Исследование метода мониторинга и распознавания утечек в водородных клапанах высокого давления

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Водородные клапаны высокого давления подвергаются мгновенному воздействию потока водорода и многократному действию старт-стоп во время эксплуатации, и существует потенциальный риск утечки. В данной работе исследуются вопросы мониторинга и идентификации утечек в водородных клапанах для обеспечения их эксплуатационной надежности. Во-первых, система мониторинга акустических сигналов была построена на основе платформы для испытания газовой герметичности водородных клапанов высокого давления, и проведен анализ характеристик клапанов во временной области при различных условиях утечки. Во-вторых, характеристики частотной области извлекаются с помощью комбинации вариационного модального разложения и вейвлетного разложения пакетов. В конечном итоге для распознавания паттернов акустических сигналов используются сеть обратного распространения (BP) и сверточная нейронная сеть (CNN), причем параметры временной и частотной областей подаются на вход независимо. Результаты показывают, что точность сетей BP и CNN, основанных на признаках частотной области, значительно повысилась до 93,33 и 91,67 % соответственно. В данной работе получен метод выделения признаков и распознавания образов для водородных клапанов, который служит основой для точного и эффективного распознавания состояния утечки водородных клапанов высокого давления в процессе эксплуатации.

Полный текст

Доступ закрыт

Об авторах

И Цинь

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Чжэ Ян

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Цзэтянь Кан

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Автор, ответственный за переписку.
Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Цянь Ву

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Юйчэнь Ван

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Аньфэн Юй

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Хуань Лю

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Юнь Ло

Научно-исследовательский институт техники безопасности компании СИНОПЕК

Email: kangzt_upc@163.com
Китай, Сонглинг-Роуд, 339, район Лаошань, Циндао, Шаньдун, 266000

