Содержание к диссертации
Введение
Глава 1. Методы диагностирования, основанные на анализе временных рядов 12
1.1. Системы технической диагностики 12
1.2. Классические методы анализа временных рядов 17
1.3. Методы сглаживания и прогнозирования временных рядов 21
1.4. Фурье и Вейвлет анализ 26
1.5. Корреляционный анализ 29
Выводы к главе 1 30
Глава 2. Технологии обработки потоков данных в системах технической диагностики 31
Введение 31
2.1. Системы управления потоками данных 33
2.1.1. Методы сжатия информации 34
2.1.2. Методы поиска и структурирования данных 35
2.1.3. Методы преобразования временных рядов 36
2.2. Общие свойства технологии обработки потоков данных 37
2.2.1. Структура скользящих и основных окон 37
2.2.2. Сглаживание, фильтрация временных рядов и спектральный анализ 38
2.2.3. Сокращение объема данных 39
2.2.4. Вычисление простых статистик 40
2.2.5. Корреляционный анализ и кластерный анализ 44
2.3. Применение ТОПД в системах диагностирования АЭС
Выводы к главе 2
Глава 3. Анализ временных рядов системы акустического контроля течи 52
Введение 52
3.1. Система акустического контроля течи 54
3.2. Методы подавления помех в САКТ
3.2.1. Постановка задачи 55
3.2.2. Описание исходных данных 55
3.2.3. Метод группового учета аргументов 56
3.2.4. Математические модели взаимных зависимостей сигналов 58
3.2.5. Заключение 60
3.3. Анализ источников акустических шумов 61
3.3.1. Постановка задачи 61
3.3.2. Описание исходных данных 61
3.3.3. Выявление корреляционных связей между сигналами 62
3.3.4. Автоматическое выявление групп сигналов с близкими характеристиками 68
3.3.5. Выявление скрытых факторов, формирующих сигналы 70
3.3.6. Интерпретация результатов 73
3.3.7. Заключение 75
Выводы к главе 3 75
Глава 4. Анализ данных ультразвукового контроля сварных соединений
Введение 76
4.1. Разработка программы анализа и обработки данных системы ПУЗК 76
4.1.1. Постановка задачи 77
4.1.2. Описание системы контроля и исходных данных 79
4.1.3. Сглаживание результатов контроля 82
4.1.4. Определение и предсказание порогов выявления дефектов , 84
4.1.5. Определение координат дефектов 87
4.1.6. Программа «УЗК-Аналитик» 90
4.1.7. База данных результатов УЗК 90
4.1.8. Заключение 103
4.2. Анализ и обработка данных системы УЗК технологических каналов 104
4.2.1. Постановка задачи 105
4.2.2. Объекты и средства контроля 107
4.2.3. Описание исходных данных 110
4.2.4. Построение двухмерных цвето-яркостных диаграмм 111
4.2.5. Метод автоматического приведения данных к одной координате 116
4.2.6. Программна «УЗК-Визуализатор» 119
4.2.7. Заключение 121
Выводы к главе 4 122
Заключение 123
Литература
- Классические методы анализа временных рядов
- Структура скользящих и основных окон
- Математические модели взаимных зависимостей сигналов
- Описание системы контроля и исходных данных
Введение к работе
Актуальность работы. Развитие атомной энергетики в значительной степени определяется решением проблем обеспечения безопасности и экономической эффективности при эксплуатации АЭС Совместно с другими мерами на решение этих проблем направлены разработка и внедрение систем и средств технического диагностирования АЭС Они в обязательном порядке закладываются в проекты новых блоков АЭС, а блоки, находящиеся в эксплуатации, дооснащаются ими
Современные системы диагностирования АЭС должны непрерывно выполнять в режиме реального времени наблюдение и анализ сотен сигналов (временных рядов) Часто задача ставится так, что необходимо контролировать эти потоки данных в совокупности, причем учитывая не только текущие значения, но и предысторию данных Наряду с вычислением индивидуальных статистических характеристик каждого сигнала, необходимым становится также анализ их взаимных корреляций, в том числе с учетом запаздывания, Традиционные подходы с ростом числа сигналов и частоты поступления данных упираются в технические огра^ ничения по памяти и быстродействию системы и не позволяют проводить обработку в режиме реального времени Поэтому задачи, связанные с разработкой и применением методов и алгоритмов обработки и анализа информации, повышающие эффективность функционирования и управления сложными системами, к которым относятся ядерные энергетические установки, являются актуальными
