CN112765845B - 一种用于带接管压力容器损伤定位的传感器阵列优化方法 - Google Patents

一种用于带接管压力容器损伤定位的传感器阵列优化方法 Download PDF

Info

Publication number
CN112765845B
CN112765845B CN202110004693.1A CN202110004693A CN112765845B CN 112765845 B CN112765845 B CN 112765845B CN 202110004693 A CN202110004693 A CN 202110004693A CN 112765845 B CN112765845 B CN 112765845B
Authority
CN
China
Prior art keywords
sensor array
sensor
guided wave
particle swarm
damage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110004693.1A
Other languages
English (en)
Other versions
CN112765845A (zh
Inventor
轩福贞
胡超杰
杨斌
袁奕雯
张东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China University of Science and Technology
Shanghai Special Equipment Supervision and Inspection Technology Institute
Original Assignee
East China University of Science and Technology
Shanghai Special Equipment Supervision and Inspection Technology Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China University of Science and Technology, Shanghai Special Equipment Supervision and Inspection Technology Institute filed Critical East China University of Science and Technology
Priority to CN202110004693.1A priority Critical patent/CN112765845B/zh
Publication of CN112765845A publication Critical patent/CN112765845A/zh
Application granted granted Critical
Publication of CN112765845B publication Critical patent/CN112765845B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/02—Special adaptations of indicating, measuring, or monitoring equipment
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C13/00—Details of vessels or of the filling or discharging of vessels
    • F17C13/12—Arrangements or mounting of devices for preventing or minimising the effect of explosion ; Other safety measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/03—Control means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F17C2250/0486—Indicating or measuring characterised by the location
    • F17C2250/0491—Parameters measured at or inside the vessel
