| DOI | https://doi.org/10.15407/pmach2018.03.013 |
| Журнал | Проблемы машиностроения |
| Издатель | Институт проблем машиностроения им. А. Н. Подгорного Национальной академии наук Украины |
| ISSN | 0131-2928 (print), 2411-0779 (online) |
| Выпуск | Том 21, № 3, 2018 (сентябрь) |
| Страницы | 13-19 |
Авторы
И. В. Библик, Институт проблем машиностроения им. А. Н. Подгорного НАН Украины (61046, Украина, г. Харьков, ул. Пожарского, 2/10), e-mail: miles@ipmach.kharkov.ua, ORCID: 0000-0002-8650-1134
К. В. Аврамов, Институт проблем машиностроения им. А. Н. Подгорного НАН Украины (61046, Украина, г. Харьков, ул. Пожарского, 2/10), e-mail: kvavramov@gmail.com, ORCID: 0000-0002-8740-693X
Р. А. Русанов, Институт проточных машин им. Р. Шевальского Польскої АН, (Польша, г. Гданьск 80-231, ул. Фишера, 14), e-mail: rrusanov@imp.gda.pl, ORCID: 0000-0003-2930-2574
Аннотация
На основе комплексного подхода, использующего компьютерное моделирование процесса разрушения конструкционных материалов и технологию самообучающихся нейронных сетей, разработана методология прогнозирования скорости эрозионно-коррозионного износа (ЭКИ) элементов трубопроводов с однофазной средой второго контура АЭС. Нейросетевая модель реализована в среде программирования Delphi. Нейронная сеть состоит из входного слоя, содержащего семь элементов, и выходного слоя с двумя элементами. В качестве входных переменных нейронной сети выбраны параметры, оказывающие наибольшее влияние на процесс ЭКИ. Это температура среды, внутренний диаметр трубопровода, содержание кислорода в среде, скорость течения теплоносителя, водородный показатель, время проведения контроля (или начала эксплуатации) и время, на которое осуществляется прогнозирование. Для каждого из входных параметров сети выбирались интервалы возможных значений. При этом факторы, влияющие на скорость ЭКИ, но не вошедшие в реализуемую модель (содержание хрома, меди и молибдена в материале трубопровода, тип амина), приняты постоянными. Выходными параметрами нейронной сети являются скорость ЭКИ и изменение толщины стенки элемента трубопровода за прогнозируемый временной интервал. В качестве метода обучения нейронной сети выбран метод обратного распространения ошибки, который предполагает прямой и обратный проход по слоям сети. Обучающим алгоритмом нейронной сети является алгоритм обучения с учителем. Для тестовой выборки предлагается, наряду с данными эксплуатационного контроля, использовать результаты расчетов по статистической модели, созданной в рамках специального расчетно-экспериментального метода. Установлена принципиальная возможность использования нейронных сетей для прогнозирования скорости ЭКИ в элементах трубопроводов второго контура АЭС. Разработанный подход позволяет улучшить точность прогноза скорости эрозионно-коррозионного износа без определения всех зависимостей между множеством факторов, оказывающих влияние на процесс ЭКИ. Низкие значения ошибок построенных моделей позволяют использовать результаты расчетов для определения ресурсных характеристик трубопроводов с однофазной средой второго контура АЭС и оптимизации эксплуатационного контроля.
Ключевые слова: нейронные сети, компьютерное моделирование, эрозионно-коррозионный износ.
Полный текст: загрузить PDF
Литература
- Naftal M. M., Baranenko V. I., Gulina O. M. Use of software tools for calculating flow accelerated corrosion of nuclear power plant equipment and pipelines. Thermal Eng. 2004. Vol. 61. No. 6. P. 456–463. https://doi.org/10.1134/S0040601514060081
- Бараненко В. И., Янченко Ю. А., Гулина О. М., Докукин Д. А. О расчете скорости эрозионно-коррозионного износа и остаточного ресурса трубопроводов АЭС. Изв. вузов. Ядер. энергетика. 2010. № 2. С. 55–63.
- Милешкин М. Б., Библик И. В. Применение специального расчетно-экспериментального метода для оценки остаточного ресурса элементов конструкций по фактическому состоянию материала. Надежность и долговечность машин и сооружений. 2006. Вып. 27. С. 304–310.
- Милешкин М. Б., Библик И. В., Инкулис В. В. Оценка вероятности безотказной работы оборудования АЭС на основе моделирования изменения степени эксплуатационной поврежденности. Надежность и долговечность машин и сооружений. 2009. Вып. 32. С. 105–112.
- РД ЭО 0571-2006. Нормы допустимых толщин элементов трубопроводов из углеродистых сталей атомных станций. – Введ. 2006-11-01. – М.: ОАО «Концерн Росэнергоатом», 2006. 44 с.
- Бараненко В. И., Гулина О. М., Докукин Д. А. Методологическая основа прогнозирования эрозионно-коррозионного износа оборудования АС методом нейросетевого моделирования. Изв. вузов. Ядер. энергетика. 2008. № 1. С. 3–8.
- Бараненко В. И., Гетман А. Ф., Овчаров О. В., Гусаров А. Е. Использование программных средств для расчета коррозии трубопроводов и оборудования энергоблоков АЭС. [Электронный ресурс]. – Режим доступа: www.gidropress.podolsk.ru/files/proceedings/mntk2017/autorun/article19-ru.htm
- Хайкин С. Нейронные сети: пер. с англ. – М.: Издат. дом «Вильямс», 2006. 1104 с.
Поступила в редакцию 07 июня 2018 г.