Метод статистической обработки данных акустико-эмиссионного мониторинга на примере реактора гидроочистки Мозырского НПЗ
Барат В.А., Алякритский А.Л.
Источник: Журнал “В мире НК” № 4 [42] декабрь 2008 [Электронный ресурс] / Сайт компании ООО «Интерьюнис», - режим доступа: http://www.interunis.ru/index.php?newsid=31
Введение
В настоящее время для оценки состояния сложных промышленных объектов все чаще используют мониторинг – постоянное наблюдение за техническим состоянием конструкции или агрегата. Развитие и распространение систем мониторинга, связано со старением оборудования и необходимостью продления его срока службы, а их успешное функционирование обеспечивается высоким техническим уровнем средств неразрушающего контроля, усложнением их алгоритмического и программного обеспечения.
Наиболее эффективным для мониторинга особо опасных объектов является метод акустической эмиссии (АЭ), который позволяет в реальном времени следить за характером образования и развития дефектов в материале всего объекта в целом. Одной из проблем, возникающих при проведении акустико-эмиссионного мониторинга, является большой объем разнородной диагностической информации – сигналы акустической эмиссии, их параметры, показания датчиков температуры, давления, влажности.
Поскольку построение аналитической или даже численной диагностической модели для интерпретации сигналов акустической эмиссии оказывается сложной и нетривиальной задачей, оказывается целесообразным проведение статистического анализа данных, позволяющего с высокой степенью достоверности проводить структурирование и интерпретацию данных.
В данной статье описывается статистический метод анализа результатов акустико-эмиссионного контроля, позволяющий анализировать всю совокупность измерительной информации, как параметры импульсов акустической эмиссии, так и временные реализации сигналов. Данный метод основан на двухуровневой кластеризации данных – сигналов акустической эмиссии зарегистрированных отдельными измерительными каналами, и «групп сигналов», сформированных на основании первичной кластеризации.
Метод позволяет определять количество источников акустической эмиссии, и оценивать степень их опасности, не прибегая к локации. Зонная локация проводится после обнаружения источников акустической эмиссии, что позволяет избежать, так называемых, ложных локаций, значительно усложняющих локационную картину. На основании результатов, полученных при классификации, может быть проведена коррекция времен прихода сигналов акустической эмиссии, позволяющая повысить точность определения местоположения источников акустической эмиссии.
Статистический метод анализа данных был применен для обработки результатов акустико-эмиссионного мониторинга реактора гидроочистки дизельного топлива мозырского НПЗ. За пять месяцев наблюдения АЭ системой было зарегистрировано несколько десятков гигабайт измерительной информации. Обработка массива данных в автоматическом режиме позволила уточнить результаты локации, за счет удаления помех и исключения многочисленных соответствующих им «ложных локаций».
Описание системы мониторинга реактора гидроочистки
В 2007 году фирма «ИНТЕРЮНИС» проводила комплексный диагностический мониторинг (КДМ) реактора Р-301 установки Л-6У №1 Мозырского нефтеперерабатывающего завода.
Конструктивно реактор Р-301 представляет собой толстостенный вертикально стоящий сосуд. Внутренняя поверхность корпуса реактора защищена от воздействия агрессивной среды плакирующим слоем. Высокая рабочая температура реактора (от 320 до 425 °С), агрессивная среда и высокое рабочее давление являются факторами, которые могут привести к появлению и катастрофически быстрому развитию дефектов, особенно при разрушении плакирующего слоя, что приводит к водородному охрупчиванию и снижению прочности материала.
Система КДМ была разработана на базе акустико-эмиссионного комплекса «Лель-М /A-Line 32D (DDM-М)/». Акустико-эмиссионная часть была представлена 18-ю преобразователями GT200UB, сгруппированными в шесть поясов, четыре на обечайке реактора и по одному поясу на каждой крышке. Датчики АЭ были установлены на волноводах для обеспечения температуры допустимой для преобразователя.
За время проведения мониторинга с февраля по май 2007 года на поверхности объекта было обнаружено девять локационных зон, соответствующих источникам акустической эмиссии различной степени опасности (рис.1). Причем источник, обнаруженный в зоне 5, характеризующийся 370-ю лоцированными событиями, был признан критически активным.