В последние годы перспективными направлениями признаны нейронные сети различного типа, факторный и кластерный анализ сигналов, методы, основанные на использовании нечетких множеств Отдельной важной проблемой является разработка специализированных баз данных временных рядов, позволяющих эффективно работать в реальном времени с большим объемом динамической информации Для достижения этой цели активно развивается технология обработки потоков данных, которая может дать значительные преимущества при применении к задачам диагностирования АЭС
Цель диссертации — разработка и применение методов и алгоритмов обработки и анализа временных рядов, исследовании системных связей и закономерностей функционирования оборудования реакторной установки, направленных на подавление шумов и выделение полезного диагностического сигнала, повышении эффективности управления, контроля и диагностики в системах акустического контроля течи и ультразвукового контроля сварных соединений
Для достижения поставленной цели были решены следующие зада-чи
Исследование эффективности совместного применения методов интеллектуального анализа данных и технологии обработки потоков данных для решения задач диагностики и принятия решений в процессе управления и эксплуатации АЭС
Исследование системных связей и закономерностей функционирования реакторной установки путем анализа сигналов систем акустического контроля течи и ультразвукового контроля оборудования АЭС с использованием современных методов обработки временных рядов
Разработка методов и алгоритмов визуализации, трансформации и анализа данных и их программная реализация в составе соответствующих систем контроля и диагностики оборудования АЭС
Научная новизна работы
Впервые предложено и обосновано применение методов анализа потоков данных, включая сжатие данных на основе ортогональных преобразований и кластерный анализ сигналов, в задачах обработки больших объемов временных рядов в режиме реального времени в системах контроля оборудования АЭС
Внервые применены методы кластерного и факторного анализа для нахождения и интерпретации источников акустических шумов реакторной установки и их системных связей Разработана математическая модель для предсказания акустических шумов, которая позволяет минимизировать их влияние на выявление течи трубопроводов
Выявлены зависимости порогов обнаружения дефектов от характеристик шумов сигнала Впервые применен метод кумулятивных сумм для вычисления длины дефекта Разработан алгоритм голосования для фильтрации ложных тревог
Разработаны методики нахождения координат и размеров дефектов и визуализации результатов контроля в виде двухмерных цвето-яркостных диаграмм
Практическая ценность работы
Разработаны алгоритмы эффективного выявления течи и фильтрации ложных срабатываний для системы оперативной диагностики, выявлены и интерпретированы источники шумов, построены математические модели поведения акустических шумов при работе реактора на мощности Полученные результаты используются в системе диагностики, работающей на Калининской АЭС
Разработан программный комплекс «УЗК-Аналитик»для автоматизированного анализа результатов ультразвукового контроля системой ПУЗК Разработана база данных, в которой содержатся результаты контроля сварных соединений ДУ-300 трубопроводов АЭС с реакторами типа РБМК Результаты используются на Смоленской и Курской АЭС
Разработан программный комплекс «УЗК-Визуализатор 2D»,zyra визуализации, трансформации и анализа результатов УЗК сварного соединения приварки обоймы и основного металла наставки верхнего тракта ТК реактора РБМК-1000 Результаты используются на Курской АЭС
На защиту выносятся:
-
Обоснование применения методов анализа потоков данных, включая сжатие данных на основе ортогональных преобразований и кластерный анализ, в задачах обработки больших объемов временных рядов систем контроля АЭС в режиме реального времени
-
Результаты анализа данных и алгоритмы обработки сигналов системы акустического контроля течи реактора ВВЭР-ЮОО, включая математическую модель для описания низкочастотных помех на основе метода группового учета аргументов, определение источников шумов и их системных связей методами кластерного и факторного анализа
