолютный канал, так как на абсолютном сигнале легче выделить и классифицировать конструктивные элементы (рис.3.6).

Рис.3.6 Выделение конструктивных элементов на частоте 60кГц (абсолютный канал) антивибрационных решеток представляет собой возмущение напряжения в отрицательную область, а сигнал от гибов – в положительную. Сигнал от неравномерности толщины трубки на абсолютном сигнале присутствует пильгер-шум, который нельзя убрать комбинациями частот, поскольку не все приборы имеют сигнал на абсолютном канале более чем для одной частоты.

Также на сигнале присутствует низкочастотная помеха в виде тренда.

Алгоритм выделения конструктивных элементов позволяет сначала выделить все конструктивные элементы (обозначить локальную область, в которой каждый из них расположен), а затем для каждого из них провести процедуру классификации и отнести к одному из ранее определенных классов. Алгоритм основан на построении в каждой точке сигнала энергетической функции, показывающей, что в данной точке есть возмущения сигнала. Расчет этой функции производится по формулам:

Здесь msk – половина ширины прямоугольного окна, в котором происходит расчет, S – одна из компонент исходного сигнала, – скользящее среднее сигнала с периодом ( функция, которая является по сути СКО сигнала в выбранном окне при определенном положении этого окна. В этом алгоритме реагирует на возмущения сигнала, поэтому можно выделить конструктивные элементы.

Поскольку алгоритм реагирует на возмущения сигнала (на градиент), то для надежного выделения конструктивных особенностей алгоритм применялся дважды с различной длиной msk. Для выделения особенностей из энергетической функции используется разделение по уровню (все сигналы, находящиеся выше заданного уровня – конструктивные элементы, все остальные – свободный участок). На рис.3.7 представлена энергетическая функция с установленными рамками по заданному порогу.

Рис.3.7 Энергетическая функция и рамки на конструктивных элементах, установленные В результате исследования 42-х трубок парогенератора были выбраны оптимальные значения порога и размера маски. В результате алгоритм выглядит следующим образом:

Расчет энергетической функции с маской msk=15мм (половина ширины дистанционирующей решетки);

Расчет энергетической функции 2 с маской msk=60мм (две ширины используется ;

threshold=0.015мВ.

После выделения областей интереса (конструктивных особенностей) необходимо произвести их классификацию. Для этого наиболее подходящим признаком является сумма отсчетов сигнала внутри выделенной рамки («площадь»). Для гибов она всегда положительная, а для решеток (дистанционирующих и антивибрационных) – отрицательная (рис.3.8).

Разделить решетки на два класса также можно, анализируя отрицательный экстремум сигнала внутри рамки с решеткой. Однако для разделения единого порога на всех трубках не существует (рис.3.9). Но можно провести дистанционирующие, а количество антивибрационных от одной до трёх).

Площадь под сигналом, мВ Амплитуда сигнала в рамке, мВ Рис.3.9 Классификация антивибрационных и дистанционирующих решеток по При индивидуальном рассмотрении трубки разделение решеток на антивибрационные и дистанционирующие происходит по алгоритму:

антивибрационные решетки, а ниже – дистанционирующие.

В результате исследования 32-х трубок было определено значение В качестве признака для выявления плиты коллектора выбран перепад сигнала внутри рамки выше определенного порога (thresh_col). Анализ всех трубок показал, что оптимальным значением для этого параметра является классификации.

В результате применения разработанного алгоритма удалось в автоматическом режиме выделить почти все конструктивные особенности на 42-х конструктивных элементов находятся слишком близко друг к другу, и их не всегда удается разделить.

0.015 мВ Порог выделения конструктивных элементов thresh_col Чаще всего это антивибрационные решетки и гибы, расположенные близко друг к другу (рис.3.10). Однако в данном случае важно не пропустить решетки, так как кроме роли мешающего фактора они еще являются реперными точками для измерения расстояний до дефектов, поэтому в спорных ситуациях предпочтение отдается решеткам.

Рис.3.10 Пример близкого расположения сигналов от конструктивных элементов возможным процесс отстройки от их влияния на сигнале.

3.4 Отстройка от влияния конструктивных элементов В большинстве случаев дефекты теплообменных труб парогенераторов АЭС развиваются не на свободных участках, а в области их контакта с дистанционирующими и антивибрационными решетками, а также в зоне развальцовки. В работе предложены алгоритмы отстройки от влияния на вихретоковый сигнал дистанционирующих и антивибрационных решеток с целью надежного выявления возможных дефектов под ними.

3.4.1 Формирование комбинированного сигнала из сигналов разных решетки, также как и пильгер-шум, имеет детерминированный характер, поэтому для отстройки от влияния решетки также возможно использовать линейную комбинацию сигналов разных частот для отстройки от ее влияния.

Сложность при подобной отстройке представляет пильгер-шум, искажающий детерминированными. Поэтому для применения линейной комбинации сигналов и отстройки от конструктивных элементов необходимо сначала провести отстройку от пильгер-шума описанным выше методом, а затем, дистанционирующих решеток.

Комбинированный комплексный сигнал при этом вычисляется по обобщенной формуле для всего сигнала ВТП:

ВТП на комбинированных каналах, на которых произведена отстройка от пильгер-шума, компенсации является максимальное ослабление сигнала решетки, при этом, по возможности, не искажая полезный сигнал. Для удовлетворения этого условия выбирается коэффициент компенсации В такой постановке задачи комбинированный сигнал на участке дистанционирующих решеток должен стремиться к нулю. Пример применения отстройки от дистанционирующих решеток с применением комбинирования сигналов представлен на рис.3.11-3.13 (скриншоты взяты при использовании программы автоматизированной обработки вихретоковых сигналов PIRATE, все напряжения по осям графиков даны в Вольтах).

Рис.3.11 Участок комбинированного сигнала M01 частот 130кГц и 280кГц для отстройки Рис.3.12 Участок сигнала на комбинированном канале M02, созданном из частот 130кГц и Рис.3.13 Участок сигнала на комбинированном канале M03, созданном из линейной комбинации каналов M01 и M02 для отстройки от дистанционирующей решетки 3.4.2 Подбор аппроксимирующих функций сигнала решетки Возможность отстройки от влияния конструктивных элементов типа геометрическими и электрофизическими характеристиками [2].

Следовательно, и сигнал проходного преобразователя от этой особенности достаточно стабилен по форме и параметрам (рис.3.14).

Рис.3.14 Среднестатистический сигнал от бездефектной дистанционирующей решетки Для подавления влияния сигнала от решетки строится параметрическая аппроксимирующая функция, которая описывает сигнал от бездефектной решетки. При этом свободные параметры аппроксимирующей функции подбираются для каждой решетки индивидуально с помощью симплексного аппроксимированным сигналами [55, 56].

Симплекс-метод для многомерной оптимизации Симплекс-метод был впервые описан в 1960-х годах. Он является безградиентным методом поиска экстремума целевой функции множества переменных [57, 58]. Основной идеей является то, что по известным значениям целевой функции в вершинах симплекса ищется направление (точка) наиболее вероятного уменьшения (увеличения) функции.

Симплексом называется геометрическая фигура, имеющая на одну вершину больше, чем размерность пространства переменных. Например, в двумерном пространстве симплекс – это треугольник, в трехмерном пространстве – тетраэдр и т.д. Для наглядности рассмотрим случай двумерных симплексов.

Наиболее простыми являются симплексы с фиксированным ребром. Так как в процессе поиска экстремума не меняется длина ребра симплекса, то каждая новая точка может получаться отражением треугольника относительно какого-либо из его ребёр.

Таким образом, получается, что при поиске оптимального положения симплекс постоянно перемещается в пространстве. Выбор направления перемещения выбирается следующим образом: производится расчет значений функции во всех вершинах симплекса, производится ранжирование вершин (присвоение каждой вершине определённого ранга в зависимости от значений целевой функции в этих вершинах (B – лучшая, W – худшая, N – нейтральная)), относительно ребра (в многомерном случае грани), напротив худшей вершины симплекса, производится отражение вершины W в точку R, которая станет новой вершиной симплекса (рис.3.15).

Рис.3.15 Перемещение симплекса с фиксированным размером ребра Здесь W – худшая вершина симплекса; B – лучшая вершина симплекса;

N – нейтральная вершина симплекса; P – центр ребра (в многомерном случае – грани), противоположного W; R – новая точка следующего симплекса.

противоположную наихудшему изменению целевой функции (при поиске минимума наихудшее изменение – увеличение функции). Как видно из рис.

3.16, для увеличения точности требуется симплекс с минимальными размерами, однако это требует больших вычислений. Кроме того, при различных начальных приближениях (положениях симплекса) получаются различные результаты, что не подходит для решения поставленной задачи.

Рис.3.16 Процесс движения симплекса к оптимальному значению целевой функции при различных начальных приближениях и различных размерах симплекса Помимо симплексов с фиксированной длиной ребра существует версия с изменяемыми размерами. В этом виде симплексов существует четыре механизма движения в пространстве: отражение (reflection - R), растягивание (expansion - E), сжатие (contraction - C) и уменьшение(shrinkage - S).

Рис.3.17 Трансформации симплекса при различных видах движения Алгоритм выбора трансформации симплекса начинается с отражения.

Далее в зависимости от значений целевой функции в точках R, E, C выбирается соответствующий способ дальнейшего изменения симплекса – рис. 3.18.

