Интеллектуальная система идентификации напряженно-деформированного состояния и поврежденности энергетического оборудования

М. Г. Баширов; Э. М. Баширова; И. Г. Юсупова; Д. Ш. Акчурин

doi:10.34831/EP.2024.23.60.002

Интеллектуальная система идентификации напряженно-деформированного состояния и поврежденности энергетического оборудования

М. Г. Баширов, Э. М. Баширова, И. Г. Юсупова, Д. Ш. Акчурин

Аннотация

Аварии на объектах энергетики, сопровождающиеся разрушением оборудования, чаще всего происходят из-за превышения расчетных нагрузок в локальных зонах концентрации механических напряжений, поэтому проблема разработки новых методов и средств контроля напряженно-деформированного состояния оборудования и выявления дефектов на уровне структуры металла является актуальной. Результаты экспериментальных исследований взаимосвязи параметров гармонических составляющих сигнала электромагнитно-акустического преобразователя с напряженно-деформированным состоянием и поврежденностью структуры стандартных образцов металлов показали возможность использования для решения этой задачи частотных характеристик объекта контроля. Применение спектрального анализа сигнала электромагнитно-акустического преобразователя и искусственной нейронной сети позволяет получить приемлемую точность идентификации напряженно-деформированного состояния и поврежденности металла энергетического оборудования.

Ключевые слова

энергетическое оборудование, напряженно-деформированное состояние, электромагнитно-акустическое преобразование, частотные характеристики, искусственная нейронная сеть, машинное обучение

Полный текст:

PDF

Литература

Анализ причин аварий на энергоустановках, подконтрольных органам Ростехнадзора за 2021 год. Министерство энергетики Российской Федерации. URL: http://szap.gosnadzor.ru/activity/energonadzor/nesc_sluch (дата обращения 07.08.2023).

Акт технического расследования причин аварии на Саяно-Шушенской ГЭС 17 августа 2009 года. URL: http://www.gosnadzor.ru/ news/aktSSG bak.doc (дата обращения 07.08.2023).

ГОСТ Р 52330–2005. Национальный стандарт российской федерации. Контроль неразрушающий. Контроль напряженно-деформированного состояния объектов промышленности и транспорта. Общие требования // Электронный фонд правовых и нормативно-технических документов. URL: https:// docs.cntd.ru/document/1200039616 (дата обращения: 30.08.2023).

ГОСТ Р 53966–2010. Национальный стандарт российской федерации. Контроль неразрушающий. Контроль напряженно-деформированного состояния материала конструкций. Общие требования к порядку выбора методов // Электронный фонд правовых и нормативно-технических документов. URL: https://docs.cntd.ru/document/1200082717 (дата обращения: 30.08.2023).

ГОСТ Р 52731–2007. Контроль неразрушающий. Акустический метод контроля механических напряжений. Общие требования // Электронный фонд правовых и нормативно-технических документов URL: https://docs.cntd.ru/document/1200051032 (дата обращения: 30.08.2023).

Bashirov, M. G. The use of electromagnetic-acoustic method for estimating the stress-strain state of the metallic elements of power equipment / M. G. Bashirov, I. G. Khusnutdinova // Key Engineering Materials. — 2017. — Vol. 743. –– pp. 463 – 467.

Bashirov, M. G. The dynamic identification of the technical condition of pipelines on the basis of the analysis of the temporal characteristics of electromagnetic-acoustic signal / M. G. Bashirov, E. M. Bashirova, I. G. Khusnutdinova // IOP Conference Series: Materials Science and Engineering, 2019. — 511. — 012042. DOI: 10.1088/1757-899x/511/1/012042.

Ducousso, M. Real-time imaging of microcracks on metallic surface using total focusing method and plane wave imaging with Rayleigh waves // M. Ducousso, F. Reverdy // NDT & E International, 2020. — 102311. DOI: 10.1016/j.ndteint.2020.102311.

Баширов, М. Г. Электромагнитно-акустический метод оценки технического состояния энергетического оборудования / М. Г. Баширов, И. Г. Хуснутдинова, Л. Г. Хуснутдинова, Д. Р. Усманов // Промышленная энергетика. — 2016. — № 12. — С. 8 – 13.