-
Результаты анализа и алгоритмы обработки данных УЗК сварных соединений трубопроводов АЭС, включая алгоритмы сглаживания, предсказания порогов определения длины дефекта и минимизации ложных срабатываний, системы «УЗК-Аналитик» и «Визуализатор 2D», база данных УЗК сварных соединений и результаты анализа накопленной информации
Достоверность научных положений. В ходе разработки все результаты проверялись на большом числе независимых выборок данных, полученных в процессе проведения измерений и контроля непосредственно на реакторных установках Разработанные методы и алгоритмы покат зали свою работоспособность при применении на Курской, Смоленской и Калининской АЗС
Апробация результатов работы. Основные результаты работы докладывались на семи международных конференциях VIII Международной конференции «Безопасность АЭС и подготовка кадров»— Обнинск ИАТЭ, 2003, X Международной научно-технической конференции «Радиоэлектроника, электротехника и энергетика» —М МЭИ, 2004г, Международной выставке-конференции «Неразрушающий контроль в промышленности» — М ЦМТ, 2004г, VII международной конференции «Мягкие вычисления и измерения SCM'2004» —Санкт-Петербург СПб-ГЭТУ, 2004г, 7th. International Conference on Pattern Recognition and Image Analysis New Information Technologies (PRIA-7-2004) SPbETU, St Petersburg, 2004, IX Международной конференции «Безопасность АЭС и подготовка кадров» — Обнинск ЙАТЭ, 2005г, X Международной конференции «Безопасность АЭС и подготовка кадров» — Обнинск ИАТЭ, 2007г
Публикации. По теме диссертации опубликовано 17 научных работ
Личный вклад автора. Автор принимал непосредственное участие в решении задач, изложенных в диссертации, разработал методики, алгоритмы и программы автоматической обработки данных По материалам, изложенным в диссертации, получены 3 авторских свидетельства на разработанные программы для ЭВМ и 3 акта о внедрении на Курской АЭС
Структура и объем диссертации. Работа состоит из введения, 4 глав и заключения, изложенных на 135 страницах машинописного текста, куда входит 60 рисунков и список использованной литературы, включающий в себя 96 наименований, в том числе 17 работ автора
Классические методы анализа временных рядов
Главная задача систем оперативной диагностики — обнаружение аномалий в состоянии реакторной установки на ранней стадии развития дефекта. Важным преимуществом систем оперативной диагностики перед средствами неразрушаю-щего контроля является возможность использования на работающем на мощности энергоблоке. Поэтому для предотвращения такой аварии разрабатываются несколько групп систем, работающих как на разных принципах, так и решающие разные типы задач:
Виброшумовая диагностика реакторной установки. Системы виброшумовой диагностики предназначены для проведения виброконтроля и диагностирования реакторной установки с целью выявления аномальных вибрационных состояний оборудования, вызванных появлением в нем дефектов, изменением условий его закрепления или возрастанием гидродинамических нагрузок на оборудование со стороны потока теплоносителя I контура в режимах нормальной эксплуатации[7, 8]. Одной из важных задач является вибрационный контроль главных циркуляционных насосов [9].
Обнаружение свободных предметов в главном циркуляционном контуре. Система обнаружения свободных предметов - диагностическая система, предназначенная для обнаружения в объеме реакторной установки посторонних предметов, оторвавшихся деталей и деталей с ослабленным креплением, находящихся в стационарном состоянии или уносимых потоком теплоносителя. Целью внедрения системы является обеспечение требований ОПБ-88/97 по повышению эксплуатационной безопасности энергоблоков АЭС в части своевременного диагностирования дефектов оборудования АЭС и выявления отклонений от его нормальной работы. Разработка систем по обнаружению свободных предметов активно ведётся с середины 70-х годов [10-12]. Основанием для этого послужили многочисленные аварийные ситуации, вызванные присутствием в контуре посторонних предметов, особенно в период введения АЭС в эксплуатацию [13, 14].