Рис.3.18 Алгоритм выбора метода трансформации симплекса Рис.3.19 Процесс поиска решения при различных начальных условиях и размерах Симплекс с переменным ребром [57] не только перемещается к экстремуму целевой функции, но и постоянно изменяет свои размеры в соответствии с характером изменения функции. Данный алгоритм обладает хорошей точностью, повторяемостью результатов при различных начальных приближениях и размерах симплекса.

Аппроксимация сигнала ВТП от дистанционирующей решетки В качестве аппроксимирующей выбирается функция, состоящая из простейших локализованных в пространстве функций – таких, как функция Гаусса и ее первая производная:

моделирования применялись следующие вспомогательные функции:

Используя функции (3.10) и (3.11), можно смоделировать сигнал от годографа. Для большей точности моделировать необходимо по частям, то есть отдельно основной лепесток и отдельно вспомогательный. Для моделирования основного лепестка используются аппроксимации:

Здесь FMre и FMim – действительная и мнимая компоненты сигнала основного лепестка годографа, соответственно, 1, 2, w1, w2, 1, 2 – константы, характеризующие форму основного лепестка (рис.3.20).

Рис.3.20 Вид аппроксимации основного лепестка годографа Для вспомогательного лепестка использовалась аппроксимация При этом окончательная форма вспомогательного лепестка получается только после преобразования (3.14)-(3.15), что на комплексной плоскости выглядит как поворот фигуры (рис.3.21).

Здесь FBre и FBim – действительная и мнимая компоненты сигнала аппроксимации вспомогательного лепестка, FAre и FAim – действительная и мнимая компоненты сигнала до преобразования, 3 4, w3, 3, – константы, характеризующие форму вспомогательного лепестка (рис.3.21).

Рис.3.21 Вид аппроксимации вспомогательного лепестка аппроксимаций обоих лепестков:

Окончательно параметрическая функция выглядит:

Здесь – комплексная параметрическая функция, аппроксимирующая сигнал от решетки; X0, kw, A, - параметры аппроксимационной функции (подбор оптимального набора производится с помощью симплекс-метода). В качестве целевой функции в данном случае выступает сумма модулей разности исходного сигнала и аппроксимирующей функции в каждой точке.

Рис.3.22 Сравнение компонент экспериментального сигнала и аппроксимирующих На рис.3.22 приведено сравнение действительной и мнимой компонент экспериментального сигнала и комбинации аппроксимирующих функций.

Красным цветом отмечены действительные компоненты, синим – мнимые, сплошной линией построена аппроксимирующая функция, штриховой – экспериментальный сигнал.

Рис.3.23 Годографы экспериментального сигнала и аппроксимации (красным цветом построен годограф аппроксимирующего сигнала, синим – Проверка алгоритма на экспериментальных сигналах Проверка алгоритма проводились на экспериментальных сигналах, полученных при контроле реальных трубок парогенератора. Исследования показали, что в большинстве случаев предлагаемый метод позволяет произвести отстройку от сигнала решетки и выявить наличие дефектов. Были проанализированы сигналы от 42-х трубок (более 450 решеток) и выявлено 140 дефектов под решетками, из них 20 опасных (глубина которых более 70% от толщины стенки трубы), а 38 дефектов имели глубину от 40% до 70% от толщины стенки. Эксплуатируемая в настоящее время программа анализа данных вихретокового контроля выявила практически такое же количество решеток с дефектами (132), также определила все опасные дефекты, однако оценка глубины остальных дефектов под решетками отсутствовала. На рис.3.24-3.33 приведены результаты компенсации экспериментальных сигналов от дистанционирующих решеток, в том числе с дефектами.

Рис.3.24 Результат компенсации сигнала от Рис.3.25 Результат компенсации сигнала В результате отстройки от пильгер-шума и влияния элементов дистанционирования вихретоковый сигнал может быть обработан для поиска дефектов.

Im(U), мВ дистанционирующей решетки с дефектом Im(U), мВ 3.5 Алгоритмы автоматического обнаружения дефектов Существует множество алгоритмов выявления особенностей на сигналах: пороговая обработка, алгоритмы на основе время-частотного преобразования Фурье, алгоритмы расчета энергетических параметров сигналов, вейвлет-анализ и др. [59, 60, 61]. При этом качество алгоритма выделения сигналов от дефектов оценивается по следующим критериям:

Однозначность выделения дефектов (в результате работы алгоритма не Выделение полной зоны влияния дефекта (не должно быть смещенных относительно центра дефекта зон для анализа параметров дефекта);

Выделение каждого дефекта для отдельного анализа (не должно быть усложнит дальнейший анализ геометрических параметров).

выявить дефекты, а также зоны сигнала, подозрительные на наличие проанализирован в дальнейшем и должна быть дана оценка геометрических параметров дефектов, если они присутствуют на найденном участке.

представляют собой возмущение вносимого напряжения ВТП относительно нулевого уровня: сперва в одну сторону, затем в противоположную (рис.2.47, 2.48). Простейшим алгоритмом выявления является пороговая обработка, которая не дает удовлетворительных результатов по причине сложности формы сигнала, а также зашумленности реальных сигналов.

Вторым исследованным алгоритмом является применение времячастотного преобразования Фурье [62]. На основании этого преобразования можно получить двумерное представление сигнала, которое позволяет выделить области сигнала, содержащие дефекты, а также даёт более наглядное представление исследуемого сигнала.

При анализе экспериментальных вихретоковых сигналов (рис.3.34) от различных дефектов, получаемых на выходе вихретокового преобразователя при сканировании им внутренней поверхности трубы, было показано, что с помощью этого подхода можно выделить области сигнала, содержащего дефекты (рис.3.35). Однако результат был удовлетворительным только для «чистых» сигналов, поскольку остаточные шумы очень сильно влияют на результаты, кроме того не всегда выделяется полная зона влияния дефекта.

Рис.3.34 Исходный участок сигнала для выделения дефектов Рис.3.35 Время частотное представление исходного вихретокового сигнала Следующим проанализированным методом был метод на основе построения энергетических характеристик сигнала. Одним из алгоритмов обнаружения в сигнале ВТП дефектов является поиск возмущений по формуле (3.5). В алгоритме требуется задать два параметра: msk и threshold.

Параметр msk выбирается равным 5 мм, что соответствует длине ВТП.

Величина threshold может быть изменена в зависимости от требований, предъявляемых к уровню значимого сигнала от дефекта. Пример выделения сигнала ВТП от дефекта представлен на рис.3.36.

Рис.3.36 Пример выделения сигнала ВТП от дефекта (красным показана одна из компонент анализируемого сигнала, зеленым энергетическая функция с отмеченным На рис.3.37-3.39 показаны результаты автоматической простановки рамок на дефекты при различных уровнях threshold.

Рис.3.37 Автоматическая установка рамок на дефекты (threshold=0.03) Рис.3.38 Автоматическая установка рамок на дефекты (threshold=0.05 – оптимально для Рис.3.39 Автоматическая установка рамок на дефекты (threshold=0.08) Как видно, при увеличении порога некоторые дефекты пропускаются, а при уменьшении алгоритм может объединить близко расположенные дефекты в один, то есть уменьшается разрешающая способность алгоритма, а также вместо дефекта может быть обозначен участок шума.

Для устранения этих ограничений был разработан алгоритм на основе согласованного фильтра, который позволяет распознавать участки сигналов от дефектов не как возмущения, а выявлять их по характерной форме [63].

Согласованный фильтр - это фильтр, передаточная функция которого пропорциональна основной характеристике диагностического сигнала. Этот фильтр используется как простой корреляционный классификатор с передаточной функцией. Shankar и Mucciardi [34] использовали этот прием для того, чтобы построить массив фильтров, каждый из которых соответствует известному классу сигналов. Неизвестный (тестируемый) сигнал затем автоматически относится к какому-либо из классов по результатам откликов его свертки с фильтрами из этого массива. Результат представлен:

где – сигнал, получаемый в результате проведения процедуры согласованной фильтрации, – исходный сигнал (одна из компонент характеристика фильтра, – эффективная ширина передаточной функции.

Форма сигналов ВТП от дефектов совпадает с формой первой производной функции Гаусса, поэтому в качестве передаточной функции сканирования определяется по известным расстояниям между реперными точками на сигнале, предполагая, что скорость движения ВТП на этом участке не изменялась. Масштабный коэффициент вычисляется таким образом, чтобы расстояние между экстремумами сигнала ВТП от дефекта совпадало с расстоянием между экстремумами передаточной функции (это пересчитываться для другого сигнала, исходя из шага сканирования (3.23)).

Таким образом алгоритм позволяет анализировать сигналы, полученные при различной скорости движения вихретокового преобразователя внутри ТОТ.

выделения сигнала ВТП от дефекта представлен на рис.3.40.

Рис.3.40 Пример выделения сигнала ВТП от дефекта (красным показана одна из компонент анализируемого сигнала, результат применения согласованного фильтра с 3.6 Классификация и параметризация дефектов на основе ИНС Развитие искусственных нейронных сетей связано с биологией [64].

Нервная система человека построена из элементов, называемых нейронами.

Каждый нейрон обладает многими качествами, общими с другими элементами тела, но его уникальной способностью является прием, обработка и передача электрохимических сигналов по нервным путям, которые образуют коммуникационную систему мозга.

На рис.3.41 показана структура типичного биологического нейрона.