Баширов, М. Г. Исследование способов повышения эффективности электромагнитно-акустического преобразования средств диагностики энергетического оборудования / М. Г. Баширов, Э. М. Баширова, И. Г. Юсупова, Д. Ш. Акчурин // Промышленная энергетика. — 2022. — № 10. — С. 2 – 9.

Баширов, М. Г. Моделирование и экспериментальное исследование влияния механических напряжений и поврежденности металла нефтегазового оборудования на параметры электромагнитно-акустического преобразования / М. Г. Баширов, Э. М. Баширова, И. Г. Юсупова, В. О. Драцкий, А. И. Муртазина, С. А. Квачинский // Нефтегазовое дело. — 2023. — Т. 21. — № 1. — С. 183 — 194.

ГОСТ 1497–84. Металлы. Методы испытаний на растяжение. — М.: Стандартинформ, 2008. — 22 с.

ГОСТ 25.502–79. Методы механических испытаний металлов. Методы испытаний на усталость. — М.: Стандартинформ, 2005. — 50 с.

Аязян, Г. К. Метод идентификации динамических характеристик объектов с запаздыванием / Г. К. Аязян, В. Р. Хоробров, Р. М. Галиев // Автоматизация и метрологическое обеспечение в нефтяной промышленности: Межвузовский научный сборник. — Уфа: Изд-во УНИ, 1980. — С. 29 – 33.

Углов, А. Л. Разработка спектрально-акустического метода оценки физико-механических характеристик конструкционных материалов и его аппаратно-программных средств поддержки: Дис. ... д-ра техн. наук: 01.02.06: Н. Новгород, 2004. 283 c.

Щипаков, Н. А. Разработка методики и аппаратуры акустической тензометрии трубопроводов: дис.... канд. тех. наук: 05.02.11 / Щипаков Никита Андреевич. Москва, 2012. 109 с.

Zhai, G, Design Method of Multiwavelength EMATs Based on Spatial Domain Harmonic Control / G Zhai, Y Li, Y Qin, Y. Liu // EEE Trans Ultrason Ferroelectr Freq Control. 2021. Jun. 68(6): 2259 – 2270. — 2021. — May 25.

Guo, W. Development of DMPS-EMAT for Long-Distance Monitoring of Broken Rail / W. Guo, Z. Yu, H. C. Chui, X. Chen // Sensors (Basel). 2023. Jun 14. 23(12): 5583.

Муравьева, О. В. Чувствительность электромагнитно-акустического метода многократной тени с использованием рэлеевских волн при контроле труб нефтяного сортамента / О. В. Муравьева, Л. В. Волкова, В. В. Муравьев, М. А. Синцов, Ю. В. Мышкин, А. Ф. Башарова // Дефектоскопия. — 2020. — № 12. — С. 48 – 57.

Алешин, Н. П. Ультразвуковой контроль и комплексное применение методов дефектоскопии в процессе диагностирования магистральных трубопроводов / Н. П. Алешин, Н. В. Крысько, Н. А. Щипаков, А. Г. Кусый // Наука и технологии трубопроводного транспорта нефти и нефтепродуктов. — 2023. — Т. 13. — № 1. — С. 8 – 17.

Бачина, Е. Н. Исследование влияния параметров нейронной сети на качество распознавания простых образов / Е. Н. Бачина, А. В. Жильцов, Р. А. Ешенко // Вестник Хабаровского государственного университета экономики и права. — 2021. — № 1 (105). — С. 64 – 70.

Basodi, S. Gradient amplification: An efficient way to train deep neural networks / S. Basodi, H. Zhang, Y. Pan // Big Data Mining and Analytics. — 2020. — Vol. 3(3). — pp. 196 – 207.

Скоросуева, О. И. Функциональные возможности ML. NET / О. И. Скоросуева // Современные научные исследования и инновации. — 2023. — № 5 [Электронный ресурс]. URL: https:// web.snauka.ru/issues/2023/05/100324 (дата обращения: 19.10.2023).

DOI: http://dx.doi.org/10.34831/EP.2024.23.60.002