Режимная диагностика реакторной установки. Основные функции системы режимной диагностики: контроль целостности первого контура, осу-щестляемый в реальном времени. При этом в случае нарушения целостности выдается диагноз, содержащий информацию о месте течи и ее масштабе, т.е. малая, компенсируемая системой подпитки, не компенсируемая и большая течь; диагностика штатных измерительных каналов АСУ ТП энергоблока; контроль проведения плановых переходных режимов [13].
Обнаружение и определение места возникновения протечек теплоносителя первого контура. Опыт эксплуатации АЭС свидетельствует о том, что нельзя полностью исключить возникновение течей в трубопроводах, фланцевых соединениях, вентилях, запорной арматуре и т.д. Вытекающий теплоноситель может привести к достаточно серьезному радиационному загрязнению оборудования. Первые системы представляли собой компьютеризированные системы, такие как система FLUS, ALUS производства фирмы Siemens KWU (конец 80х - начало 90х годов) [15]. Такие системы были разработаны для быстрого и надежного обнаружения протечек воды либо пароводяной смеси из трубопроводов, баков и других сосудов. В России ведутся разработки по данному направлению в ГНЦ РФ ФЭИ[16], НИКИЭТ [17], ДИАПРОМ[13]. На данный момент при проектировании новых энергоблоков уже закладываются такие системы, основанные на нескольких принципах обнаружения течи таких, как обнаружение по влажности, активности и акустики[1б]. Все системы технической диагностики разрабатываются с использованием вычислительной техники, в дальнейшем для развития систем диагностирования без этого просто не обойтись. Современные персональные и промышленные компьютеры позволяют создавать системы, работающие в режиме реального времени. Вследствие этого резко возросла скорость принятия решений, повысилась надежность и эффективность работы систем в целом, стало возможным применение сложных алгоритмов обработки диагностической информации при высоком быстродействии.
Синтез компьютеров и различных методов сокращения информации, распознавания образов, методов предсказания, а также их внедрение в диагностирование АЭС, позволяет существенно повысить быстродействие и надежность принимаемых решений.
Системы диагностирования в общем виде строятся по одному принципу (схеме). На рис. 1.1 показана принципиальная схема систем технической диагностики. Системы снимают диагностическую информацию с помощью различных датчиков или сенсоров, воздействуя на ОК (активные системы) различными полями или работая в пассивном режиме, не воздействуя на ОК. В основном все сенсоры являются аналоговыми, поэтому используются аналогово-цифровые преобразователи (АЦП), чтобы передать в цифровом виде сигнал на персональный компьютер (ПК). После этого сигнал обрабатывается различными алгоритмами и результаты обработки выводятся на дисплей оператора, а исходная информация записывается в хранилище данных (БД).
Структура скользящих и основных окон
Для работы алгоритмов кластеризации необходимым условием является вычисление матрицы парных расстояний между объектами. Поэтому в вычислительном плане для анализа эффективности работы методов кластерного и корреляционного анализа с использованием подхода ТОПД можно различием пренебречь, так как оба метода используют Евклидово расстояние и увеличение скорости работы алгоритмов осуществляется за счет оптимизации его расчетов.
Исследование примеров применения ТОПД показало (рис. 2.12), что при одном и том же времени Т, необходимом для обработки N потоков данных, прямой и точный подход в несколько раз уступает технологии обработки потоков данных (DSMS) по быстродействию. При увеличении, времени Т, число потоков N, обрабатываемых с помощью систем DSMS, нелинейно увеличивается по сравнению с точным методом.
Посредством применения ТОПД можно решить большинство задач управления и диагностирования АЭС, для которых критичным является время обработки информации. Одной из самых важных задач диагностики ЯЭУ является проблема обнаружения разгерметизации трубопроводов первого контура, так как выход активной воды (теплоносителя) может привести к очень серьезным последствиям. Одной из причин разгерметизации трубопроводов является появление в них дефектов различного типа, которые в процессе эксплуатации могут стать сквозными трещинами. Рассмотрим системы, которые применяются на АЭС для предотвращения таких аварий, и применимость ТОПД для повышения эффективности их работы.