Дендриты идут от тела нервной клетки к другим нейронам, где они принимают сигналы в точках соединения, называемых синапсами. Принятые синапсом входные сигналы подводятся к телу нейрона. Здесь они суммируются, причем одни входы стремятся возбудить нейрон, другие – воспрепятствовать его возбуждению. Когда суммарное возбуждение в теле нейрона превышает некоторый порог, нейрон возбуждается, посылая по аксону сигнал другим нейронам. У этой основной функциональной схемы много усложнений и исключений, тем не менее, большинство искусственных нейронных сетей моделируют лишь эти простые свойства.

Искусственный нейрон Искусственный нейрон имитирует в первом приближении свойства биологического нейрона. На вход искусственного нейрона поступает некоторое множество сигналов, каждый из которых является выходом другого нейрона. Каждый вход умножается на соответствующий вес, аналогичный синаптической силе, и все произведения суммируются, определяя уровень активации нейрона. На рис.3.42 представлена модель, реализующая эту идею. Хотя сетевые парадигмы весьма разнообразны, в основе почти всех их лежит эта конфигурация. Здесь множество входных сигналов, обозначенных x1, x2,…, xn, поступает на искусственный нейрон.

Эти входные сигналы, в совокупности обозначаемые вектором X, соответствуют сигналам, приходящим в синапсы биологического нейрона.

Каждый сигнал умножается на соответствующий вес w1, w2,…, wn, и соответствует «силе» одной биологической синаптической связи.

(Множество весов в совокупности обозначается вектором W.) Суммирующий блок, соответствующий телу биологического элемента, складывает взвешенные входы алгебраически, создавая выход, который мы будем называть S.

Рис.3.42 Математическая модель искусственного нейрона Сигнал S далее, как правило, преобразуется активационной функцией F и дает выходной нейронный сигнал Y. Активационная функция может быть обычной ступенчатой функцией где К – постоянная пороговой функции где Т – некоторая постоянная пороговая величина моделирующая нелинейную передаточную характеристику биологического нейрона и представляющая нейронной сети большие возможности.

В качестве такой функции часто используется логистическая или «сигмоидальная» (S-образная) функция, показанная на рис.3.43в. Эта функция математически выражается как:

Рис.3.43 Активационные функции искусственных нейронов, используемые при По аналогии с электронными системами активационную функцию можно считать нелинейной усилительной характеристикой искусственного нейрона. Коэффициент усиления вычисляется как отношение приращения величины Y к вызвавшему его небольшому приращению величины S. Он выражается наклоном кривой при определенном уровне возбуждения и изменяется от малых значений при больших отрицательных возбуждениях (кривая почти горизонтальна) до максимального значения при нулевом возбуждении и снова уменьшается, когда возбуждение становится большим положительным. Каким образом одна и та же сеть может обрабатывать как слабые, так и сильные сигналы? Слабые сигналы нуждаются в большом усилении, чтобы дать пригодный к использованию выходной сигнал. Однако усилительные каскады с большими коэффициентами усиления могут привести к насыщению выхода шумами усилителей (случайными флуктуациями), которые присутствуют в любой физически реализованной сети. Сильные входные сигналы, в свою очередь, также будут приводить к насыщению усилительных каскадов, исключая возможность полезного использования выхода. Центральная область логистической функции, имеющая большой коэффициент усиления, решает проблему обработки слабых сигналов, в то время как области с падающим усилением на положительном и отрицательном концах подходят для больших возбуждений. Таким образом, нейрон функционирует с большим усилением в широком диапазоне уровня входного сигнала.

Другой широко используемой активационной функцией является гиперболический тангенс. По форме она сходна с логистической функцией и часто используется биологами в качестве математической модели активации нервной клетки (рис. 3.43д).

Рассмотренная простая модель искусственного нейрона игнорирует многие свойства своего биологического двойника. Например, она не принимает во внимание задержки во времени, которые воздействуют на динамику системы. Входные сигналы сразу же порождают выходной сигнал.

Несмотря на эти ограничения, сети, построенные из этих нейронов, обнаруживают свойства, сильно напоминающие биологическую систему.

Однослойные искусственные нейронные сети Хотя один нейрон и способен выполнять простейшие процедуры распознавания, «сила» нейронных вычислений заключается в характере нейронов в сетях. Простейшая сеть состоит из группы нейронов, образующих слой, как показано в правой части рис.3.44. Отметим, что вершины слева служат лишь для распределения входных сигналов. Они не выполняют каких- либо вычислений, и поэтому не будут считаться слоем. Каждый элемент из множества входов Х отдельным весом соединен с каждым искусственным нейроном. А каждый нейрон выдает взвешенную сумму входов в сеть. В искусственных и биологических сетях многие соединения могут отсутствовать, все соединения показаны в целях общности. Могут иметь место также соединения между выходами и входами элементов в слое.

Рис.3.45 Связи слоев в многослойной нейронной сети Удобно считать веса элементами матрицы W. Матрица имеет n строк и m столбцов, где m – число входов, а n – число нейронов. Например, w2,3 – это вес, связывающий третий вход со вторым нейроном. Таким образом, вычисление выходного вектора N, компонентами которого являются выходы Y нейронов, сводится к матричному умножению N = XW, где N и Х – векторы-строки.

Обучение искусственных нейронных сетей Среди всех интересных свойств искусственных нейронных сетей наиболее важное - их способность к обучению. Обучение очень напоминает процесс интеллектуального развития человеческой личности. Но при этом возможности обучения искусственных нейронных сетей ограничены, и нужно решить много сложных задач, чтобы определить, на правильном ли пути мы находимся.

Сеть обучается, чтобы для некоторого множества входов давать желаемое (или, по крайней мере, согласованное с ним) множество выходов.

Каждое такое входное (или выходное) множество рассматривается как вектор. Обучение осуществляется путем последовательного предъявления входных векторов с одновременной подстройкой весов в соответствии с определенной процедурой. В процессе обучения веса сети постепенно становятся такими, чтобы каждый входной вектор вырабатывал выходной.

Этот процесс можно представить себе как поиск минимума функции ошибки E(w), зависящей от набора синаптических весов сети w (рис.3.46).

В основе большинства известных алгоритмов обучения нейронных сетей лежит метод градиентной оптимизации - итерационное изменение синаптических весов, постепенно понижающее ошибку обработки нейронной сетью обучающих примеров. Причем изменения весов происходят с учетом локального градиента функции ошибки. Эффективным методом нахождения этого градиента является алгоритм обратного распространения ошибки (error backpropagation). Разности между желаемыми и фактическими выходами распространяются по сети навстречу потоку сигналов. В итоге каждый нейрон способен определить вклад каждого своего веса в суммарную ошибку соответствующего входа. Простейшее правило обучения соответствует пропорциональны их вкладу в общую ошибку.

Таким образом, одна и та же структура связей нейронной сети эффективно используется и для функционирования, и для обучения. Такая структура позволяет вычислять градиент целевой функции почти так же быстро, как и саму функцию.

параметризации Для построения ИНС необходимо определить признаки сигналов ВТП, которые в наибольшей степени влияют на искомую величину (класс, глубину и т.д.). Используя базу модельных и экспериментальных сигналов, подготовленную и описанную ранее, были рассчитаны все признаки сигналов дефектов на трех частотах 60кГц, 130кГц и 280кГц. Из всего набора признаков были выбраны те, что имеют минимальную погрешность при сопоставлении соответствующих экспериментальных и модельных сигналов.

Операция выделения признаков несет две главные функции, а именно, сжатие данных и обеспечение инвариантности обработки [65, 66]. Вектор некоторых параметров сигнала, то есть вектор признаков, находится из анализа результатов измерений. Процедура выделения признаков строится с целью значительного сокращения объема данных и, соответственно, приводит к существенному уменьшению длины вектора признаков по отношению к вектору отсчетов сигнала. Это, в свою очередь, приводит к снижению вычислительных затрат, требуемых для последующей обработки и, как правило, к увеличению точности классификации и параметризации.

Далее был проведен корреляционный анализ для выбора признаков, наиболее сильно влияющих на искомый параметр (положение или геометрия дефекта) отдельно для каждой сети системы. Анализ производился с корреляционные матрицы.

Система автоматического анализа данных вихретокового контроля использует методы, основанные на выделении признаков в сигналах. Перед непосредственным проектированием системы необходимо провести анализ исходной базы сигналов для устранения различного рода ошибок и противоречий, например, из-за перекрытия классов дефектов или когда дефекты с мало различающимися параметрами имеют разные признаки.

параметром) признаков для каждой ИНС системы производился в индивидуальном порядке. Выбор признаков производился следующим образом: сначала выбирались признаки, у которых коэффициенты корреляции с искомым параметром были 40 и более процентов, затем из них выбирались самые актуальные для решения текущей задачи классификации или параметризации. При возникновении проблем с выбором признаков применялся генетический алгоритм и чувствительный анализ.

Для решения задачи параметризации дефектов использовались ИНС типа двухслойный персептрон с сигмоидальными функциями активации для нейронов скрытого слоя и линейными – для нейронов выходного слоя [67, 68, 69]. Кроме того, поскольку функциональные зависимости геометрических параметров дефекта носят принципиально различный характер, то для определения каждого геометрического параметра использовалась своя ИНС.

Таким образом, топология каждой сети имеет следующий вид: InhkOm, где n – количество нейронов входного слоя равно количеству признаков, m – количество нейронов выходного слоя (всегда равно 1), k – количество нейронов в скрытом слое. Нейронные сети создавались и настраивались в программе Statistica Neural Networks 4.0е. Общая схема алгоритма классификации и параметризации представлена на рис.3.47 и 3.48.