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/06—Controlling or regulating of parameters as output values
    • F17C2250/0689—Methods for controlling or regulating
    • F17C2250/0694—Methods for controlling or regulating with calculations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种用于带接管压力容器损伤定位的传感器阵列优化方法，包括以下步骤：步骤S1，对所述筒体进行二维网格划分；步骤S2，在划分后的二维网格上初始化传感器阵列；步骤S3，根据建立的传感器阵列构建粒子群优化算法模型；步骤S4，构建基于接管边界的粒子群优化算法模型适应度方程；步骤S5，优化粒子群优化算法模型参数获得最优模型；步骤S6，根据最终参数训练粒子群优化算法模型，获得最优传感器阵列。根据本发明，其能够保证基于超声导波的带接管压力容器损伤监测结果的准确性。

Description

一种用于带接管压力容器损伤定位的传感器阵列优化方法
技术领域
本发明涉及粒子群优化算法及超声导波结构健康监测领域，特别涉及一种用于带接管压力容器损伤定位的传感器阵列优化方法。
背景技术
压力容器是承受压力、具有爆炸危险的特种设备，在石油化工、航空航天以及水下舰艇等领域有着广泛的应用。该设备是生产运输过程中不可缺少的核心设备，也是一个国家装备制造水平的重要标志。压力容器通常用于传热传质等工艺过程，同时在贮存、运输有压力的气体或液化气体方面有着大量的应用。严苛的工作环境，运行压力及温度的交替变化以及带有腐蚀性的工作介质导致压力容器非常容易出现损伤。压力容器一旦出现事故，会对社会及人民的生命财产安全造成极大的威胁，因此有必要开展针对压力容器的在线监测技术研究。
与传统无损检测方法相比，基于超声导波的结构健康监测技术传播距离远、监测面积大，非常适合对压力容器这种大体积结构进行在线监测。并且该技术是一种主动监测方法，可根据需求驱动传感器在机构中激励并接收超声导波信号，并在数秒内评估损伤，近年来越来越受到国内外学者的关注。但是根据实际工艺的要求，压力设备通常带有接管结构，接管和容器之间的连接是裂纹萌生的关键区域，但超声导波信号在这种结构不连续处的波结构非常复杂，不可避免地导致损伤定位结果的不准确。
有鉴于此，有必要开发一种用于带接管压力容器损伤定位的传感器阵列优化方法，用以保证基于超声导波的带接管压力容器损伤监测结果的准确性。
发明内容
为了克服上述损伤定位方法所存在的问题，本发明所要解决的技术问题是提供一种用于带接管压力容器损伤定位的传感器阵列优化方法，用以保证基于超声导波的带接管压力容器损伤监测结果的准确性。
就传感器阵列优化方法而言，本发明为解决上述技术问题的用于带接管压力容器损伤定位的传感器阵列优化方法包括以下步骤：
步骤S1，对所述筒体进行二维网格划分；
步骤S2，在划分后的二维网格上初始化传感器阵列；
步骤S3，根据建立的传感器阵列构建粒子群优化算法模型；
步骤S4，构建基于接管边界的粒子群优化算法模型适应度方程；
步骤S5，优化粒子群优化算法模型参数获得最优模型；
步骤S6，根据最终参数训练粒子群优化算法模型，获得最优传感器阵列。
可选的，在步骤S1中，所述筒体的二维网格划分过程为：将所述筒体假想展开成平面矩形结构，随后对该矩形结构进行二维网格划分，划分后的二维网格轴向方向两端对应于筒体与封头连接位置。
可选的，在步骤S2中，所述传感器阵列由偶数个超声导波传感器组成，所述传感器阵列的初始化过程为：使用粘接剂将超声导波传感器粘贴于所述筒体的两端，并且两端超声导波传感器的数量相等；
其中，假定超声导波传感器的总数为m，所述筒体的外径为D，则有m＝D/20；在传感器阵列的初始化过程过中，超声导波传感器沿着二维网格随机布置，并且每个超声导波传感器的轴向坐标位于二维网格轴向方向上的端部。
可选的，所述筒体其中一端的每个所述超声导波传感器与所述筒体另一端的相应一个超声导波传感器相互映射，两两相互映射的所述超声导波传感器构成多个传感器子集；每个传感器子集中的其中一个超声导波传感器受激励发出超声导波信号，另一个超声导波传感器则用于接收该超声导波信号。
可选的，在步骤S3中，粒子群优化算法的粒子数量与所述传感器阵列中的超声导波传感器数量相等，通过更新每个粒子的个体位置最优解xi和速度最优解Vi实现整体最优解的位置和速度更新，
其中，位置更新公式为：xi(t+1)＝xi(t)+vi(t+1)；
速度更新公式为：vi(t+1)＝wvi(t)+C1r1(pi(t)-xi(t))+C2r2(pg(t)-xi(t))；