Одним из факторов, влияющих на появление трещин, является нахождение различных посторонних предметов в теплоносителе первого контура. Удары тяжелых предметов о стенки трубопроводов приводят к возникновению дефектов. Выявлением такого рода аномалий занимаются системы контроля свободных и сла-бозакрепленных частей, которые разрабатываются и уже используются на АЭС. Для таких систем необходимы алгоритмы, которые в режиме реального времени отслеживали бы высококоррелированные участки временных рядов с учетом запаздывания для выявления моментов ударов предметов о стенки трубопроводов. Вычислив время задержки корреляций, можно определить место расположения слабозакрепленного объекта. Определив частоту излучения звукового сигнала и используя для сокращения размерности данных ДФП [46], мы можем определить массу предмета. На данный момент до сих пор не разработан эффективный алгоритм обработки потоков данных. По этому направлению ведутся разработки как в России (центр диагностики ДИАПРОМ [13]), так и за рубежом, например, фирмой SIEMENS. Для исследования применимости ТОПД были взяты данные с системы KUS, разработанной последней фирмой, и установленной на Нововоронежской АЭС. Поставленные задачи были успешно решены и эффективность данной технологии доказана [14, 66-69].
Для предотвращения развития дефектов и их выявления применяются нераз-рушающие методы контроля для мониторинга состояния трубопроводов АЭС. Эти методы направлены на выявления различного типа дефектов, как при монтаже, так и во время эксплуатации трубопроводов. Одним из основных и перспективных методов является ультразвуковой метод. На основе этого метода разрабатываются автоматические системы ультразвукового контроля. Разработка таких систем необходима для улучшения выявляемое дефектов и уменьшения времени контроля сварных соединений трубопроводов АЭС. Так, например, на одном только блоке АЭС с реактором РБМК-1000 может быть несколько тысяч сварных соединений, которые должны ежегодно контролироваться. Сделать это ручными системами просто невозможно и невыгодно. В настоящее время для контроля трубопроводов Ду-300 на АЭС с реакторами типа РБМК используются две системы ультразвукового контроля: АВГУР, разработанная компанией Эхо+ [70], и система полуавтоматического ультразвукового контроля (ПУЗК), разработанная специалистами ИОД НИКИЭТ [71].
Чтобы повысить эффективность системы ПУЗК и ускорить работу оператора, было принято решение разработать автоматизированную систему анализа данных результатов УЗК. При разработке этой системы был применен алгоритм обработ ки данных с применением ТОПД [72]. В данной работе эта технология применялась для того, чтобы найти высококоррелированные наборы данных как с задержками по времени, так и без них, а также для нахождения взаимнокорреляционных функций. Одним из критериев выявления дефектов стал тот факт, что при контроле участков с дефектами с использованием различных схем прозвучивания, эти схемы между собой высоко коррелируют. В тех случаях, когда дефектов нет, высокая корреляция между схемами отсутствует. Такой подход в несколько раз увеличил скорость обработки данных, дал возможность фильтровать ложные тревоги при работе алгоритма, изложенного в [72], и объяснить различные аномалии в результатах контроля (см. глава 4).
Во время эксплуатации трубопроводов возможны появления сквозных трещин, что может привести к возникновению аварийной ситуации. Чтобы контролировать такие аварии, используя концепцию малой течи перед разрушением, разрабатываются системы на основе выявления течи теплоносителя по акустическим сигналам, влажности и активности. Контроль и сигнализация о появление течи должны производиться в режиме реального времени. Также быстро должно быть оценено состояние трубопровода, расход теплоносителя через трещину, место расположения и время начала аварийной ситуации. Такие системы разрабатываются во всем мире. В России для реакторов ВВЭР основным разработчиком систем является ГНЦ РФ ФЭИ [25, 73], а для реакторов типа РБМК - НИКИЭТ [74].