Классификатор Рис.3.47 Общая схема алгоритма классификации и определения глубины дефектов Рис.3.48 Общая схема алгоритма определения осевой длины и объёма дефектов Для контроля процесса обучения ИНС вся выборка делится на 2 части:

обучающую выборку и проверочную выборку. Разделение происходит в соответствии пропорцией «золотого сечения», то есть 62% от всего набора образов поступают в обучающую выборку, а 38% – в проверочную выборку.

Обучение сети и коррекция весовых коэффициентов производится только на наборе обучающих образов. При этом по проверочной выборке следят за погрешностью работы сети. Если погрешность на проверочной выборке начинает расти, то надо останавливать процесс обучения. Также для предотвращения попадания процесса обучения в локальный минимум через каждые 100 эпох производилось добавление случайного возмущения всем весовым коэффициентам. Сам процесс обучения состоял из 2-х процедур:

вначале обучение производилось по Методу Сопряженных Градиентов (МСГ), а затем с помощью Quick Propagation (QP). Предъявление обучающих образов в каждой эпохе происходило в случайном порядке [70, 71, 72, 73].

В таблице 3.3 именование признаков производилось по следующему правилу: полное название признака, рассчитываемое по формулам (2.33)а в качестве подстрочного индекса – частота сигнала, на которой производился расчет.

параметризаторов представлены в таблице 3.4.

Таблица 3.3 Признаки, наиболее сильно влияющие на определение геометрических Параметр Глубина внешних (D) Глубина внутренних (D) Таблица 3.4 Результаты тестирования нейросетевой системы классификации и Параметризатор по осевой длине 0.62мм 0.69мм * – среднеквадратичная ошибка в определении глубины дефектов в % от толщины стенки ТОТ Несмотря на достаточно хорошие результаты по оценке глубины дефектов и осевой длины в среднем и на небольшой разброс погрешностей (СКО по глубине меньше 5% от сквозного, а по длине – 1 мм), существуют достаточно большие отклонения на некоторых типах дефектов, что требует более детального изучения проблемы. Кроме того, конструкция самого первичного преобразователя не дает информации об изменениях поля и геометрии в окружном направлении, поэтому оценки объема дефектов имеют значительную погрешность.

3.7 Выводы В результате применения алгоритма отстройки от геометрического шума удалось повысить соотношение сигнал/шум с 1-2дБ до 10дБ.

Разработан и испытан новый метод компенсации влияния дистанционирующих элементов в сигнале вихретокового преобразователя при многочастотном контроле теплообменных труб ПГ АЭС. Применение разработанного алгоритма позволило увеличить соотношение сигнал/шум в 1.8-2.2 раза.

Предложен и исследован ряд алгоритмов выявления дефектов в сигнале вихретокового преобразователя, выбран алгоритм, имеющий наилучшие показатели в определении границ зон расположения дефектов и удовлетворяющий всем предъявленным критериям.

Разработан новый нейросетевой алгоритм определения геометрических параметров дефектов. Применение алгоритма позволяет уменьшить погрешность определения глубины дефектов с 10-15% до 3.5%, и, помимо этого, давать заключение об осевой протяженности дефекта, что дает возможность более обоснованно принимать решение о глушении той или иной теплообменной трубки парогенератора.

4 РАЗРАБОТКА, ИСПЫТАНИЕ И ВНЕДРЕНИЕ

ПРОГРАММЫ АНАЛИЗА ДАННЫХ PIRATE В

ПРАКТИКУ ВИХРЕТОКОВОГО КОНТРОЛЯ

ПАРОГЕНЕРАТОРОВ АЭС с ВВЭР-440 и ВВЭР- 4.1 Описание программного обеспечения PIRATE На базе описанных в предыдущих главах алгоритмов разработано программное обеспечение «PIRATE» для автоматического и экспертного проведения ВТК. Программное обеспечение может работать как в автоматическом режиме, так и с подключением эксперта. При этом в автоматическом режиме обработка данных производится строго в последовательности, представленной на рис.4.1, а в экспертном режиме пользователь также выполняет действия в соответствии со схемой, но имеет возможность в любой момент вернуться на предыдущие этапы обработки, чтобы скорректировать что-либо или провести дополнительный анализ [74].

Формирование Рис.4.1 Алгоритм работы программы анализа данных PIRATE Модуль загрузки сигналов ВТП Первый модуль, запускаемый при работе программы – модуль загрузки сигналов ВТП. Этот модуль позволяет загружать сигналы вихретокового контроля ТОТ парогенераторов АЭС, собранные с использованием различных вихретоковых комплексов: Harmonic-210; MIZ-30A; MIZ-70;

Teddy; УВТП-4811.

После этого обработка и представление всех данных и результатов производится одинаково, что важно при внедрении на станции нового оборудования. При запуске новой установки с новой программой обработки необходимо время на обучение персонала, в то время как применение универсальной программы обработки позволяет работать экспертам с данными любых систем сбора данных.

Модуль предобработки Модуль, запускаемый после загрузки сигнала ВТП, снятого одной из поддерживаемых вихретоковых систем – это модуль предобработки.

Основной задачей в этом модуле является подготовка сигнала к дальнейшей обработке. Основные операции, выполняемые в этом модуле:

Разделение сигнала на участки, соответствующие отдельным трубкам.

В процессе контроля каждой трубки ВТП сканирует не только ее, но и соединенную с ней калибровочную трубку (а в ряде случаев и направляющую трубку). В результате получается набор участков сигнала с идентификаторами, какой трубке этот участок соответствует;

Удаление постоянной составляющей сигнала на всех частотах для каждого участка, соответствующего какой-либо трубке. Это требуется как для улучшения визуального восприятия сигнала, так и для дальнейших операций эталонирования и отстройки от мешающих факторов;

Определение шага сканирования сигнала, что позволит при дальнейшей обработке сигнала учитывать шаг сканирования.

Модуль эталонирования Следующим важным модулем в процессе обработки сигнала ВТП является модуль эталонирования. Основной задачей этого модуля является приведение сигналов к сопоставимым величинам напряжений от одинаковых дефектов. Для этого используется сигнал от калибровочной трубки, состоящий из набора сигналов от эталонных дефектов. Эталонирование исходных данных – операция преобразования (масштабирования и поворота годографа сигнала на комплексной плоскости) экспериментальных данных на всех частотах с целью согласования сигналов от реальных дефектов с соответствующими им сигналами от эталонных дефектов, находящихся на калибровочной трубке.

Модуль отстройки от мешающих факторов Этот модуль предназначен для создания комбинаций сигналов разных частот в цифровой форме, а также построения новых комбинаций сигналов из ранее созданных с целью отстройки от одного или нескольких мешающих факторов. Также модуль производит в автоматическом режиме поиск использованием аппроксимирующей функции. Для каждого найденного элемента дистанционирования проводится автоматический подбор коэффициентов функции аппроксимации, после чего проводится вычитание аппроксимирующей функции из исходного сигнала. При таком подходе учитывается неидентичность дистанционирующих решеток, а также неравномерность скорости движения вихретокового преобразователя на различных участках ТОТ ПГ.

Модуль выделения и параметризации дефектов В автоматическом режиме программа сама выполняет операцию выделения и классификации всех дефектов в соответствии с критериями, настроечных коэффициентах. Как только дефект обнаружен, для него комбинированных сигналов. По этим признакам, используя построенные на этапе эталонирования калибровочные зависимости или аппарат ИНС определяется глубина дефекта, а также остальные геометрические параметры (рис.4.2). Определяется также положение дефекта на ТОТ относительно нескольких реперных точек:

расстояние от точки начала сбора сигнала до дефекта (в миллиметрах) –используется только для сортировки дефектов по порядку;

расстояние в миллиметрах от дефекта до ближайшей реперной точки производится от центра ближайшей к дефекту реперной точки;

расстояние от дефекта до конца исследуемого сигнала (в миллиметрах), то есть до наружней стенки коллектора.

Рис.4.2 Определение основных признаков сигнала дефекта на различных частотах Модуль формирования отчета Основное окно модуля формирования отчета представлено на рис.4.3.

Отчет включает в себя информацию о классе дефекта и его параметрах, о номере лота, о позиции дефекта на контролируемой трубке, о его положении (внешний - внутренний), глубине и т.д. В отчет можно вывести информацию по текущему файлу, по всему лоту или по всему контролю.

Описание графического интерфейса Основное окно программы PIRATE (рис.4.4) состоит из областей:

1. Главное меню программы;

2. Главная панель управления программы;

3. Область отображения выделенного участка сигнала;

4. Область построения годографа;

5. Область отображения всего сигнала;

6. Информационная панель индикаций;

7. Область отображения информации о параметрах выбранной (действительная и мнимая составляющие) на выбранной частоте, записанный в соответствующем файле. Красным цветом на рис.4.5 показаны границы рамки, поставленной на особенность, а синим цветом – границы рамки для отображения выделенной части сигнала в соответствующей области.

Рис.4.5 Общий вид области отображения всего сигнала В программе принята следующая концепция классификации рамок с особенностями. Существует три типа особенностей:

Конструктивные элементы (решетки, гибы, плита коллектора);

Дефекты (трещины, коррозии, локальные изменения магнитной проницаемости, вмятины);

Отложения (ферромагнитные или медные осаждения на внешней поверхности трубки).

Каждый тип особенности отображается в своей строке на полосе составляющими сигнала (рис.4.5). Также принято следующее ограничение на рамки особенности: рамки особенности одного типа не могут пересекаться, то есть не может рамка от одной решетки пересекаться с рамкой от другой.

можно увеличивать и уменьшать масштаб сигнала по вертикали, а также заштрихованных областей (рис.4.6).

