Анализ акустических сигналов течи для повышения чувствительности контроля за счет создания эффективных диагностических признаков

23.03.2018 2018 - №01 Безопасность, надежность и диагностика ЯЭУ

Д.М. Швецов Е.Л. Трыков С.Т. Лескин А.Ю. Пузаков

https://doi.org/10.26583/npe.2018.1.11

В настоящее время для контроля герметичности оборудования и трубопроводов, а также своевременного обнаружения течей теплоносителя первого контура реакторной установки (РУ) при работе энергоблока на различных уровнях мощности в режимах нормальной эксплуатации и с ее нарушением используются системы акустического контроля течей (например, САКТ). В качестве основных диагностических признаков обнаружения течи в системах используются усредненная по времени дисперсия акустического сигнала. Чувствительность этого признака определяется превышением сигналом заданного порогового значения, которое определяется фоном. При этом фоновые значения акустического сигнала зависят от режимов работы оборудования и зачастую не позволяют определить течь теплоносителя на ранней стадии ее развития.

Представлен новый подход к формированию диагностических признаков обнаружения разгерметизации контура на ранней стадии развития течи теплоносителя.

Методика получения диагностических признаков основана на обработке в различных частотных диапазонах акустического сигнала, сопровождающего истечение теплоносителя из трубопровода, с помощью метода главных компонентов.

Эффективность разработанной методики по обнаружению течи теплоносителя демонстрируется на обработке акустических сигналов экспериментальной установки, моделирующей течь теплоносителя при разгерметизации контура.

Чувствительность метода даже при наличии значительного акустического фона позволяет обнаружить течи значительно меньшего расхода (до пяти раз), чем традиционная обработка акустического сигнала. Реализация разработанной методики не потребует значительных затрат на модернизацию существующих систем контроля течей, работающих в настоящее время на различных АЭС.

Ссылки

1. Аркадов Г.В., Павелко В.И., Финкель Б.М. Системы диагностирования ВВЭР. – М.: Энергоатомиздат, 2010. – 391с.
2. Weiss S., Reagan W., Roe J. Experience with operator aids for nuclear power plants in the USA. In: Proc. Intern. Conf. on Man-Machine Interface in Nuclear Industry. Tokyo, 15-19.02.1988. – Vienna. – 1988. – PP. 32-329.
3. Лескин С.Т., Слободчук В.И., Шелегов А.С. Анализ состояния ГЦН ВВЭР-1000 в процессе эксплуатации // Известия вузов. Ядерная энергетика. – 2016. – № 4. – С. 12 - 22.
4. Лескин С.Т., Слободчук В.И., Шелегов А.С. Кашин Д.Ю. Анализ состояния насосов систем безопасности по данным измеряемых параметров при их испытании // Известия вузов. Ядерная энергетика. – 2017. – № 1. – С. 42 - 50.
5. Ujita Hiroshi. A probabilistic analysis method of evaluate the effect of human factors on plant safety. // Nucl. Tehnol. – 1986. – Vol. 76. – No. 3. – PP. 370-376.
6. Fault diagnosis in dynamic systems. Theory and applications / Ed. by Patton R., Frank P., Clarc R. – Prentice Hall Inc., Englewood Cliffs, NY, 1989. – 360 p.
7. Willsky A.S. A Survey of design methods for failure detection in dynamic systems // Automatica. – 1976. – Vol. 12. – PP. 601-611.
8. Iserman R. Process fault detection based on modeling end estimation methods – a survey // Automatica. – 1984. – Vol. 20. – No. 4. – PP. 387-404.
9. Basseville M. Detecting changes in signal and systems – a survey // Automatica.– 1988. – Vol. 24. – No. 3. – PP. 309-326.
10. Frank P.M. Fault diagnosis in dynamic systems using analytical and knowledge-basedredundancy - a survey and some new results // Automatica. – 1990. – Vol. 26. – No. 3. – PP. 459-474.
11. Reisen C., Marshall E. Evaluaning operator support system in realistic conditions at hammlab // Nuclear Engineering International. – 1988. – Vol. 33. – No. 402. – PP. 39-41.
12. Абагян А.А., Дмитриев В.М., Клебанов Л.А., Крошилин А.Е., Ларин Е.П., Морозов С.К. Система контроля и диагностики режимов работы энергоблока АЭС. // Атомная энергия. – 1987. – Т. 63. – Вып. 5. – С. 311-315.
13. Herbert M.R. A review of on-line diagnostic aids for nuclear power plant operators. //Nucl. Energy. – 1984. – Vol. 23. – No. 4. – PP. 259-264.
14. Павелко В.И. Обзор приложений методологии экспертных систем в атомной энергетике.// Атомная техника за рубежом– 1990. – Вып. 11. – С.1-8.
15. Дж. Ту, Р.Гонсалес. Принципы распознавания образов. – М.: Мир, 1978. – 412 c.
16. Urig Robert E. Potential application of nuclear networks to nuclear power plants. Proc. Amer. Power Conf. Vol. 53. Pt. 2 53-rd. Annu Meet., Chicago, III., Apr. 29-May 1. 1991. – PP. 946-951.
17. Fukunaga К. Introduction to statistical pattern recognition. – Academic Press, New York and London, 1972. – 375 p.
18. Классификация и кластер. Под ред. Дж. Вэн Райзина. – М.: Мир, 1980. – 365 с.
19. Tao Gu, Tou J.T. A new criterion for optimal classification. // Pattern Recognition. – 1982. – No. 2. – PP. 1063-1065.
20. Лескин С.Т. Разработка алгоритмов распознавания аномалий в состоянии оборудования АЭС по анализу данных оперативного технологического контроля. // Известия вузов. Ядерная энергетика. – 1997. – № 4. – С. 4-12.

контроль герметичности оборудования дисперсия акустического сигнала моделирование течей теплоносителя метод главных компонентов дополнительные диагностические признаки распознавание образов

Ссылка для цитирования статьи: Швецов Д.М., Трыков Е.Л., Лескин С.Т., Пузаков А.Ю. Анализ акустических сигналов течи для повышения чувствительности контроля за счет создания эффективных диагностических признаков. // Известия вузов. Ядерная энергетика. – 2018. – № 1. – С. 112-121. DOI: https://doi.org/10.26583/npe.2018.1.11 .