Print

2013 №03 (03) 2013 №03 (05)


«Техническая диагностика и неразрушающий контроль», 2013, №3, с. 23-30

МЕТОДОЛОГІЯ БАГАТОПАРАМЕТРОВОГО ДІАГНОСТУВАННЯ ТЕХНІЧНОГО СТАНУ ТРУБОПРОВОДІВ ДОВГОТРИВАЛОЇ ЕКСПЛУАТАЦІЇ

М. О. КАРПАШ


Івано-Франківський нац. техн. ун-т нафти і газу. 76019, вул. Карпатська, 15. E-mail: publiс@nund.edu.ua
Реферат:
Завдання забезпечення промислової безпеки в умовах зростаючого фізичного та морального зношення обладнання на небезпечних виробничих об’єктах України зумовлює підвищення ролі методів і засобів неруйнівного контролю та технічної діагностики. Використання обладнання нафтохімічних, нафтопереробних промислів, об’єктів теплової та ядерної енергетики, яке працює із вибухо- та пожежонебезпечними і токсичними середовищами при надлишкових тисках та температурах, строк експлуатації якого значно перевищує нормативний, є потенційно небезпечне і збільшує ймовірність виникнення аварійних ситуацій. Ресурс безпечної експлуатації металоконструкцій визначається в тому числі фізико-механічними характеристиками металу. Враховуючи сказане вище, визначення механічних характеристик конструкційних сталей та ступеню їх зміни, є важливою та актуальною науково-практичною задачею. В статті подано підхід до вирішення задач визначення параметрів, що характеризують технічний стан металоконструкцій довготривалої експлуатації на прикладі газопроводів. Запропоновано підхід до розроблення методів контролю цих характеристик, що полягає у врахуванні кількох інформативних параметрів за допомогою штучних нейронних мереж, а також визначено напрямки застосування методології для контролю технічного стану трубопроводів (товщина стінки, наявність дефектів типу порушення суцільності, фізико-механічні характеристики та тип мікроструктури). Бібліогр. 22, рис. 6.
Ключові слова: технічна діагностика, трубопроводи, багатопараметровий підхід, нейронні мережі, нелінійна апроксимація
The safe operating life of metal structures is determined by physico-mechanical characteristic of metal. Determination of mechanical characteristics and degree of their variation in structural steels, which are applied as material in a wide range of structures in industry, is an important and urgent scientific-practical task. The paper presents an approach to solution of the problems of determination of parameters, which characterize technical condition of metal structures in long-term service, for the case of gas pipelines. An approach to development of the method of monitoring these characteristics is proposed that consists in allowing for several informative parameters using artificial neural networks, and directions of application of the methodology for monitoring technical condition of pipelines (wall thickness, presence of defects of the type of discontinuities, physico-mechanical characteristics and type of microstructure) are outlined. 22 References, 6 Figures.
Keywords: technical diagnostics, pipelines, multiparametral approach, neural networks, nonlinear approximation
1. Gas Pipeline Incidents, 8th Report of the European Gas Pipeline Incident Data Group, Dec. 2011. – Режим доступу: www.egig.eu
2. Bida G. V., Nichipuruk A. P. Multiparameter Methods in Magnetic Structuroscopy and Nondestructive Testing of Mechanical Properties of Steels // Defektoskopiya. – 2007. – 43, № 8. – P. 3–24.
3. Multiparameter analysis of the Barkhausen noise signal and its application for the assessment of plastic deformation level in 13HMF grade steel / L.Piotowski, B.Augistyniak, M.Chmielewski, Z.Kowalewski // Measurement Sci. and Technology. – 2010. – 21, №11.
4. Bida G. V., Nichipuruk A. P. Multiparameter Methods in Magnetic Structuroscopy and Nondestructive Testing of Mechanical Properties of Steels // Defektoskopiya. – 2007. – 43, № 8. – P. 3–24.
5. Multiparameter analysis of the Barkhausen noise signal and its application for the assessment of plastic deformation level in 13HMF grade steel / L.Piotowski, B.Augistyniak, M.Chmielewski, Z.Kowalewski // Measurement Sci. and Technology. – 2010. – 22, № 12.
6. Мирошниченко Л. В. Сравнение алгоритмов выбора признаков в распознавании образов. Статистические проблемы управления. – Вильнюс: ИМК АН Литвы, 1990. – Вып.93. – С.78–91.
7.Методы, критерии и алгоритмы, используемые при преобразовании, выделении и выборе признаков в анализе данных / К.А.Чепонис., Д.А.Жвиренайте, Л.В.Мирошниченко, Б.С. Бусыгин. – Вильнюс: Изд-во ИМК АН ЛитССР, 1988. – 149 с.
8. Siedelcki W., Sklansky J. On automatic feature  selection // IEEE Pattern Recognition and Art. Int. – 1988. – 2, № 2. – P. 197–220.
9. Курейчик В. М. Генетические алгоритмы. – Таганрог: ТРТУ, 1998. – 242 с.
10. Карпаш М. О., Котурбаш Т. Т. Перспективи застосування штучних нейронних мереж в дефектоскопії // Матер. ХV Міжнарод. наук.-техн. конф. «Електромагнітні та акустичні методи неруйнівного контролю матеріалів та виробів» ЛЕОТЕСТ-2010 (15–20 лютого 2010 р.). –  Славське Львівської обл., 2010. – С.55–56.
11. Industrial application of neural networks – an investigation / B. Lennox, G.A.Montague, A.M.Frith et al. // Mechanical Systems and Signal Processing. – 2002. – Vol. 16. – Issue 4. – P. 487–546.
12. Geman S. E. Bienenstock and R.Doursat. Neural networks and the bias/variance dilemma // Neural Computation. – 1992. – 4. – P.1–58.
13. Grossberg S. Z. Neural Networks and Natural Intelligence. – Cambridge, MA: MIT Press, 1988.
14. Kerlirzin P. and F.Vallet. Robustness in multilayer perceptrons // Neural Computation. – 1993. – 5. – P. 473–482.
15. Елисеева И. И., Юзбашев М. М. Общая теория статистики: Учебник / Под ред. И.И.Елисеевой. – 4-е изд., перераб. и дополн. - М.: Финансы и Статистика, 2002. - 480 с.
16. Общая теория статистики: Учебник / Под ред. Р.А. Шмойловой. - 3-е изд., перераб. - М.: Финансы и Статистика, 2002. - 560 с.
17. Ландау Л. Д., Лифшиц Е. М. Статистическая физика. – М.: Наука, 1964. – 567 с.
18. Карпаш О. М. Новітні методи прикладної фізики і математики в інженерних дослідженнях: Навч.посібник / О.М. Карпаш, А.О. Снарський, П.М. Райтер, М.О. Карпаш. – Івано-Франківськ: Факел, 2008. – 320 с.
19. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. – М.: Мир, 1992. – 185 с.
20. Карпаш М. О. Підвищення чутливості акустичного методу неруйнівного контролю матеріалів // Техн. диагностика и неразруш. контроль. – 2011. – № 4. – С.39–43.
21. Хайкин С. Нейронные сети: полный курс, 2-е изд: Пер. с англ. – М.: ИД «Вильямс», 2006. – 1104 с.
22. Карпаш М. О., Рибіцький І. В., Котурбаш Т. Т. Перспективи застосування штучних нейронних мереж в дефектоскопії // Мат. ХVІ Міжнар. наук.-техн. конф. «Електромагнітні та акустичні методи неруйнівного контролю матеріалів та виробів» ЛЕОТЕСТ Надійшла до редакції 04.04.2013
Підписано до друку 06.09.2013