Введение. Поверхности нагрева котла являются наиболее теплонапряженными элементами парового или водогрейного котла. Условия их эксплуатации характеризуются высокими температурами, давлением и коррозионно-активной средой. Основными видами повреждений являются: ползучесть металла, коррозионное растрескивание, эрозионный износ, усталостные трещины. Аварийный выход из строя труб поверхностей нагрева приводит к внеплановым остановам оборудования, что влечет за собой значительные экономические потери для генерирующих предприятий.
Традиционные методы дефектоскопии (ультразвуковая толщинометрия, магнитопорошковый контроль) являются локальными и требуют установки лесов, вскрытия обмуровки и допуска персонала к контролируемым участкам. Это трудоемко, субъективно и не позволяет вести непрерывный мониторинг в процессе работы котла. Развитие технологий промышленного интернета вещей (IIoT) и методов машинного зрения открывает новые возможности для создания автоматизированных систем удаленной диагностики, способных в реальном времени оценивать техническое состояние металла и окалины.
Цель. Исследование автоматизированной системы удаленной технической диагностики поверхностей нагрева котла.
Задачи: На основе анализа статистики отказов котельных агрегатов установлено, что наиболее информативными параметрами, характеризующими предаварийное состояние труб поверхностей нагрева, являются: температурные аномалии — локальные повышения температуры стенки трубы, вызванные отложениями (накипью) или нарушением циркуляции теплоносителя; акустические сигналы — высокочастотные шумы, сопровождающие образование и развитие микротрещин, а также истечение среды через свищи; геометрические изменения деформации труб.
Для диагностики поверхностей нагрева используются тепловизионные датчики и пирометры, для контроля температуры наружной поверхности труб в зонах интенсивного нагрева применяются стационарные тепловизоры с матрицами неохлаждаемого типа.
Для регистрации ультразвуковых волн, возникающих при развитии трещин и истечении среды, применяются пьезоэлектрические преобразователи. Частотный диапазон выбирается в пределах 50–500 кГц, что позволяет отсекать низкочастотные шумы горелок и газовоздушного тракта. Датчики акустической эмиссии крепятся непосредственно к трубам или к металлическим волноводам, привариваемым к поверхностям нагрева.
Для коррекции диагностических моделей и верификации данных используются: датчики давления и температуры теплоносителя, датчики вибрации для контроля общей вибрации труб, что косвенно свидетельствует о пульсациях потока или механических повреждениях креплений.
Все датчики подключаются к распределенным модулям ПЛК, размещенным в металлических шкафах вблизи котла. Аналоговые сигналы термопар и пирометров заводятся на модули ввода аналоговых сигналов с гальванической развязкой. Для термопар обязательна компенсация температуры холодного спая. Ethernet используется для подключения тепловизоров, которые формируют видеопоток. Тепловизоры подключаются по оптоволокну или экранированной витой паре. Беспроводное подключение применяется для датчиков, установленных в труднодоступных местах, где прокладка кабеля экономически нецелесообразна. Используются протоколы WirelessHART и LoRaWAN. Беспроводные датчики питаются от литиевых батарей с длительным сроком службы или от термоэлектрических генераторов, использующих перепад температур на поверхности трубы.
Контроллеры выполняют первичную фильтрацию сигналов: усреднение, отбраковку выбросов, преобразование единиц измерения. Для сигналов акустической эмиссии используется быстродействующий АЦП с частотой дискретизации не менее 1 МГц и аппаратная реализация фильтров нижних и верхних частот. Программа автоматически выделяет контуры труб, сопоставляя текущее тепловизионное изображение с эталонной моделью расположения труб (цифровым двойником участка). Для каждой трубы строится профиль температуры вдоль оси. Обнаружение локальных перегревов (превышение средней температуры по участку более чем на 20°C) инициирует сигнал тревоги. Дополнительно анализируется динамика изменения температуры во времени — быстрое нарастание температуры характерно для закупорки трубы. Для выделения полезного сигнала из шума сигналов акустической эмиссии применяется вейвлет-преобразование. Высокочастотные составляющие, соответствующие актам эмиссии, накапливаются. По разнице времени прихода сигнала на несколько датчиков определяется зона возникновения дефекта. Интенсивность эмиссии коррелирует со скоростью развития трещины.
Данные от всех типов датчиков объединяются в единой базе. На основе статистических моделей и методов машинного обучения (регрессионный анализ, нейронные сети) рассчитывается прогнозируемый остаточный ресурс участка поверхности нагрева. Модель учитывает наработку, количество пусков-остановов, текущие температурные режимы и выявленные аномалии.
Вывод: Применение комбинации методов тепловизионного контроля и акустической эмиссии в рамках единой автоматизированной системы позволяет достоверно выявлять дефекты на ранней стадии их развития без необходимости остановки котла.
Использование алгоритмов сравнения текущих параметров с эталонной математической моделью (цифровым двойником поверхности нагрева) повышает точность прогнозирования остаточного ресурса и позволяет перейти от системы планово-предупредительных ремонтов к ремонтам по фактическому техническому состоянию.
Внедрение подобных систем позволяет снизить трудозатраты на диагностику и минимизировать риск травматизма персонала при проведении контрольных операций в котле.
Перспективой дальнейших исследований является интеграция нейросетевых алгоритмов для автоматической классификации типов дефектов по термографическим изображениям.
Литература:
- Серьезнов, А. Н. Акустическая эмиссия: физические основы, приборы и применение в диагностике оборудования / А. Н. Серьезнов, Л. Н. Степанова. — Москва: Спектр, 2020. — 340 с. — ISBN 978–5–990–1234–5–6.
- Дмитриев С. А. Методы неразрушающего контроля в теплоэнергетике: учебное пособие. — Томск: Изд-во ТПУ, 2021. — 168 с.
- Кузнецов Н. М. Промышленные сети и интерфейсы: учебник. — Санкт-Петербург: Лань, 2022. — 256 с.