Рис.4.6 Примеры рамок выделенных особенностей Для выделения интересующего нас фрагмента сигнала, содержащего участок конструктивных элементов, отложений или дефекта, необходимо установить в этом месте рамку.

Выделенный фрагмент сигнала между рамками, будет отображен в области отображения выделенной части сигнала в выбранном для этой области масштабе (рис.4.7, слева вверху), а её годограф – на комплексной плоскости сигнала (рис.4.7, справа).

В программе есть возможность анализировать и просматривать сигналы сразу на двух частотных каналах (основном и дополнительном).

Сигналы основного канала на графиках и годографе отображаются желтым цветом, а дополнительного канала – белым цветом. Список каналов (он одинаковый для основного и дополнительного каналов отображения) может изменяться в зависимости от источника сигнала – это касается начала списка (исходных частот) и параметров файла комбинаций частот (для каждого типа вихретоковой установки можно задать свой набор комбинаций частот для оптимального подавления мешающих факторов). Текущая частота в списке частот отмечается кружочком желтого цвета для основного канала и белого цвета - для дополнительного канала (рис.4.8).

Рис.4.8 Внешний вид области построения годографа дополнительного (справа) частотного каналов Информационная панель индикаций предназначена для выделения и детального анализа установленных индикаций дефектов, конструктивных элементов и отложений. На ней также приводится краткая информация о расположении индикаций и реперных точек на сигнале (рис.4.10). Она состоит из двух частей: панели инструментов для управления индикациями и непосредственно списка индикаций.

Рис.4.10 Информационная панель индикаций В списке индикаций отображается информация по всем особенностям, отмеченным на сигнале. Сортировка производится по координате центра рамки с индикацией. Все три типа особенностей, устанавливаемых в программе, отображаются с определенными параметрами в следующем виде:

аббревиатуры. Подкласс – для дефектов обозначает вид данной особенности.

Реперная точка – определенные конструктивные элементы, соответствующим образом пронумерованные относительно горячего или холодного коллектора; этими элементами являются дистанционирующие и антивибрационные решетки (обозначаются буквами P и V соответственно с последующей нумерацией от коллектора – определяется автоматически), а также плита коллектора (обозначается CS). Коллектор – холодный или горячий обозначается буквами С (cool) и H (hot) соответственно, относительно которого производится замер расстояний и реперных дочек для дефекта. Расстояние – расстояние от индикации до ближайшей реперной точки, в мм (положительным считается направление от коллектора).

4.2 Приемочные испытания программно-методического обеспечения Для возможности работать в качестве основного средства анализа сигналов ВТК на АЭС программное обеспечение PIRATE должно пройти все необходимые испытания на данных штатного контроля ТОТ ПГ АЭС, а также на наборе реалистичных дефектов [75, 76, 77]. Для этого была разработана программа и методика проведения приёмочных испытаний.

4.2.1 Программа и методика приёмочных испытаний Программа и методика приемочных испытаний предназначена для проведения приемочных испытаний программного обеспечения PIRATE на образцах с реалистическими дефектами [78]. В программе предусмотрены порядок подготовки, проведения, объем и методика приемочных испытаний, метрологическое обеспечение и отчетность.

Испытания проводились на площадке филиала ОАО «Концерн Энергоатом» «Кольская атомная станция» персоналом Кольской АЭС с использованием аттестованного штатного оборудования вихретокового контроля теплообменных труб парогенераторов АЭС с ВВЭР.

Целями приемочных испытаний являются:

экспериментальная проверка выявляемости дефектов в теплообменных трубках с применением программного обеспечения PIRATE в составе аппаратуры, методики контроля и персонала, аттестованного для проведения вихретокового (ВТ) контроля парогенераторов;

экспериментальных данных при проведении неразрушающего ВТ контроля на теплообменных трубках;

принятие решения о возможности применения Классификатора на объектах использования атомной энергии и необходимости проведения опытно-промышленных испытаний.

назначенной Техническим руководством ОАО «Концерн Росэнергоатом, на производственной площадке филиала ОАО «Концерна Росэнергоатом», «Кольская атомная станция». Испытания проводились на испытательных образцах трубок с реалистичными дефектами, согласно требованиям РД ЭО 0487-05 «Типовые требования к порядку разработки технического задания, эксплуатационного неразрушающего контроля на объектах использования атомной энергии» [79] и РД ЭО 0488-03 «Методические рекомендации по оценке достоверности средств и методик неразрушающего контроля» [80].

В процессе испытаний не проводилось каких-либо наладочных и регулировочных работ, корректирующих работу программного обеспечения

PIRATE

Испытания проводились на испытательных образцах ТОТ с реалистичными дефектами, воспроизводящими дефекты (трещины различной ориентации относительно оси трубы, язвы), возникающие в теплообменных трубах парогенератора при его эксплуатации, а также на бездефектных испытательных образцах.

Комплект испытательных образцов включает в себя:

образцы теплообменных труб с продольными трещинами;

образцы теплообменных труб с поперечными трещинами;

образцы теплообменных труб с трещинами произвольной ориентации;

образцы теплообменных труб с локальными дефектами (язвами);

бездефектные образцы теплообменных труб.

Образцы теплообменных труб каждого типа (за исключением бездефектных) имеют четыре градации характеристического размера (глубины) дефекта и несколько моделей дефектов каждого размера. Значения градаций глубины для всех типов дефектов одинаковы и представлены в таблице 4.1.

Глубина дефекта (трещина) Приемочные испытания проводились «слепыми», т.е. персонал, проводящий испытания, не знал ни местоположение, ни характеристики дефектов в испытательных образцах. Испытание программного обеспечения

PIRATE

(аксиального) зонда производилось следующим образом:

Сборка штатной системы вихретокового контроля в соответствии с руководством по эксплуатации штатной системы;

Подготовка аппаратуры управления и сбора данных контроля согласно штатной методике контроля. Включение аппаратуры управления и сбора данных вихретокового контроля. Калибровка системы с аксиальным зондом на калибровочных образцах в соответствии с методикой вихретокового контроля ТОТ парогенераторов;

испытательных образцов и имитирующий прямой участок трубы выполнялся контроль образца с записью данных контроля в файл;

дистанционирующей решетки. При этом дефект должен быть расположен относительно решетки случайным образом. При контроле бездефектного образца дистанционирующая решетка позиционируется произвольным образом;

Испытательный образец совместно с дистанционирующей решеткой устанавливался на испытательном стенде и выполнялся контроль образца с записью данных контроля в файл.

Для каждого испытательного образца с реалистичными дефектами, подлежащими выявлению были проведены контроль как чистого образца, так и с имитатором дистанционирующей решетки. При этом при подготовке к контролю очередного образца вариант расположения дефекта относительно дистанционирующей решетки выбирался случайным образом.

Так как количество образцов с некоторыми значениями глубины дефекта не достаточно для построения статистических зависимостей, то были в случайном порядке проведены повторные контроли, таким образом, чтобы количество испытаний образцов с дефектами одного характеристического размера (глубины) было не менее 40.

Собранные данные контроля были обработаны в автоматическом режиме программным обеспечением PIRATE и для каждого типа и размера дефекта определена выявляемость дефектов по формуле [78]:

где V – выявляемость дефектов заданного типа и размера;

nн – событие, состоящее в обнаружении (фиксации) заданных дефектов при контроле по исследуемой методике;

nэ.н – сумма дефектов в испытательных образцах, определенных эталонным методом и занесенных в паспорт испытательных образцов.

В соответствии с рекомендациями п.2 раздела «Выбор процедуры оценки достоверности контроля» документа РД ЭО 0488-03, достоверность контроля определялась по формуле:

где Дн – достоверность контроля партии объектов контроля с заданным уровнем дефектности;

p – относительное количество «годных» объектов в партии (не удовлетворяющих критерию отбраковки);

q – относительное количество дефектных объектов в партии (удовлетворяющих критерию отбраковки);

– относительное количество «годных» объектов, признанных дефектными по результатам контроля по исследуемой методике («перебраковка»);

– относительное количество дефектных объектов, признанных «годными» по результатам контроля по исследуемой методике («пропуск»).

Достоверность определялась для четырех критериев отбраковки: 50%, 60%, 70% и 80% глубины дефектов от толщины стенки теплообменной трубы.

Критерием оценки работы программного обеспечения «PIRATE»

является выявляемость дефектов, которая должна быть не хуже указанной в таблице 4.2.

Таблица 4.2 Требуемая выявляемость дефектов в соответствии с По окончанию контроля сформирован в автоматическом режиме отчет по результатам контроля испытательных образцов.

При проведении испытаний использовался штатный вихретоковый дефектоскоп Harmonic-210 системы контроля труб парогенератора с аксиальным проходным зондом и манипулятор для автоматического перемещения зонда в испытательных образцах труб.

4.2.2 Анализ результатов приемочных испытаний По результатам испытаний были рассчитаны выявляемость для дефектов на свободном участке, дефектов под дистанционирующей решеткой, а также общая выявляемость (Таблица 4.3 и рис.4.11).

Таблица 4.3 Результат выявляемости реалистичных дефектов с использованием Глубина дефекта выявляемость свободном дистанционирующей Все дефекты Выявляемость Рис.4.11 Выявляемость реалистичных дефектов по итогам испытаний Также по результатам испытаний были рассчитаны достоверность контроля для четырех критериев отбраковки: 50%, 60%, 70% и 80% глубины дефектов от толщины стенки теплообменной трубы (таблица 4.4).

