Domů
Elektroenergetika
Nový automatizovaný systém umožní detekci trhlin na zařízeních jaderných elektráren

Nový automatizovaný systém umožní detekci trhlin na zařízeních jaderných elektráren

Nový automatizovaný systém umožňuje vyhledávat praskliny na ocelových komponentech jaderných elektráren a dosahuje prokazatelně vyšší přesnosti než podobné diagnostické systémy.

„Pravidelná kontrola komponent jaderných elektráren je důležitá pro zamezení vzniku nehod a zajištění bezpečného provozu. Bohužel současné metody kontrol jsou časově náročné, zdlouhavé a subjektivní, protože vyžadují ke svému provozu operátora, který diagnostické zařízení manuálně přesouvá na místa, kde se předpokládá výskyt materiálových trhlin,“ říká Mohammad R. Jahanshahi, odborný asistent z Purduovy univerzity.

Ostatní automatizované diagnostické algoritmy ve fázi vývoje často neidentifikují vyskytující se trhliny, kvůli jejich malým rozměrům a nízkému kontrastu. Mimo jiné je nejsou schopny odlišit od svarů, škrábanců a stop po broušení. Nový systém nazývaný CRAQ, který je určen pro identifikaci a kvantifikaci prasklin, překonává tyto nedostatky pokročilým algoritmem a disponuje schopností „strojového učení“ rozpoznávání trhlin na základě měnící se struktury prasklin na ocelové ploše.

Pohled do jaderného reaktoru na Čerenkovovo záření; Autor: Rob Custodio
Zdroj: Flickr

Poznatky jsou detailně popsány ve výzkumné zprávě publikované minulý měsíc v časopise Computer-Aided Civil and Infrastructure Engineering.

V Americe je momentálně provozováno 99 komerčních jaderných reaktorů, které tvoří přibližně 20 % národní elektrické produkce. Stárnutí těchto bloků může únavou materiálu vést ke vzniku trhlin, křehnutí kovových částí, opotřebení, erozi, korozi a oxidaci.

„Vznik prasklin je důležitým ukazatelem degradace materiálu jeho stárnutím. Může dojít k úniku média, který vyústí například v nebezpečnou havárii,“ tvrdí Jahanshahi.

Bazén skladování jaderného paliva; Zdroj: IAEA

Incident z roku 1996 na jaderné elektrárně Millstone v Connecticutu, kterou zapříčinil únik média z porušeného ventilu, stál provozovatele 254 miliónů dolarů. V roce 2010 došlo na jaderné elektrárně Vermont Yankee k úniku z netěsných podzemních trubek a následně ke kontaminaci podzemních vod radioaktivním tritiem. Celková škoda byla vyčíslena na 700 miliónů dolarů.

Komplikací při diagnostice komponent jaderného reaktoru, je prostředí, které je zaplaveno vodou kvůli odvodu tepla.

„Přímá manuální diagnostika vnitřních částí reaktoru není v současnosti proveditelná, kvůli vysokým teplotám a riziku ozáření. Pro diagnostiku jsou proto vhodná dálkově nahrávaná videa ze zaplaveného reaktoru. Nicméně nedávné testy zjistily potřebu zlepšit spolehlivost detekce trhlin ze živých i zaznamenaných dat. Výsledky naznačují, že schopnost identifikace je ovlivněna lidským faktorem při analýze trhlin,“ říká Jahanshahi.

Ostatní automatizované systémy vyhledávání prasklin, jsou momentálně vyvíjeny pro posuzování jednotlivě vytvořených snímků. Naše metoda zpracovává několik snímků videa naráz, čímž získáme kvalitnější výsledky. Náš systém svou přesností dokázal překonat dva jiné vyvíjené systémy.

Vnitřní zařízení japonského tlakovodního jaderného reaktoru; Zdroj: IAEA

„Na rozdíl od jiných metod, které se zaměřují na rozpoznávání trhlin z jednoho snímku, my navrhujeme používat Bayesiánskou metodu slučování dat, pro kterou získáváme informace z několika videosnímků a tato data následně spojíme. Navíc můžeme omezit nesprávnou identifikaci trhlin a zvýšit spolehlivost a přesnost detekce, právě díky Bayesiánské rozhodovací teorii,“ která určuje, zda je objekt prasklina, nebo jen falešný poplach. Systém vyhodnotí úroveň věrohodnosti a okamžitě stanoví, zda se jedná skutečně o trhliny. V kladném případě je označí barevným ohraničením podle úrovně věrohodnosti. Algoritmus například přiřadí prasklině vysokou úroveň věrohodnosti a označí ji červeným ohraničením. Celý proces trvá zhruba minutu.

Po té může technik provést vizuální kontrolu, aby potvrdil existenci trhliny. Technologie je předvedena na následujícím videu.

Autory výzkumu jsou doktorandi Fu-Chen Chen, Jahanshahi, Rih-Teng Wu, a Chris Joffe, který je technickým vedoucím pro nedestruktivní diagnostiku v EPRI (Electric Power Research Institute), neziskové organizacei financované společnostmi z elektroprůmyslu.

Výzkumníci natočili video pomocí podvodního kamerového systému a naskenovali celkem 304 vzorků nerezové oceli, obsahující kromě skutečných trhlin i svary, stopy po broušení a škrábance.

Další výzkum se bude orientovat na zvýšení přesnosti a plné automatizaci systému použitím pokročilejších simulací a počítačového software.

„Nyní pracujeme na druhé verzi našeho software vývojem samoučícího algoritmu detekce trhlin, aby se výrazně zvýšila výkonnost celého sytému použitím Constitutional Neural Networks,“ říká Jahanshahi. Jde o takovou centrální neuronovou síť, jejíž funkci podrobně vysvětluje následující video (https://youtu.be/bEUX_56Lojc).

Zdroj úvodní fotografie: NRC

Komentáře

(0)
Komentáře pouze pro přihlášené uživatele
Komentáře v diskuzi mohou pouze přihlášení uživatelé. Pokud ještě účet nemáte, je možné si jej vytvořit na stránce registrace. Pokud již účet máte, přihlaste se do něj níže.
V uživatelské sekci pak můžete najít poslední vaše komentáře.
OM Solutions s.r.o.
Kpt. Nálepky 620/7, Nové Dvory, 674 01
Třebíč
IČ: 02682516
info@oenergetice.cz
© 2021 oEnergetice.cz All Rights Reserved.