Во всех трех системах основным критерием выявления течи является превышение сигнала от датчика выше определенного уровня. Алгоритмы обработки данных работают аналогичным образом и при этом являются очень уязвимыми, так как в основном направлены на обработку каждого потока в отдельности (сигнала от сенсора), а не анализа потоков в целом. Применение подхода ТОПД может ускорить выявление аномалии по форме временного ряда и по корреляции между сигналами, что сократит время обнаружения течи и число ложных срабатываний при выходе какого-либо датчика из строя. В настоящее время, при работе акустической системы контроля течи (САКТ), основной проблемой является появление акустических шумов, которые возникают из-за различных процессов, протекающих в теплоносителе, и работы различного оборудования АЭС. Это сильно усложняет процесс выявления течи из-за того, что уровень сигнала в отсутствие течи может быть выше уровня выявления диагностического сигнала течи. Совместно с сотрудниками лаборатории технической диагностики ФЭИ ведется разработка алгоритмов обработки данных с использованием технологии обработки потоков данных. Использование подхода ТОПД для анализа данных, накопленных за 10 месяцев работы САКТ на Калининской АЭС, уже помогло выяснить ряд вопросов и выбрать направления для дальнейшей разработки алгоритмов обработки данных. Ниже будут рассмотрены ряд задач связанных с разработкой алгоритмов и анализа данных этой системы.
Математические модели взаимных зависимостей сигналов
Для нахождения точек излома воспользуемся следующим методом. Если мы разобьем расширенную область дефекта на три участка таким образом, что их границы будут проходить через точки излома кумулятивной суммы, то аппроксимация значений кумулятивной суммы на каждом участке прямыми линиями будет наилучшей. Нами перебирались все возможные варианты разбиения и для каждого варианта вычислялось среднеквадратическое отклонение (СКО) аппроксимации сигнала тремя прямыми линиями по методу наименьших квадратов. В итоге выбираем в качестве оптимального то разбиение, для которого СКО имеет наименьшее значение.
При этом границы участков определяют координаты начала и конца дефекта. Для данного примера автоматически определенные координаты дефекта практически точно совпали с определением эксперта (прямоугольник под осью абсцисс) [72]
Как уже отмечалось выше, измерительная система спроектирована с избыточностью. Таким образом, каждый дефект должен проявляться более чем по одному эхо-такту. Например, дефект на стороне А (рис. 4.1) должен быть сначала обна со о ружен по сигналу эхо-такта Г0-У0, а затем (после перемещения сканера на 95 мм) по эхо-такту Г5-У5. Вместе с тем, шумы и помехи, являясь случайными величинами, проявляются в сигнале каждого такта независимо. Это позволяет повысить достоверность выявления дефектов и снизить число ложных тревог проводя голосование по результатам, полученным для различных эхо-тактов. Мы будем располагать набором дефектов, выявленных по различным тактам. В общем случае для того, чтобы получить список дефектов для всего шва, нам необходимо просто объединить координаты дефектов по различным эхо-тактам. Пример такого голосования приведен на рис. 4.6.
Верхняя часть рисунка показывает области двух дефектов, определенные экспертами. Нижняя часть рисунка показывает число эхо-тактов, по которым сигнал превышает соответствующий порог для каждой координаты. Максимально возможное значение составляет восемь. Это означает, что порог превышен по всем 8-ми эхо-тактам. Путем анализа большого набора сигналов нами было выбрано правило «дефект при данной координате, если сигналы по двум или более эхо-тактам превышают пороги». В приведенном на рис. 4.6 примере это правило позволило выявить оба дефекта и избавиться от 4-х ошибок, случайно проявлявшимся по одиночным тактам.
Заключительным этапом диагностирования является проверка, для областей подозреваемых на наличие дефекта, падения сигналов по теневым тактам и определение условной высоты дефектов, что выходит за рамки данной работы.
Описанные выше алгоритмы выявления дефектов и определения их координат были программно реализованы в виде системы «УЗК-Аналитик» для работы под управлением операционной системы MS Windows. В качестве средства разработки был выбран язык программирования Dyalog APL/W [80]. Этот выбор обусловлен тем, что данный язык программирования очень хорошо подходит как для эффективной обработки массивов данных, так и для создания полноценного графического интерфейса пользователя.