Результаты расчета точности определения размеров дефектов приведены в таблице 4.5.

Таблица 4.4 Результаты расчета достоверности контроля партии испытательных образцов Таблица 4.5 Результаты расчета точности определения размеров дефектов Глубина дефектов Погрешность определения длины, рассчитанная для продольных дефектов, составила 3.3мм.

Проведенные испытания показали, что выявляемость дефектов как на свободном участке, так и под дистанционирующей решеткой оказалась выше требуемых значений. Достоверность контроля по результатам испытаний также оказалась выше достоверности вихретокового контроля (0. минимальная достоверность с использованием программы PIRATE, 0.70 – достоверность контроля при экспертном анализе сигналов).

По результатам проведения испытаний были сделаны замечания по работе программного обеспечения PIRATE и его готовности к работе в составе штатного оборудования вихретокового контроля ТОТ ПГ АЭС:

Алгоритмы интерпретации вихретоковых сигналов требуют введения дополнительной информации о наличии мешающих факторов (дистанционирующие решетки, фоновый шум и др.);

Разработчику PIRATE необходимо усовершенствовать алгоритмы интерпретации вихретоковых сигналов с целью обеспечения её независимости от наличия мешающих факторов (дистанционирующие решетки, фоновый шум, гибы, шламовые отложения и др.).

Также по результатам испытаний были сделаны следующие выводы:

Программное обеспечения PIRATE прошло приемочные испытания в объеме требований «Программы и методики приемочных испытаний 1.5.6.05-2009»;

Программное обеспечение PIRATE выявляет дефекты и определяет их соответствии с требованиями технического задания 1.5.6.06-2009;

После устранения замечаний передать программное обеспечение PIRATE в опытно-промышленную эксплуатацию на Кольскую АЭС;

По результатам опытно-промышленной эксплуатации принять в установленном порядке решение о внедрении Классификатора в эксплуатацию.

теплообменных трубок Приемочные испытания, проведенные на образцах с реалистичными дефектами, с одной стороны, показали состоятельность программного обеспечения PIRATE, которое способно корректно обрабатывать сигналы ВТК и выдавать верный результат по определению геометрических параметров дефектов. Но с другой стороны, сама процедура проведения приемочных испытаний далека от процедуры проведения реального штатного контроля ТОТ ПГ АЭС. Опытно-промышленная эксплуатация программы должна в этом случае помочь адаптировать программу к реальному эксплуатационному контролю [81, 82].

4.3.1 Программа опытно-промышленной эксплуатации (ОПЭ) программы PIRATE На основании Акта приемочных испытаний программного обеспечения PIRATE - классификатора дефектов ТОТ парогенераторов АЭС с ВВЭР была подготовлена программа проведения ОПЭ.

сопоставительного анализа результатов эксплуатационного ВТК, полученных в периоды планово-предупредительных ремонтов (ППР) на штатных системах контроля дефектов ТОТ, с результатами, полученными при анализе сигналов вихретоковых датчиков с помощью программы PIRATE.

В процессе ОПЭ необходимо проверить работу в штатных условиях вихретокового контроля ТОТ ПГ АЭС следующие модули программы:

модуль чтения первичных данных и отображения сигналов в виде осциллограмм двух компонент (x и y) на любой из рабочих частот, годографа сигнала на комплексной плоскости;

модуль автоматического выявления дистанционирующих и антивибрационных решеток;

модуль автоматического обнаружения дефектов с последующим определением их геометрических параметров;

модуль отстройки от мешающих факторов;

соответствующих коэффициентов и пороговых значений эффективно отстроиться от мешающих факторов в конкретных условиях, а также провести автоматическую обработку в пакетном режиме данных как одной смены контроля, так данных всего ППР;

модуль формирования отчета.

PIRATE

автоматическом, так и в экспертном режиме. Пользователями программы должны быть эксперты-аналитики, аттестованные в установленном порядке, которые формируют заключение о состоянии контролируемых трубок парогенератора по результатам ВТК. С помощью программы они могут провести в автоматическом режиме первичную обработку данных и выбрать наиболее важные для экспертного анализа индикации сигналов.

Сформированный с использование программы «PIRATE» отчет по контролю сравнивается с отчетом, созданным вручную операторами при использовании штатных систем обработки тех же данных ВТК. По результатам сравнения ведется журнал соответствия, куда заносятся рекомендации по корректировкам в настройках программы (рис.4.12).

Рис.4.12 Окно сравнения результатов контроля Для регистрации результатов проверки программного обеспечения PIRATE создан дополнительный программный модуль, позволяющий в период проведения ППР формировать рабочий журнал, включающий:

регистрацию действий пользователя программой при ручной и автоматической обработке;

внесение комментариев пользователем о выявленных сбоях программы или недостатках документации;

выявление случаев некорректной работы программы, как в результате неверных действий пользователя, так и в случае программных ошибок;

сравнение результатов ВТК ТОТ, сформированных программой в автоматическом режиме, с результатами экспертного анализа, полученными с использованием штатного программного обеспечения в ручном режиме.

Основной задачей программы на этом этапе тестирования было корректно выявлять дефекты, выявленные аналитиками в ручном режиме с использованием штатных систем контроля. То есть программа PIRATE при работе в автоматическом режиме не должна пропускать дефекты, обнаруженные аналитиками. Таким образом, программа должна удовлетворять приведенным в таблице 5.6 критериям совпадения данных.

Критерий совпадения для каждого диапазона глубины дефекта в % от толщины стенки (см. таблицу 4.6) вычисляется по формуле:

где – критерий совпадения данных ВТК ТОТ;

- количество дефектов, выявленных программным обеспечением PIRATE в автоматическом режиме из общего количества дефектов, определенных штатной системой ВТК в каждом диапазоне глубины;

– общее количество дефектов, выявленных штатной системой ВТК ТОТ в каждом диапазоне глубины.

По результатам анализа критериев совпадения данных ВТК ТОТ, сформированных программным обеспечением PIRATE в автоматическом режиме и штатной системой ВТК, определяется готовность программы к промышленной эксплуатации.

4.3.2 Результаты опытно-промышленной эксплуатации на Кольской АЭС (парогенератор АЭС с РУ ВВЭР-440) Для проведения сопоставительного анализа использовались данные ВТК полученные в период проведения ППР-2009 на 3-м парогенераторе блока №1 в следующем объёме:

количество проконтролированных теплообменных полутруб со стороны горячего коллектора – 2376;

количество проконтролированных теплообменных полутруб со стороны холодного коллектора – 981.

Проведено сравнение результатов ВТК ТОТ, сформированных программой PIRATE в автоматическом режиме, с результатами анализа, полученными персоналом Кольской АЭС с использованием системы контроля ТОТ Harmonik 210 – AIDA 6.7C (Таблица 4.7).

Таблица 4.7 Результаты сравнительного анализа первого этапа опытно-промышленной дефекта в % от выявленных программой из дефектов анализа данных от 40% до 75% включительно от 20% до 40% включительно Из результатов сравнительного анализа следует, что программное обеспечение PIRATE не полностью удовлетворяет критериям совпадения данных анализа ВТК, установленных Программой ОПЭ (для дефектов, глубина которых превышает 75%). В ходе проверки на первом этапе выявлены следующие сбои и ошибки работы программы:

сбои в работе программы при пакетной обработке информации в объеме, превышающем 500Мб (содержимое 30-ти лотов данных);

теплообменных полутруб;

при коррекции местоположения решетки не перерассчитываются расстояния до дефектов, исходя из фиксированного расстояния между решетками в конструкции парогенератора.

корректировок в программе, которые позволили повысить стабильность работы программы PIRATE. Также на этом этапе был предложен алгоритм выявления дефектов на основе согласованной фильтрации, который при повторных испытаниях показал намного лучший результат (таблица 4.8).

Таблица 4.8 Результаты сравнительного анализа второго этапа опытно-промышленной дефекта в % от выявленных программой из дефектов анализа данных от 40% до 75% включительно от 20% до 40% включительно В результате тестирования программы сбоев в работе не выявлено. Из результатов сравнительного анализа следует, что программное обеспечение PIRATE полностью удовлетворяет критериям совпадения данных анализа ВТК, установленных Программой ОПЭ.

Но, учитывая выявление достаточно высокого количества ложных индикаций в зонах с отложениями, было поставлено условие, доработать программу для обеспечения возможности отключения автоматического поиска индикаций в этих зонах ТОТ.

К моменту проведения третьего этапа опытно-промышленной

PIRATE

коэффициенты корректировки, а также встроен модуль обнаружения отложений на ТОТ ПГ АЭС. Результат испытаний представлен в таблице 4.9.

Таблица 4.9 Результаты сравнительного анализа третьего этапа опытно-промышленной дефекта в % от выявленных программой из дефектов анализа данных от 40% до 75% включительно от 20% до 40% включительно Несмотря на превышение установленных порогов по выявляемости дефектов. Один из дефектов, глубиной более 75% не был обнаружен в автоматическом режиме программным обеспечением PIRATE, тем не менее, был отмечен аналитиками Кольской АЭС. Пояснение этого факта представлено ниже. На рис.4.13 представлено измерение параметров дефекта, сделанное программой автоматического анализа данных PIRATE.

В результате анализа этой ситуации, стоит отметить, что поскольку программное обеспечение PIRATE не является заменой аналитика-эксперта, а лишь вспомогательным инструментом для него, то в методических рекомендациях по работе с программой сделан упор на то, что все обнаруженные программой в автоматическом режиме дефекты должны быть проанализированы аналитиком и в такой ситуации он имеет полное право заменить этот дефект на две индикации. Хотя стоит отметить, что подобные сигналы скорее всего от одного, но сложного с точки зрения морфологии дефекта и не совсем корректно проводить его оценку по частям.

