«Периодические проверки компонентов атомных электростанций важны для предотвращения аварий и обеспечения безопасной эксплуатации», — сказал Мохаммад Р. Джаханшахи, доцент Школы гражданского строительства Лайлса Университета Пердью. «Однако нынешние методы проверки требуют много времени, утомительны и субъективны, потому что они предполагают, что оператор вручную обнаруживает трещины на металлических поверхностях."
Другие разрабатываемые алгоритмы автоматического обнаружения трещин часто не обнаруживают трещины на металлических поверхностях, потому что трещины обычно небольшие, имеют низкий контраст и их трудно отличить от сварных швов, царапин и следов шлифовки.
Новая система CRAQ для распознавания и количественной оценки трещин преодолевает это ограничение за счет использования усовершенствованного алгоритма и мощной техники «машинного обучения» для обнаружения трещин на основе изменяющейся текстуры, окружающей трещины на стальных поверхностях.
Результаты подробно описаны в исследовательской статье, опубликованной на этой неделе в журнале Computer-Aided Civil and Infrastructure Engineering.
По его словам, автоматизированный подход может помочь улучшить состояние национальной инфраструктуры, недавно получившей общую оценку D + от Американского общества инженеров-строителей.
«Одна из причин, по которой у нас есть оценка D + для инфраструктуры, — это недостаточная проверка», — сказал Джаханшахи, директор лаборатории Smart Informatix компании Purdue. "Поэтому мы хотим проводить более частые проверки с использованием роботизированных систем для сбора данных."
В стране действует 99 коммерческих атомных электростанций, на долю которых приходится около 20 процентов общего количества U.S. производство электроэнергии. Старение может привести к растрескиванию, усталости, охрупчиванию металлических компонентов, износу, эрозии, коррозии и окислению.
«Растрескивание — важный фактор в деградации старения, который может вызвать утечку и привести к опасным инцидентам», — сказал Джаханшахи. "Например, на атомной электростанции Миллстоун в Коннектикуте в 1996 году произошла авария, вызванная утечкой клапана, и авария обошлась в 254 миллиона долларов. В 2010 году на АЭС «Вермонт Янки» произошла авария, в результате которой из-за износа подземных трубопроводов радиоактивный тритий попал в запасы грунтовых вод, что привело к ущербу в размере 700 миллионов долларов."
Процесс проверки усложняется тем, что ядерные реакторы погружаются в воду для поддержания охлаждения.
«Следовательно, прямой ручной осмотр внутренних устройств реактора невозможен из-за высоких температур и радиационной опасности», — сказал Джаханшахи. "Таким образом, удаленно записанные видео на поверхности подводного реактора используются для проверки. Однако недавнее тестирование выявило?возникла потребность в повышенной надежности, связанной с выявлением трещин на основе анализа текущих и записанных данных.
Результаты показывают, что эта способность ухудшается из-за участия человека в выявлении трещин, даже если они идентифицированы?катион должен быть легким."
Другие разрабатываемые автоматизированные системы обнаружения трещин предназначены для обработки отдельных изображений, тогда как новый метод обрабатывает несколько видеокадров, обеспечивая более надежные результаты. Результаты показывают, что система превзошла две другие, находящиеся в стадии разработки.
«В отличие от других методов, которые сосредоточены только на обнаружении трещин на одном изображении, мы предлагаем метод, называемый байесовским слиянием данных, который отслеживает обнаруженные трещины в видеокадрах и объединяет информацию, полученную из нескольких кадров», — сказал Джаханшахи. "Более того, мы можем ?отфильтровать ложно обнаруженные трещины и повысить надежность и устойчивость обнаружения трещин с помощью байесовской теории принятия решений, "которая определяет вероятность того, что объект является трещиной или ложной тревогой. Система присваивает "con?уровни надежности "автоматическая оценка того, являются ли обнаруженные трещины настоящими, с выделением трещин в прямоугольниках с цветовой кодировкой, которые соответствуют этим уровням достоверности. Например, если алгоритм присваивает трещине высокий уровень достоверности, контур прямоугольника будет красным. Процедура обработки занимает около минуты.
«Затем технический специалист может провести осмотр вручную, чтобы подтвердить наличие трещины», — сказал Джаханшахи. Видео YouTube доступно по адресу: https: // youtu.be / b87OgGBIR78.
Автором исследовательской работы является докторант Фу-Чен Чен; Джаханшахи; докторант Рих-Тенг Ву; и Крис Джоффе, технический руководитель по неразрушающей оценке в Исследовательском институте электроэнергетики (EPRI), некоммерческой организации, финансируемой электроэнергетической отраслью.
Исследователи записали видео с помощью системы подводной камеры, сканирующей образцы нержавеющей стали 304, содержащие трещины, а также такие особенности, как сварные швы, следы шлифования и царапины.
Дальнейшие исследования будут включать в себя работу по разработке более точной и более полностью автоматизированной системы с использованием расширенного моделирования и вычислительного программного обеспечения.
«В настоящее время мы работаем над второй версией программного обеспечения, разрабатывая алгоритмы глубокого обучения для обнаружения трещин для этого приложения, где мы значительно улучшили производительность системы с помощью конституционных нейронных сетей», — сказал Джаханшахи.
Исследователи подали заявку на патент через Управление коммерциализации технологий Purdue Research Foundation.