【技术前沿】利用人工智能技术评估高强度铁素体耐热钢管道焊缝剩余寿命的方法

财富   2024-11-11 17:31   北京  

1 引言

一直以来,三菱重工(MHI)为发电厂和化工厂提供了各种大型设备,交付客户后使用寿命长达几十年。为了确保客户长期安心使用和操作这些产品,必须充分发挥其性能,提高其可靠性,因而需要对设备进行充分地维护。基于丰富的产品知识和经验,MHI针对不同设备产品开发了多种评估和诊断技术,主要包括:管道剩余寿命评估,非破坏性检查和评估,远程监控和异常诊断。

此外,许多工厂设备愈发老旧,设备维护的重要性进一步凸显。而且拥有丰富专业知识的资深工人退休,技术转移和劳动力短缺问题也日益严重。因此,为了持续向客户提供设备的售后维护,迫切需要建立一个不依赖人工和经验的智能系统。

为此,MHI采用人工智能技术,同时利用经验丰富的工人和专家的知识和诀窍,加快推广替代人类工作的机器人,保证售后维护的质量和自动化水平。为了评估高强度铁素体钢管道焊缝的剩余寿命,自主开发了人工智能技术,同时借助该技术进行寿命评估,并以此作为基于状态维护(CBM)所需的剩余寿命评估工作范例。


2 高强度铁素体钢管道焊缝的蠕变损伤和剩余寿命评估方法

高强度铁素体钢是支持高效发电厂的重要材料之一,也称为高强度铁素体耐热钢或蠕变强度增强铁素体钢(CSFE)。它也是具有高蠕变强度的铁素体钢的统称,其蠕变强度是由高度受控的马氏体或贝氏体决定的,这些显微组织由碳化物、碳氮化物或其他稳定或亚稳相组成,具有很高的耐回火性。

高强度铁素体钢用于超超临界(USC)锅炉的主要管道和传热管以及核电站的管道,这些管道和传热管件长期在高温高压环境下使用,随着时间的推移,显微组织会发生变化,导致蠕变强度下降和蠕变损伤。特别是在蠕变强度低于母材的焊缝热影响区(HAZ),很可能发生蠕变损伤。在蠕变损伤的初始阶段,会发生析出物团聚、粗化和位错密度降低等显微组织变化。然而,中期阶段之后,蠕变应变往往会随着显微组织的变化而累积,蠕变应变的累积会在晶界处优先产生蠕变空洞,这些空洞增大并凝聚形成蠕变裂纹。蠕变损伤的空洞数密度(表示一定区域内的空洞数)与蠕变断裂寿命消耗率之间存在相关性。利用这种相关性,从空洞数密度评估蠕变寿命消耗率的方法称为空洞数密度法。


3 传统寿命评估方法存在的问题

空洞数密度法是由专家在显微镜下通过复制法观察金属表面的显微组织,并逐个计算空洞数而得出的。然而,能够根据显微组织图像评估空洞数密度的专家人数有限,而且评估过程耗时。

为此,开发了图像处理技术,其中的算法反映了低合金钢空洞识别的专家知识,并建立了使用空洞数密度法的半自动寿命评估方法。这种图像处理算法将空洞的圆度、面积、纵横比和亮度等图像特征作为空洞识别的指标,并根据专家的方法设置最佳参数,从而自动识别低合金钢HAZ中的空洞数。


4 利用标签校正的人工智能图像分析技术

在基于人工智能的材料显微组织图像识别方法中,有一种称为分割法。就空洞图像而言,需要从背景显微组织图像和污染(如来自复制品收集的污染物)中识别出空洞区域,故而实例分割被认为是有效的方法。然而,使用实例分割法准备图像标识符需要大量标签标注的图像,这一过程非常耗时和昂贵。因此,重点研究了标签校正技术,该技术可从少量简单标签图像和大量无标签图像中生成大量标签图像,并尝试通过利用该技术构建高强度铁素体钢的空洞图像识别器(图1)。

试验选择Grade 91钢(KA-STPA28等)、Grade 122钢(KA-SUS410J3TP等)和Grade 23钢(KA-STPA24J1等)作为研究对象,这些钢种在日本被广泛应用于锅炉管道和传热管件中。表1列出了用于学习的图像数据信息,标签校正技术基本上使用非标签图像和简单标签图像进行学习。但在本试验中,为了提高识别器的准确性,部分使用了标签图像进行学习。此外,图像分割被用作学习这些图像的预处理。因此,实际用于学习的图像数量比表1中显示的要更多,但创建的标签图像数量相同。表1中的图像按照图1所示的步骤①-③进行处理,交替重复标签传播和特征提取器学习,直到生成正确率较高的已标注图像。将正确性指数定义为重叠度(IoU),它被用作图像上物体检测的衡量标准,根据专家创建的正确图像的IoU和其他数据,将IoU定义为0.6或更高,表示空洞识别准确。

图2显示了使用上述程序建立的识别器识别无标签图像(原始图像)的结果。虽然该图像中的空洞形状复杂,但空洞识别图像的IoU值为0.72,表明识别器能够高精度地识别空洞,有些没有空洞的位置被误认为是空洞,但在这种情况下,可以使用专业绘画工具对图像进行校正,从而达到与专家水平相当的IoU和空洞数密度的评估精度。


5 结论

本文主要介绍了一种可以评估高强度铁素体钢管道焊缝的空洞数密度和剩余寿命的系统。该系统能够根据人工智能自动识别的图像自动评估空洞数密度和寿命消耗率,并由专家使用图形用户界面(GUI)上的绘图工具根据需要进行校正。使用该系统从Grade 23钢的空洞图像中评估了寿命消耗率,结果表明,人工智能评估的蠕变周期消耗率与专家的评估结果非常吻合。同时,本文比较了专家的传统方法和使用上述系统的新方法进行剩余寿命评估所需的时间,结果表明,新方法可将评估时间缩短约80%。

《世界金属导报》

2024年第43期 B11

推荐阅读

非凡二十年 奋进再向前| 大冶特钢召开合资成立二十周年战略合作交流会

【会员风采】中冶京诚“工业微电网智慧能源管控系统”入选工业和信息化部2024年物联网赋能行业发展典型案例

登录World Metals 钢铁行业英文资讯网站 读懂全球钢铁


精彩视频推荐



内容来源:http://www.worldmetals.com.cn/

版权说明:版权归原作者所有,如有侵权请联系删除;文章内容属作者个人观点,不代表本报观点和立场。转载请注明来源;文章内容如有偏颇,敬请各位指正;如标错来源,请跟我们联系。


欢迎与世界金属导报合作,电话 18127167276  18911030405(微信同号)

《世界金属导报》

邮发代号:1-241

国内统一刊号:CN11-4676/F

全年定价:288元/年

全国各地邮局订阅

订阅电话:010-65221976

投稿信箱:

daobao@worldmetals.cn


发现“分享”“赞”了吗,戳我看看吧

世界金属导报
《世界金属导报》是钢铁企业重要信息来源,也是国内最重要的技术发布平台,更是政府机关、学协会、企业领导,各级管理部门、生产组织现场、技术产品研发、原料设备采购乃至市场贸易营销人员必读的一份专业性报纸。
 最新文章