Рис.4.13 Дефект, отмеченный программой PIRATE, оценка глубины по ИНС 65% Аналитиками Кольской АЭС были установлены в этом же месте две индикации, показанные на рис.4.14 и 4.15.

Рис.4.14 Дефект, отмеченный аналитиками Кольской АЭС, Рис.4.15 Второй дефект, отмеченный аналитиками Кольской АЭС, оценка глубины 55% 4.3.3 Результаты опытно-промышленной эксплуатации на Калининской АЭС (парогенератор АЭС с РУ ВВЭР-1000) Следующим этапом испытаний после успешно проведенных на сигналах ВТП с парогенератора АЭС с РУ ВВЭР-440 были сигналы с Калининской АЭС, имеющей парогенераторы АЭС с РУ ВВЭР-1000.

PIRATE

вихретокового контроля ТОТ 4-го парогенератора энергоблока №1 (1ПГ-4) Калининской АЭС в ППР-2009. Объём сравнительных данных составил:

количество проконтролированных теплообменных полутруб со стороны горячего коллектора - 5277;

количество проконтролированных теплообменных полутруб со стороны холодного коллектора - 5254.

Результаты ВТК ТОТ, сформированные программой PIRATE в автоматическом режиме, сравнивались с результатами анализа данных, полученными персоналом ОАО «Атомэнергоремонт» с использованием системы ВТ контроля ТОТ Zetec MIZ-70 – EDDYNET (таблица 4.10).

Таблица 4.10 Результаты сравнительного анализа этапа опытно-промышленной эксплуатации программного обеспечения PIRATE на данных вихретокового контроля от 40% до 75% включительно от 20% до 40% включительно – На трубке104-38-Г-II (ряд 104 колонка 38 горячего коллектора второй полуокружности) несплошность 27% от толщины стенки программой PIRATE не выявлена. Причиной является то, что амплитуда сигнала составляет 0.08В, что ниже установленного в программе уровня фиксации индикаций 0.20В, определенного в руководящих документах.

Необъективность экспертного контроля зачастую заключается в том, что операторы отмечают сигналы не всегда превышающие пороги фиксации дефектов, а в ряде случаев могут пропустить превышающий уровень сигнал.

теплообменных трубок парогенераторов При определении геометрических параметров дефектов и степени их опасности необходимо при штатном вихретоковом контроле труб парогенераторов АЭС использовать не только фазовые характеристики сигналов, но и амплитудные. Поэтому был произведен анализ возможности применения амплитудного критерия при глушении теплообменных труб парогенераторов АЭС, были исследованы сигналы вихретокового контроля труб парогенераторов по результатам планово-предупредительного ремонта в 2011 году на парогенераторах Кольской (ВВЭР-440) и Балаковской АЭС (ВВЭР-1000). Также предполагалось в соответствии с «Нормами дефектов (критериями глушения) теплообменных труб парогенераторов реакторных установок АЭС с ВВЭР» (РД ОЭ 1.1.2.16.0157-2009) с помощью трехмерного конечно-элементного моделирования.

4.4.1 Исследование данных эксплуатационного ВТК парогенераторов ВВЭР- Для анализа возможности применения амплитудного критерия при глушении теплообменных труб парогенераторов АЭС было проведено предварительное исследование сигналов вихретокового контроля этих труб по результатам планово-предупредительного ремонта в 2011 году на парогенераторах Кольской (ВВЭР-440). Съем сигналов производился с использованием аттестованной установки контроля в составе манипулятора, вихретокового прибора Harmonic 210 и программного обеспечения сбора данных Aida 6.7. Анализ сигналов с целью обнаружения и параметризации дефектов производился в автоматическом режиме с помощью программнометодического комплекса PIRATE.

При автоматической обработке сигналов было выявлено, помимо дефектов, множество индикаций типа NA, которые аналитиками, как правило, не анализируются, параметры таких дефектов не определяются, однако их наличие на теплообменной трубке фиксируется в отчете. При анализе подобные сигналы не рассматривались. Также в автоматическом режиме были отмечены ложные индикации, которые также для анализа возможности применимости амплитудного критерия не годятся.

Выбор данных для анализа определенная по калибровочной кривой, больше 20% толщины стенки трубы.

Другим критерием отбора для повышения статистической точности являлось условие, что результаты определения глубины дефекта по трём частотам должны отличаться не более чем на 20%. На рис.4.16 представлен пример сигнала (годографы и результаты измерений параметров дефектов на всех частотах) от индикаций, не вошедших в базу для анализа.

На рис.4.17 представлены пример сигнала (годограф и результаты измерения параметров дефектов на всех частотах) от индикации, которая вошла в базу для анализа (таблица 4.11).

глубина которых была определена) Рис.4.16 Пример индикации, не вошедшей в анализируемую базу сигналов Рис.4.17 Пример индикации, вошедшей в базу анализа сигналов Анализ статистических распределений параметров сигналов Анализ статистических распределений различных параметров вихретоковых сигналов и оценок геометрических параметров дефектов (глубины и осевой протяженности - длины) проводился на трех рабочих частотах: F1 – 280кГц; F2 – 130кГц; F3 – 60кГц.

На рис.4.18 приведены статистические данные распределения количества дефектов по длине. Как видно из гистограммы, преобладают дефекты с небольшой осевой протяженностью (более половины из них – меньше так называемой «базы» преобразователя – 5мм).

На рис.4.19 приведены статистические данные распределения количества дефектов по амплитуде диагностического сигнала на частоте F (280кГц). Как видно из гистограммы, значительная часть дефектов имеют сигналы с небольшой амплитудой (менее 0,3В).

На рис.4.20 приведены статистические данные распределения количества дефектов по амплитуде диагностического сигнала на основной частоте F2 (130кГц). Также можно отметить, что значительная часть дефектов имеют сигналы с небольшой амплитудой (менее 0,4В).

Рис.4.18 Гистограмма распределения дефектов по длинам Рис.4.19 Гистограмма распределения дефектов по амплитудам на частоте 280кГц распределения количества дефектов по амплитуде сигнала на низкой частоте F3 (60кГц). Отмечаем, что достаточно много дефектов имеют сигналы с небольшой амплитудой (менее 0,4В).

Рис.4.20 Гистограмма распределения дефектов по амплитудам на частоте 130кГц Рис.4.21 Гистограмма распределения дефектов по амплитудам на частоте 60кГц На рис.4.22 приведены статистические данные распределения количества дефектов по глубине, определенной по калибровочной характеристике для сигнала на частоте F2 (130кГц). Здесь 116 дефектов (28% - почти каждый третий) относятся к критическим, т.е. имеющим глубину более 70% толщины стенки теплообменной трубки.

Рис.4.22 Гистограмма распределения дефектов по глубине, определенной по калибровочной характеристике для частоты 130кГц Взаимная зависимость амплитуд сигналов на разных частотах Далее были сопоставлены амплитудные данные сигналов от дефектов на разных частотах. На рис.4.23 показаны такие взаимные зависимости на частотах F1 (280кГц) и F2 (130кГц). Следует отметить хорошую «согласованность» в поведении амплитуд на этих двух частотах.

Такая же ситуация наблюдается и на взаимной зависимости амплитуд сигналов от дефектов для частот F2 (130кГц) и F3 (60кГц) – рис.4.24.

Рис.4.23 Взаимные зависимости амплитуд от дефектов на частотах 280кГц и 130кГц Рис.4.24 Взаимные зависимости амплитуд от дефектов на частотах 130кГц и 60кГц Распределение дефектов в координатах глубина-длина координатах длина-лубина, при этом оценки глубины были получены по сигналам на основной частоте F2 (130кГц). На рис.4.25 приведено такое распределение, при этом отмечена зона дефектов, имеющих глубину более 60% от толщины стенки трубки. Отмечаем, что длина опасных дефектов изменяется в достаточно большом диапазоне (от 2мм до 21мм).

Рис.4.25 Распределение дефектов на плоскости в координатах длина-глубина (отмечена зона опасных дефектов, которые имеют большую глубину) Далее приведены распределения в плоскости с координатами длинаглубина для опасных дефектов (выделенных на рис.4.25), имеющих амплитуду соответствующих сигналов в диапазонах: менее 0,1В (рис.4.26), от 0,1В до 0,2В (рис.4.27), от 0,2В до 0,3В (рис.2.28), от 0,3В до 0,4В (рис.4.29), от 0,4В до 0,5В (рис.4.30), более 0,5В (рис.4.31).

Длины опасных дефектов с сигналом большой амплитуды (более 0,5В) изменяются в самом большом диапазоне (от 2мм до 21мм).

Рис.4.26 Распределение дефектов на плоскости в координатах длина-глубина (в зоне опасных дефектов, с амплитудой дефектов меньше 0,1 В) Рис.4.27 Распределение дефектов на плоскости в координатах длина-глубина (в зоне опасных дефектов, с амплитудой сигнала 0,1-0,2 В) Рис.4.28 Распределение дефектов на плоскости в координатах длина-глубина (в зоне опасных дефектов, с амплитудой сигнала 0,2-0,3 В) Рис.4.29 Распределение дефектов на плоскости в координатах длина-глубина (в зоне опасных дефектов, с амплитудой сигнала 0,3-0,4 В) Рис.4.30 Распределение дефектов на плоскости в координатах длина-глубина (в зоне опасных дефектов, с амплитудой сигнала 0,4-0,5 В) Рис.4.31 Распределение дефектов на плоскости в координатах длина-глубина (в зоне опасных дефектов, с амплитудой сигнала больше 0,5 В) Двумерные распределения амплитуд сигналов в координатах длина-глубина Двумерные распределения амплитуд сигналов от дефектов на плоскости в координатах длина-глубина представлены на рис.4.32-4.33, при этом оценки глубины были вновь получены по сигналам на разных частотах.