Рис.1. Карта локации
Поскольку обнаружение критически активных источников является предпосылкой для вывода объекта контроля из эксплуатации, было решено провести дополнительный анализ данных АЭ мониторинга, в том числе и сигналов акустической эмиссии, для подтверждения полученных результатов.
Анализ АЭ сигналов. Фильтрация помех
Как известно, при проведении мониторинга контролируемый объект работает в штатном режиме. Вибрация оборудования, течение продукта создают акустические помехи, затрудняющие проведение мониторинга. Предварительный анализ данных показал, что более половины зарегистрированных сигналов являются узкополосными помехами с различной центральной частотой и шириной спектра (рис.2).
 |
а) |
 |
б) |
Рис.2. а-сигнал соответствующий узкополосной помехе, б-спектр помехообразного сигнала с максимумом на частоте 100 кГц
Поскольку коррелированные узкополосные помехи могут привести к появлению на локационной карте «ложных локаций», их необходимо исключить из дальнейшего анализа. Для классификации сигналов и помех удобно использовать величину l (1,2), определяющее отношение энергии сигнала до s(t) и после s’(t) медианной фильтрации его спектра F(W)
 |
(1) |
 |
(2) |
Если при выборе параметров медианного фильтра задать ширину частотного окна сопоставимым с шириной спектра помехи, соотношение l для помех и для сигналов будет отличаться примерно в 20 раз. Такой способ фильтрации можно применять для исключения любых узкополосных помех как высокочастотных, так и низкочастотных.
Описание метода статистического анализа АЭ данных
После предварительной фильтрации был проведен статистический анализ данных [4].
Алгоритм метода представлен на рис. 3. Обработка данных осуществляется в два этапа. На первом этапе происходит кластеризация сигналов акустической эмиссии, причем данные, зарегистрированные каждым измерительным каналом, анализируются по отдельности. В качестве меры схожести каждой пары сигналов используется коэффициент корреляции. В результате первого этапа формируются «классы сигналов».
Затем классифицированные сигналы объединяются в группы, таким образом, чтобы в одну группу входили сигналы различных измерительных каналов, относящиеся к одному акустическому событию. Следующим этапом алгоритма является классификация полученных групп сигналов. К одному «классу групп» относят те группы, в которых сигналы классифицированы одинаково. Количество и характеристики предполагаемых источников акустической эмиссии оцениваются на основании результатов классификации групп сигналов.
Рис. 3. Алгоритм автоматизированного метода статистической обработки данных
В случае если часть импульсов акустической эмиссии характеризуется только параметрами, а реализации сигналов отсутствуют, «классы сигналов» и «классы групп» формируются на основании неполной диагностической информации. Для классификации импульсов акустической эмиссии, заданных только своими параметрами, каждый «класс групп» характеризуется набором признаков, входящих в перечень определяемых параметров импульса. Классификация импульсов акустической эмиссии, для которых отсутствует первичная диагностическая информация, осуществляется на основании многомерной эмпирической функции распределения, построенной для этих признаков.
Результаты обработки
Анализ данных акустико-эмиссионного мониторинга проводился в соответствии с описанным выше алгоритмом. Анализировались данные полученные с февраля по апрель 2007г, всего около 500000 импульсов акустической эмиссии и 65000 АЭ сигналов (осцилограмм).
Поскольку в качестве меры близости двух АЭ сигналов был выбран коэффициент корреляции, сначала были рассчитаны коэффициенты корреляции сигналов зарегистрированных каждым измерительным каналом. Для сокращения времени анализа, анализировались сигналы, зарегистрированные каналами 2,7,8,10,17,20, расположенными рядом с зоной 5 (рис.1), в которой предположительно находится критически активный источник акустической эмиссии. Корреляционный анализ сигналов акустической эмиссии показал наличие сигналов с высоким коэффициентом корреляции (более 0.7), для каждого из анализируемых каналов.