式中，t为粒子群算法的迭代次数，w为粒子群算法的惯性权重，C1为粒子群算法的历史最优权重系数，C2为粒子群算法的群体最优权重系数，r1及r2为区间[0,1]的随机数，pi为当前迭代次数下粒子的个体最优位置，pg为当前迭代次数下群体最优位置；根据上述公式反复迭代最终获得群体最优解，也即是最优的传感器阵列。
可选的，适应度方程是避免接管影响损伤定位精度的目标函数，该方程通过控制激励/接收传感器到接管的距离以及激励/接收传感器到损伤的距离实现对粒子群算法的优化，在步骤S4中，构建基于接管边界的粒子群优化算法模型适应度方程为L1+L2＜min(L3+L4)，其中，L1为激励传感器到损伤的距离，L2为接收传感器到损伤的距离，L3为激励传感器到接管边界的距离，L4为接收传感器到接管边界的距离。
可选的，在压力容器在实际工作过程中，筒体所有位置均有可能产生缺陷，因此在步骤S4中，假定压力容器二维网格的所有节点上都可能存在损伤，从而实现传感器阵列对压力容器筒体结构的全覆盖。
可选的，在步骤S5中多次调整w参数，根据速度及位置更新公式迭代粒子群优化算法模型及适应度曲线选取最优权重w。
可选的，在步骤S6中，通过训练粒子群优化算法模型，获得最优传感器阵列，并通过该传感器阵列对带接管压力容器进行损伤定位；
其中，损伤定位方法基于椭圆损伤定位原理，计算公式为：S＝TH+HR，激励传感器T激发出导波信号传播到缺陷H处时与其相互作用，会产生散射现象，进而由接收传感器R捕获散射信号，相应的缺陷则位于以T和R为焦点，S为长轴的椭圆轨迹上；
每对超声导波传感器可以确定一个椭圆轨迹，而多对传感器则可以确定多个椭圆轨迹，这些椭圆轨迹的交点，即可确定缺陷的所在位置。
上述技术方案中的一个技术方案具有如下优点或有益效果：由于其基于粒子群优化算法扫查最优传感器阵列形式，避免了人工选择传感器位置的繁琐，保证了传感器阵列位置的最优。
上述技术方案中的另一个技术方案具有如下优点或有益效果：由于其基于接管边界条件建立适应度方程，有效的避免了接管对导波信号的干扰，保证了基于超声导波方法的带接管压力容器损伤定位精度。
上述技术方案中的另一个技术方案具有如下优点或有益效果：其通过对压力容器筒体的二维网格化，并在粒子群优化算法训练的同时考虑所有节点均存在缺陷，保证了对整个结构的有效覆盖及扫查。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例的附图作简单介绍，显而易见地，下面描述中的附图仅仅涉及本发明的一些实施例，而非对本发明的限制，其中：
图1为根据本发明一个实施方式提出的用于带接管压力容器损伤定位的传感器阵列优化方法的流程示意图；
图2为根据本发明一个实施方式提出的用于带接管压力容器损伤定位的传感器阵列优化方法中带接管的压力容器结构示意图，图中示出了压力容器轴向上的纵向剖视图；
图3为根据本发明一个实施方式提出的用于带接管压力容器损伤定位的传感器阵列优化方法中初始化的传感器阵列示意图；
图4为根据本发明一个实施方式提出的用于带接管压力容器损伤定位的传感器阵列优化方法中不同权重对应的适应度曲线；
图5为根据本发明一个实施方式提出的用于带接管压力容器损伤定位的传感器阵列优化方法中最优传感器阵列图；
图6为根据本发明一个实施方式提出的用于带接管压力容器损伤定位的传感器阵列优化方法中基于最优传感器阵列的带接管压力容器损伤定位图。
具体实施方式
下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整的描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在附图中，为清晰起见，可对形状和尺寸进行放大，并将在所有图中使用相同的附图标记来指示相同或相似的部件。
除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”、“一”或者“该”等类似词语也不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同，并不排除其他元件或者物件。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
在下列描述中，诸如中心、厚度、高度、长度、前部、背部、后部、左边、右边、顶部、底部、上部、下部等用词是相对于各附图中所示的构造进行定义的，特别地，“高度”相当于从顶部到底部的尺寸，“宽度”相当于从左边到右边的尺寸，“深度”相当于从前到后的尺寸，它们是相对的概念，因此有可能会根据其所处不同位置、不同使用状态而进行相应地变化，所以，也不应当将这些或者其他的方位用于解释为限制性用语。
涉及附接、联接等的术语(例如，“连接”和“附接”)是指这些结构通过中间结构彼此直接或间接固定或附接的关系、以及可动或刚性附接或关系，除非以其他方式明确地说明。