Общий вид графического интерфейса пользователя представлен на рис. 4.7. Система предоставляет пользователю широкие возможности по вводу, преобразованию и визуализации исходных данных. Наряду с интерактивным анализом результатов УЗК, система позволяет проводить полностью автоматическое выявление дефектов. После проведения диагностики система автоматически формирует (в формате RTF) итоговое заключение о состоянии сварного соединения с возможностью выдачи его на печать[88, 89].
На стадии определения требований к разрабатываемой базе данных было выявлено ряд особенностей. Первой особенностью является необходимость максимальной автоматизации пополнения базы данных новой информацией. Это было достигнуто разработкой программы машинного анализа служебной информации в файле результатов контроля с автоматическим выделением данных по блоку, системе и идентификатору сварного соединения, а также по аппаратуре и условиям измерения. Наряду с возможностью задания традиционных запросов на выборку данных и генерацию отчетов, пользователь должен иметь развитые и постоянно расширяемые средства анализа и визуализации данных. Это позволяет повтор но верифицировать сложные случаи и испытывать новые алгоритмы выявления дефектов. С другой стороны, должны быть предоставлены возможности применения методов автоматического извлечения знаний и добычи данных (Knowledge Discovery and Data Mining), что позволит постоянно совершенствовать методики контроля и достоверно оценивать их характеристики. По сути, речь идет о создании хранилища данных с мощными средствами аналитики. При разработке также учитывалась возможность переноса базы данных на платформу Pocket PC для мобильного использования ее возможностей [90].
Исходя из приведенных соображений, было отклонено использование традиционных средств разработки типа MS SQL Server или IBM DB2. Разработка базы данных проводилась на языке Dyalog APL с использованием встроенного механизма работы с компонентными файлами. Данный язык программирования представляет собой чрезвычайно эффективное средство для быстрой разработки сложных алгоритмов и программ обработки больших наборов данных. Это позволяет не только управлять данными, но и легко встраивать сложные алгоритмы анализа результатов контроля.
Вся информация о результатах УЗК сварных соединений содержится в трех компонентных файлах. Первый файл содержит общую информацию о всех результатах контроля такую, как: станция, блок, система, номер сварного шва, дату и время измерения, число выявленных дефектов. Этот файл играет роль индексного файла при определении адресов более подробной информации. Во втором файле для каждого результата контроля внесена подробная информация об экспертном заключении, о сварном соединении и, возможно, примечания. Каждой записи соответствует массив данных сложной структуры, что позволяет извлекать любое интересующее подмножество данных. Третий файл содержит числовые матрицы непосредственно результатов УЗК. Все файлы связаны между собой всего одним уникальным ключом, который позволяет точно идентифицировать каждый результат контроля.
Описание системы контроля и исходных данных
Возьмем для примера матрицу результатов контроля А\. Разберем показания данных одной из схем, которая представлена в виде вектора данных dfc. Этот вектор содержит только амплитуды данных УЗК и не содержит данные о координатах прозвучивания в каждой точке объекта контроля (х, у) (рис. 4.25).
Зная только число отсчетов необходимых для того, чтобы прозвучить сварное соединение вдоль только одного направления, преобразуем вектор dk в матрицу 250 35 Рис. 4.25. Результаты контроля для схемы Г0-П0 Mfc, число столбцов у которой есть число отсчетов вдоль сварного соединения (один проход вокруг трубы), а число строк, есть число отсчетов вдоль трубы. Значения ciij в матрице являются значениями амплитуды сигнала в определенной координате.
Если представить матрицу Мь в виде двухмерного изображения, где значения матрицы отображаются в виде различных оттенков серого цвета, т. е. амплитуду со значением 0 отобразим в виде черного, цвета, амплитуда со значением 255 в виде белого цвета. Тогда светлые участки будут соответствовать искуственным пропилам в СОП или дефектам. Для этого только надо точно знать число точек, которые были проконтролированы вдоль каждого из направлений X, Y.
Для восстановления изображения при потере информации о размерах изображения часто используются корреляционный анализ. Так как в основном изображения представляются в виде матриц состоящих из цветовых кодов, то значения двух близлежащих строк или столбцов должны высоко коррелировать.