Сигналы, имеющие высокий коэффициент корреляции, и как следствие, схожую форму, были объединены в «классы сигналов» – кластеры. На рис.4 в качестве примера показаны сигналы, являющие центрами полученных кластеров. Импульсные сигналы с высокой амплитудой более 70 Дб, с высокой вероятностью характеризуют источник акустической эмиссии, расположенный в зоне 5.
 |
а) |
 |
б) |
Рис.4. Сигналы, соответствующие центрам масс кластеров: а-центр кластера для сигналов АЭ, зарегистрированных каналом8; б-центр кастера для сигналов АЭ, зарегистрированных каналом 17
Для сигналов акустической эмиссии, зарегистрированных каналами 2,7,8,10,17,20, были сформированы 23 кластера. При идентификации часть (14) кластеров была отнесена к технологическим событиям, ряд кластеров (4) содержал коррелированные помехи, остальные (5) с высокой вероятностью характеризовали источники акустической эмиссии.
Идентификация источников АЭ сигналов проводилась экспертами фирмы «Интерюнис» на основании характеристик сигналов составляющих кластер, а также по распределению АЭ параметров в кластере.
При формировании «классов групп» учитывались только те 5 «классов сигналов», которые были идентифицированы, как характеризующие источники АЭ. Наиболее представительные кластеры были сформированы для сигналов зарегистрированных восьмым и семнадцатым каналами. В Таблице 1 для примера приведены средние значения АЭ параметров для сигналов двух наиболее представительных кластеров, сформированных из АЭ сигналов каналов 8 и17.
Таблица 1 — Средние значения АЭ параметров для сигналов двух наиболее представительных кластеров
| Номер канала | 8 | 17 |
| Количество сигналов в кластере | 284 | 138 |
| Среднее значение амплитуды, Дб | 72 | 69 |
| Среднее значение энергии, Дб | 104 | 98 |
| Среднее значение времени нарастания, мкс | 240 | 379 |
| Среднее значение длительности, мкс | 893 | 1057 |
На основании пяти «классов сигналов» был сформирован один «класс групп» – «зона 5». Параметры, приведенные в Таблице 1, помогли дополнить класс «зона 5» импульсами акустической эмиссии, для которых не были записаны осциллограммы. Всего по результатам проведенного анализа было идентифицировано около 450 акустических событий, которые соответствуют источнику акустической эмиссии, расположенному в зоне 5. Данные результаты подтверждают ранее определенную степень опасности источника акустической эмиссии, расположенного в этой зоне.
Выводы
Рассматриваемый статистический метод обработки сигналов акустической эмиссии может быть успешно использован для анализа данных акустико-эмиссиионного мониторинга.
Предложенный метод имеет высокую достоверность, поскольку он предполагает анализ непосредственно сигналов акустической эмиссии, которые являются первичной диагностической информацией.
Результаты статистического анализа данных акустико-эмиссионного мониторинга реактора Р-301 мозырского НПЗ подтвердили критически активную степень опасности источника акустической эмиссии, расположенного в зоне 5 (рис.1).
В процессе анализа было уточнено количество лоцированных событий, расположенных в зоне 5. Кроме того, в процессе анализа произведена фильтрация помех, соответствующих вибрациям оборудования и течению продукта, а также идентифицированы технологические события, не связанных с деградацией и разрушением материала.
Следует также отметить, что предложенный метод статистической обработки позволяет анализировать данные в автоматическом режиме.
Литература
- Барат В.А., Алякритский А.Л., Статистический метод обработки сигналов акустической эмиссии и их параметров для повышения достоверности результатов контроля. // Сборник трудов 17-й Российской научно-технической конференции. Неразрушающий контроль и диагностика. Екатеринбург, 2005. (на CD-ROM)
- Айвазян С.А., Енюков И.С., Мешалкин Л.Д., Бухштабер В.М., Прикладная статистика в 3-х частях. М:.Финансы и статистика,1989.
- Л.Н.Степанова, А.Е.Кареев. Разработка метода динамической кластеризации сигналов акустической эмиссии для повышения точности их локализации. //Контроль.Диагностика,2003, №6, с.15-20.
- Алякритский А.Л., Барат В.А., Автоматизированный метод анализа данных акустико-эмиссионного контроля.//Труды научно-технической конференции. Акустическая эмиссия. Достижения в теории и практике.