Список литературы

  1. Filippov S.P., Yaroslavtsev A.B. Hydrogen energy: Development prospects and materials // Russian Chemical Reviews. 2021. V. 90 (6). P. 627. https://doi.org/10.1070/RCR5014
  2. Vechkinzova E., Steblyakova L.P., Roslyakova N. et al. Prospects for the development of hydrogen energy: Overview of global trends and the Russian market state // Energies. 2022. V. 15 (22). P. 8503. https://doi.org/10.3390/en15228503
  3. Ferlazzo A., Espro C., Iannazzo D. et al. A novel yttria-doped ZrO2 based conductometric sensor for hydrogen leak monitoring // International Journal of Hydrogen Energy. 2022. V. 47 (16). P. 9819—28. https://doi.org/10.1016/j.ijhydene.2022.01.036
  4. Falsafi F., Hashemi B., Mirzaei A. et al. Sm-doped cobalt ferrite nanoparticles: A novel sensing material for conductometric hydrogen leak sensor // Ceramics International. 2017. V. 43 (1, Part B). P. 1029—37. https://doi.org/10.1016/j.ceramint.2016.10.035
  5. Chen Y., Yang Y., Liang C. et al. Palladium-based optical fiber Bragg grating hydrogen sensors: A comprehensive review // Optics & Laser Technology. 2024. V. 175. P. 110850. https://doi.org/10.1016/j.optlastec.2024.110850
  6. Sazhin S., Soborover E., Tokarev S. Sensor methods of ammonia inspection // Russian journal of nondestructive testing. 2003. V. 39 (10). P. 791—806. https://doi.org/10.1023/B:RUNT.0000020251.56686.a5
  7. Ye Z., Ruan H., Hu X. et al. TBAOH intercalated WO3 for high-performance optical fiber hydrogen sensor // International Journal of Hydrogen Energy. 2022. V. 47 (65). P. 28204—11. https://doi.org/10.1016/j.ijhydene.2022.06.133
  8. Zhao L., Cao Z., Deng J. A review of leak detection methods based on pressure waves in gas pipelines // Measurement. 2024. V. 236. P. 115062. https://doi.org/10.1016/j.measurement.2024.115062
  9. Banjara N.K., Sasmal S., Voggu S. Machine learning supported acoustic emission technique for leakage detection in pipelines // International Journal of Pressure Vessels and Piping. 2020. V. 188. P. 104243. https://doi.org/10.1016/j.ijpvp.2020.104243
  10. Shi M., Liang Y., Qin L. et al. Prediction method of ball valve internal leakage rate based on acoustic emission technology // Flow Measurement and Instrumentation. 2021. V. 81. P. 102036. https://doi.org/10.1016/j.flowmeasinst.2021.102036
  11. Mostafapour A., Davoudi S. Analysis of leakage in high pressure pipe using acoustic emission method // Applied Acoustics. 2013. V. 74 (3). P. 335—42. https://doi.org/10.1016/j.apacoust.2012.07.012
  12. Ye G.-Y., Xu K.-J., Wu W.-K. Multivariable modeling of valve inner leakage acoustic emission signal based on Gaussian process // Mechanical Systems and Signal Processing. 2020. V. 140. P. 106675. https://doi.org/10.1016/j.ymssp.2020.106675
  13. Asatryan R., Asatryan S., Sukoyan L. et al. A spectroradiometer for remote ecological testing of gas main pipelines // Russian Journal of Nondestructive Testing. 2010. V. 46 (8). P. 598—602. https://doi.org/10.1134/S1061830910080085
  14. Tian C.H., Yan J.C., Huang J. et al. Negative pressure wave based pipeline leak detection: Challenges and algorithms / proceedings of the Proceedings of 2012 IEEE international conference on service operations and logistics, and informatics. F, 2012 [C]. IEEE.
  15. Li J., Weng H., Yang Q. et al. Data-driven diagnosis method of high-pressure hydrogen leakage based on actual driving conditions and probabilistic neutral network // International Journal of Hydrogen Energy. 2024. V. 71. P. 411—21. https://doi.org/10.1016/j.ijhydene.2024.04.204
  16. Prateepasen A., Kaewwaewnoi W., Kaewtrakulpong P. Smart portable noninvasive instrument for detection of internal air leakage of a valve using acoustic emission signals // Measurement. 2011. V. 44 (2). P. 378—84. https://doi.org/10.1016/j.measurement.2010.10.009
  17. Banjara N.K., Sasmal S., Kapuria S. Fatigue and leakage-type damage detection in metallic plates and pipelines using piezoelectric patch acoustic sensors // International Journal of Pressure Vessels and Piping. 2024. V. 209. P. 105162. https://doi.org/10.1016/j.ijpvp.2024.105162
  18. Li Z., Zhang H., Tan D. et al. A novel acoustic emission detection module for leakage recognition in a gas pipeline valve // Process Safety and Environmental Protection. 2017. V. 105. P. 32—40. https://doi.org/10.1016/j.psep.2016.10.005
  19. Zhang Y., Yang G., Zhang D. et al. Investigation on recognition method of acoustic emission signal of the compressor valve based on the deep learning method // Energy Reports. 2021. V. 7. P. 62—71. https://doi.org/10.1016/j.egyr.2021.10.053
  20. Xu C., Du S., Gong P. et al. An improved method for pipeline leakage localization with a single sensor based on modal acoustic emission and empirical mode decomposition with Hilbert transform // IEEE Sensors Journal. 2020. V. 20 (10). P. 5480—91. https://doi.org/10.1109/JSEN.2020.2971854
  21. Martyugov A., Ershov E., Varfolomeev I. et al. Method of processing acoustic information for purposes of monitoring state of valves of gas cleaning equipment // Russian Journal of Nondestructive Testing. 2021. V. 57. P. 838—45. https://doi.org/10.1134/S1061830921100041
  22. Qiu F., Shen Z., Bai Y. et al. Hydrogen defect acoustic emission recognition by deep learning neural network // International Journal of Hydrogen Energy. 2024. V. 54. P. 878—93. https://doi.org/10.1016/j.ijhydene.2023.09.176
  23. Khlybov A., Uglov A., Ryabov D. Developing a Method for Assessing the Degree of Hydrogenation of VT1-0 Titanium Alloy by the Acoustic Method // Russian Journal of Nondestructive Testing. 2024. V. 60 (8). P. 843—58. https://doi.org/10.1134/S1061830924601739
  24. Peng J., Cairui L., Luying Z. et al. Study on Material Damage Characterization of High-Pressure Hydrogen Storage Vessels Based on DIC and Acoustic Emission Entropy // Russian Journal of Nondestructive Testing. 2022. V. 58 (6). P. 433—43. https://doi.org/10.1134/S1061830922060055
  25. Wang D., Liao B., Hao C. et al. Acoustic emission characteristics of used 70 MPa type IV hydrogen storage tanks during hydrostatic burst tests // International Journal of Hydrogen Energy. 2021. V. 46 (23). P. 12605—14. https://doi.org/10.1016/j.ijhydene.2020.12.177
  26. Li Y., Xu F. Structural damage monitoring for metallic panels based on acoustic emission and adaptive improvement variational mode decomposition–wavelet packet transform // Structural Health Monitoring. 2022. V. 21 (2). P. 710—30.
  27. Mostafapour A., Davoodi S. Continuous leakage location in noisy environment using modal and wavelet analysis with one AE sensor // Ultrasonics. 2015. V. 62. P. 305—11. https://doi.org/10.1016/j.ultras.2015.06.004.
  28. Du J., Wang H., Chen C. et al. Damage classification and evolution in composite under low-velocity impact using acoustic emission, machine learning and wavelet packet decomposition // Engineering Fracture Mechanics. 2024. P. 110238. https://doi.org/10.1016/j.engfracmech.2024.110238
  29. Pan Y., Zhang L., Wu X. et al. Structural health monitoring and assessment using wavelet packet energy spectrum // Safety Science. 2019. V. 120. P. 652—65. https://doi.org/10.1016/j.ssci.2019.08.015
  30. Gutkin R., Green C., Vangrattanachai S. et al. On acoustic emission for failure investigation in CFRP: Pattern recognition and peak frequency analyses // Mechanical systems and signal processing. 2011. V. 25 (4). P. 1393—407. https://doi.org/10.1016/j.ymssp.2010.11.014
  31. Zhou L., Wang P., Zhang C. et al. Multi-mode fusion BP neural network model with vibration and acoustic emission signals for process pipeline crack location // Ocean Engineering. 2022. V. 264. P. 112384. https://doi.org/10.1016/j.oceaneng.2022.112384
  32. Zhou J., Lin H., Li S. et al. Leakage diagnosis and localization of the gas extraction pipeline based on SA-PSO BP neural network // Reliability Engineering & System Safety. 2023. V. 232. P. 109051. https://doi.org/10.1016/j.ress.2022.109051
  33. Zhao H., Li Z., Zhu S. et al. Valve internal leakage rate quantification based on factor analysis and wavelet-BP neural network using acoustic emission // Applied Sciences. 2020. V. 10 (16). P. 5544. https://doi.org/10.3390/app10165544
  34. Krysko N., Skrynnikov S., Shchipakov N. et al. Classification and Sizing of Surface Defects in Pipelines Based on the Results of Combined Diagnostics by Ultrasonic, Eddy Current, and Visual Inspection Methods of Nondestructive Testing // Russian Journal of Nondestructive Testing. 2023. V. 59 (12). P. 1315—23. https://doi.org/10.1134/S1061830923601022
  35. Ai L., Bayat M., Ziehl P. Localizing damage on stainless steel structures using acoustic emission signals and weighted ensemble regression-based convolutional neural network // Measurement. 2023. V. 211. P. 112659. https://doi.org/10.1016/j.measurement.2023.112659