Представляя матрицу в виде вектора, у которого строки или столбцы матрицы располагаются последовательно друг за другом, и вычисляя автокорреляционную функцию для этого вектора, можно увидеть высокие пикичерез определенные интервалы. Длина этих интервалов будет равна длине вектора или столбца. Так как
Рассчитаем автокорреляционную функцию для вектора йк- Обозначим эту функцию в виде R(T). Как можно увидеть на рис. 4.27, автокорреляционная функция имеет все признаки, которые указывают на периодичность в сигнале. Можно заметить, что функция R(T) имеет три высоких пика. Расстояние между пиками составляет t = 755. Координаты пиков г = 0,755,1510. Это объясняется тем, что, прозвучивая дефект одной и той же схемой при разных проходах по часовой стрелке и обратно, получается временной ряд с периодической составляющей. Эту зависимость можно наблюдать на исходных данных, проиллюстрированных на рис. 4.26. Такая же периодичность обнаруживается по другим схемам, что подтверждает неслучайность данного результата.
Значение t соответствует числу точек прозвучивания при движении акустического блока вдоль сварного соединения в одну сторону, после чего система поднялась на один шаг и пошла в противоположную сторону. Так как значение t для данного случая является нечетным, то в одном из направлений сварное соединение прозвучивается на одну точку больше, чем в другом. Данный факт был обнаружен случайно. До этого разработчиками данной системы указывалось на равнозначность четных и нечетных проходов вдоль сварного соединения. Эта несимметричность вызвана механическим смещением, которое присуще для четных проходов. Проходом, в данном случае, является движение вдоль сварного соединения (один раз вокруг трубы). Применим полученные поправки к нашим данным для каждого четного прохода. Так как четным проходам присуще движение акустического блока в обратную сторону относительно движения блока по нечетным проходам, то данные для четных проходов переставим таким образом, чтобы направление движения совпадали. Ниже по формуле 4.10 показано, как необходимо переставить элементы вектора а.
После проведенных преобразований мы получим вектор ат. Проверкой сделанных преобразований будет служить автокорреляционная функция, у которой максимальные значения также как и в первом случае, будут расположены на одинаковом расстоянии друг от друга. Для вектора ат посчитаем автокорреляционную функцию RT{T) (рис. 4.28). Из данного рисунка видна периодичность
Отобразим матрицу Мт в виде двухмерного изображения. Это означает, что значения матрицы закодируем цветом в градациях серого, т.е. О - черным цветом, а максимальное значение 255 - белым, а промежуточные значения серым цветов с различными оттенками. Двухмерное изображение результатов ультразвукового контроля представлено на рис. 4.29.
Сопоставив полученный результат на рис. 4.29 со схемой расположения дефектов в СОП, можно убедиться в получении хороших результатов и совпадения расположения дефектов. Это подтверждает правильность применения корреляционного метода к поставленной задаче.
Как уже отмечалось выше, исходные данные необходимо привести к одной координате. Это осуществляется следующим образом. Во-первых, необходимо зафиксировать начало отчета координат в определенной точке. Во-вторых, для каждой схемы устанавливаются координаты точки прозвучивания объекта контроля .относительно общего начала контроля. На практике, специалистам-дефектоско-пистам приходиться координаты подбирать вручную, измерив приблизительно линейкой расстояния между точками. Затем сопоставляя карту расположения дефектов с обобщенной цвето-яркостной диаграммой по всем 11 схемам прозвучивания.
Автоматизируем этот процесс. Возьмем матрицу с результатами контроля тестового стандартного образца предприятия Д. Дефекты сделаны таким образом, чтобы каждая из схем могла обнаружить свой тип дефекта. При этом все дефекты должны быть выявлены благодаря всей системе в целом. Координаты находятся с помощью схемы расположения дефектов стандартного образца предприятия и тестовых данных, полученных системой УЗК.
Похожие диссертации на Разработка и применение методов обнаружения изменения свойств и прогнозирования временных рядов в задачах диагностирования АЭС