Рис.4.32 Двумерное распределение амплитуд сигналов от дефектов на плоскости с координатами длина-глубина для частоты 130кГц Рис.4.33 Двумерное распределение амплитуд сигналов от дефектов на плоскости с координатами длина-глубина для частоты 280кГц Другая возможность представления двумерных распределений – в виде рельефной поверхности, высота каждой точки которой соответствует амплитуде сигнала. Далее на рис.4.34 приведено такое рельефное распределение амплитуд сигналов для опасных дефектов (с глубиной более 60%) на плоскости в координатах длина-глубина с оценкой глубины по сигналам на высокой частоте F1 (280кГц).

Рис.4.34 Рельефное распределение амплитуд сигналов от дефектов на плоскости с координатами длина-глубина для частоты 280кГц парогенераторов ВВЭР-440 с целью обоснования амплитудного критерия при глушении теплообменных труб парогенераторов АЭС показывает, что при решении вопроса о глушении теплообменной трубы должны учитываться оценки основных геометрических параметров обнаруженного дефекта – его глубина и осевая протяженность, а также амплитуды сигналов от этого дефекта на разных частотах.

4.4.2 Исследование данных эксплуатационного ВТК парогенераторов Далее база сигналов эксплуатационного вихретокового контроля теплообменных труб парогенераторов АЭС была расширена за счет данных, полученных по результатам планово-предупредительного ремонта в году на парогенераторах Балаковской АЭС (ВВЭР-1000). Анализ возможности введения и обоснования амплитудного критерия при глушении труб был проведен на сигналах, полученных с использованием аттестованной установки контроля MIZ-70. Также как и ранее, результаты анализа сигналов (обнаружение и параметризация дефектов) получены в автоматическом режиме с помощью программно-методического комплекса PIRATE с использованием соответствующих калибровочных зависимостей, определяемых тестовыми дефектами на калибровочной трубке.

Критерием отбора сигналов для введения в базу (таблица 4.12) было то же условие - оценки глубины дефекта по всем трём частотам не должны отличаться более чем на 20%. Для анализа выбирались только дефекты, глубина которых по калибровочной кривой больше 20% толщины стенки трубы.

Выявлено индикаций в автоматическом режиме 6 825 ~1. Выбрано индикаций для анализа (только те, 367 ~0. глубина которых была определена) Анализ статистических распределений параметров сигналов Анализ статистических распределений различных параметров вихретоковых сигналов и оценок геометрических параметров дефектов (глубины и осевой протяженности - длины) проводился на трех рабочих частотах (MIZ-70): F1 – 200 кГц; F2 – 100 кГц; F3 – 25 кГц.

На рис.4.34 приведены статистические данные распределения количества дефектов по длине. Как видно из гистограммы, преобладают дефекты с небольшой осевой длиной (более половины из них – меньше 5мм).

Рис.4.34 Гистограмма распределения дефектов по длинам На рис.4.35 приведены статистические данные распределения количества дефектов по амплитуде диагностического сигнала на частоте F (200кГц). Как видно из гистограммы, значительная часть дефектов также имеют сигналы с небольшой амплитудой (менее 0,3В).

Рис.4.35 Гистограмма распределения дефектов по амплитудам на частоте 200кГц На рис.4.36 приведены статистические данные распределения количества дефектов по амплитуде диагностического сигнала на основной частоте F2 (100кГц). Можно отметить, что значительная часть дефектов имеют сигналы с небольшой амплитудой (менее 0,3В).

Рис.4.36 Гистограмма распределения дефектов по амплитудам на частоте 100кГц На рис.4.37 приведены статистические данные распределения количества дефектов по глубине, определенной по калибровочной характеристике для сигнала на частоте F1 (200кГц). Можно отметить, что среди 367 дефектов 78 (21% - почти каждый пятый) относятся к критическим (имеющим глубину более 70% толщины стенки теплообменной трубки).

На рис.4.38 приведены статистические данные распределения количества дефектов по глубине, определенной по калибровочной характеристике для сигнала на частоте F2 (100кГц). Здесь уже 90 дефектов (24% - почти каждый четвертый) относятся к критическим, т.е. имеющим глубину более 70% толщины стенки теплообменной трубки.

Рис.4.37 Гистограмма распределения дефектов по глубине, определенной по калибровочной характеристике для частоты 200кГц Рис.4.38 Гистограмма распределения дефектов по глубине, определенной по калибровочной характеристике для частоты 100кГц Распределение дефектов в координатах глубина-длина координатах длина-глубина, при этом оценки глубины были получены по сигналам на основной частоте F2 (100кГц). На рис.4.39 приведено такое распределение, при этом отмечена зона опасных дефектов, имеющих глубину более 60% от толщины стенки трубки. Отмечаем, что длина опасных дефектов изменяется в достаточно большом диапазоне (от 2мм до 21мм).

Рис.4.39 Распределение дефектов на плоскости в координатах длина-глубина (отмечена зона опасных дефектов, которые имеют большую глубину) Двумерные распределения амплитуд сигналов в координатах длина-глубина Двумерные распределения амплитуд сигналов от дефектов на плоскости в координатах длина-глубина, при этом оценки глубины были вновь получены по сигналам на разных частотах. На рис.4.40 приведено такое распределение для дефектов, оценка глубины которых получена на основной частоте F2 (100кГц), на рис.4.41 – на высокой частоте F1 (200кГц).

Как видно из представленных результатов на низкой частоте распределение получилось наименее показательным ввиду меньшей чувствительности этой частоты.

Иная возможность представления двумерных распределений – в виде рельефной поверхности, высота каждой точки которой соответствует амплитуде сигнала. Далее приведены такие рельефные распределения амплитуд сигналов для опасных дефектов (с глубиной более 60%) на плоскости с координатами длина-глубина с оценкой глубины по сигналам на разных частотах. На рис.4.42 приведено такое распределение для дефектов, оценка глубины которых получена на высокой частоте F1 (200кГц), на рис.4.43 – на основной частоте F2 (100кГц).

Рис.4.40 Двумерное распределение амплитуд сигналов от дефектов на плоскости с координатами длина-глубина для частоты 100кГц Рис.4.41 Двумерное распределение амплитуд сигналов от дефектов на плоскости с координатами длина-глубина для частоты 200кГц Рис.4.42 Рельефное распределение амплитуд сигналов от дефектов на плоскости с координатами длина-глубина для частоты 200кГц Рис.4.43 Рельефное распределение амплитуд сигналов от дефектов на плоскости с координатами длина-глубина для частоты 100кГц 4.4.3 Обоснование выбора параметров амплитудного критерия Определение допустимых дефектов и расчет сигналов этих дефектов Указанным в Приложении А1 [85] допустимым параметрам дефектов с помощью математического моделирования методом конечных элементов спрогнозированы соответствующие сигналы проходного дифференциального преобразователя на рабочих частотах.

Значения геометрических параметров представлены в таблице:

Все смоделированные дефекты расположены на внешней поверхности теплообменной трубки и имели раскрытие 0,1мм. Для всех возможных дифференциальные сигналы вихретокового преобразователя для разных рассчитанных амплитуд сигналов для «ключевых» соотношений размеров дефектов (глубина-длина) при условии, что в качестве источника сигналов выступает штатная система контроля фирмы ZETEC (основная рабочая частота 100кГц, нормировка 10 В).

Таблица 4.13 Амплитуда сигнала для разных значений длины и глубины дефекта На рис.4.44 построена рельефная картина «поля амплитуд» в координатах длина-глубина, где цветовая палитра отображает значение амплитуды сигнала.

Рис.4.44 Двумерная зависимость амплитуды от глубины и длины дефектов При выборе критериальных значений амплитуды воспользуемся кривыми допустимых дефектов ТОТ при гидроиспытаниях, полученных в ОАО ОКБ «ГИДРОПРЕСС» [86]. На рис.4.45 приведены эти кривые для парогенераторов ВВЭР-440 и ВВЭР-1000.

Если на «поле амплитуд» наложить кривую допустимых дефектов (например, для ВВЭР-1000, рис.4.46), то соответствующие точки пересечения этой кривой с координатными линиями фиксированной глубины (70%, 80%, 90%) и определят требуемые значения амплитуды. В случае контроля системой MIZ-70 значения будут 3,63 В (для глубины 70%), 3.33 В (80%) и 2.21 В (90%) – рис.4.46.

Длина дефекта, мм Определение значений амплитудного критерия для различных штатных систем контроля Нормировка штатных систем вихретокового контроля проводится по величине сигнала от дефекта на калибровочной трубке, состоящего из трех сквозных отверстий диаметром 1,3 мм, расположенных в одной плоскости под 120 друг к другу.

Амплитудные критерии допустимости дефектов ТОТ ПГ при условии (основная рабочая частота 130 кГц или 100 кГц, нормировка 1 В) сведены в таблицу 4.14.

Допустимая Допустимая амплитуда Допустимая амплитуда глубина, % от сигнала на открытом сигнала от дефекта под