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Схема мониторинга и распознавания утечек.

Скачать (438KB)
Метаданные
3. Рис. 2. Экспериментальная установка: система мониторинга акустических сигналов (а); схема мониторинга акустических сигналов (б).

Скачать (581KB)
Метаданные
4. Рис. 3. Корреляция между параметрами сигнала, полученного с помощью акустического мониторинга, и давлением утечки водородного клапана (параметры признаков для акустического обнаружения утечек): величина (а); среднеквадратичное значение (б); средний уровень сигнала (в); энергия (г); время нарастания (д); накопленные счетчики (е).

Скачать (582KB)
Метаданные
5. Рис. 4. Вариационное модальное разложение сигнала утечки при давлении 20 МПа.

Скачать (903KB)
Метаданные
6. Рис. 5. Распределение энергии вейвлет-пакетов для различных условий утечки.

Скачать (171KB)
Метаданные
7. Рис. 6. Базовая структура ВР.

Скачать (211KB)
Метаданные
8. Рис. 7. Результаты распознавания ВР: входной сигнал во временной области (а); входной сигнал в частотной области (б).

Скачать (211KB)
Метаданные
9. Рис. 8. Потери ВР при различном количестве периодов.

Скачать (161KB)
Метаданные
10. Рис. 9. Базовая структура CNN.

Скачать (215KB)
Метаданные
11. Рис. 10. Результаты распознавания CNN: входной сигнал во временной области (а); входной сигнал в частотной области (б).

Скачать (215KB)
Метаданные
12. Рис. 11. Потери CNN при различном количестве периодов.

Скачать (153KB)
Метаданные

© Российская академия наук, 2025