参照图2的示出，可以看出，压力容器1包括中空且呈圆柱形的筒体11及将所述筒体11的两端进行封闭的封头12，所述接管13设置于所述压力容器1的筒体11上。
根据本发明的一实施方式结合图1和图2的示出，可以看出，用于带接管压力容器损伤定位的传感器阵列优化方法包括以下步骤：
步骤S1，对所述筒体进行二维网格划分；
步骤S2，在划分后的二维网格上初始化传感器阵列；
步骤S3，根据建立的传感器阵列构建粒子群优化算法模型；
步骤S4，构建基于接管边界的粒子群优化算法模型适应度方程；
步骤S5，优化粒子群优化算法模型参数获得最优模型；
步骤S6，根据最终参数训练粒子群优化算法模型，获得最优传感器阵列。
进一步地，在步骤S1中，所述筒体的二维网格划分过程为：将所述筒体假想展开成平面矩形结构，随后对该矩形结构进行二维网格划分，划分后的二维网格轴向方向两端对应于筒体与封头连接位置。在图2及图3示出的实施例中可以看出，本实施例中采用圆柱形的压力容器，压力容器1的几何尺寸如下：外径320mm，壁厚5mm，筒身长度为700mm，接管内径60mm，壁厚5mm。为使传感器阵列布置合理并提升传感器阵列对压力容器结构的覆盖率，需要对压力容器的筒体区域进行二维网格划分，也就是将压力容器圆柱形筒体展开成平面矩形结构，按照容器尺寸，每10mm为一个网格的长宽尺寸，将该矩形结构进行二维网格划分，划分后的二维网格轴向方向两端对应筒体与封头连接位置。本实施方式中，对压力容器筒体进行二维网格划分，筒体外径为320mm，则外壁周长为320×π＝1036.2mm，因此将筒体划分为70×104的二维网格，具体划分结果可参照图3。
进一步地，根据压力容器使用特点，压力容器筒体常常带有保温结构，不易在筒体上粘贴传感器，因此传感器应使用粘接剂粘贴于压力容器筒体两端，即筒体与封头连接处，在步骤S2中，所述传感器阵列由偶数个超声导波传感器组成，所述传感器阵列的初始化过程为：使用粘接剂将超声导波传感器粘贴于所述筒体的两端，并且两端超声导波传感器的数量相等；
其中，假定超声导波传感器的总数为m，所述筒体的外径为D，则有m＝D/20；在传感器阵列的初始化过程过中，超声导波传感器沿着二维网格随机布置，并且每个超声导波传感器的轴向坐标位于二维网格轴向方向上的端部。在图3示出的实施例中粘接剂采用了耦合剂。
进一步地，所述筒体其中一端的每个所述超声导波传感器与所述筒体另一端的相应一个超声导波传感器相互映射，两两相互映射的所述超声导波传感器构成多个传感器子集；每个传感器子集中的其中一个超声导波传感器受激励发出超声导波信号，另一个超声导波传感器则用于接收该超声导波信号。在图3示出的实施例中，传感器总数量m＝D/20＝320/20＝16。在划分的压力容器二维网格上初始化传感器阵列，其中传感器轴向坐标均布置于二维网格轴向方向两端，每端有8个传感器，传感器位置随机初始化。
进一步地，在步骤S3中，粒子群优化算法的粒子数量与所述传感器阵列中的超声导波传感器数量相等，通过更新每个粒子的个体位置最优解xi和速度最优解Vi实现整体最优解的位置和速度更新，
其中，位置更新公式为：xi(t+1)＝xi(t)+vi(t+1)；
速度更新公式为：vi(t+1)＝wvi(t)+C1r1(pi(t)-xi(t))+C2r2(pg(t)-xi(t))；
式中，t为粒子群算法的迭代次数，w为粒子群算法的惯性权重，C1为粒子群算法的历史最优权重系数，C2为粒子群算法的群体最优权重系数，r1及r2为区间[0,1]的随机数，pi为当前迭代次数下粒子的个体最优位置，pg为当前迭代次数下群体最优位置；根据上述公式反复迭代最终获得群体最优解，也即是最优的传感器阵列。图3、4示出的实施例中，粒子群优化算法模型迭代次数设置为100次，历史最优权重系数以及群体最优权重系数均设置为2。
进一步地，适应度方程是避免接管影响损伤定位精度的目标函数，该方程通过控制激励/接收传感器到接管的距离以及激励/接收传感器到损伤的距离实现对粒子群算法的优化，在步骤S4中，构建基于接管边界的粒子群优化算法模型适应度方程为L1+L2＜min(L3+L4)，其中，L1为激励传感器到损伤的距离，L2为接收传感器到损伤的距离，L3为激励传感器到接管边界的距离，L4为接收传感器到接管边界的距离。
进一步地，在压力容器在实际工作过程中，筒体所有位置均有可能产生缺陷，因此在步骤S4中，假定压力容器二维网格的所有节点上都可能存在损伤，从而实现传感器阵列对压力容器筒体结构的全覆盖。在图2～图4示出的实施例中，根据划分的压力容器70×104二维网格，认为所有节点上都可能存在损伤，从而实现传感器阵列对压力容器筒体结构的全覆盖。
进一步地，在步骤S5中多次调整w参数，根据速度及位置更新公式迭代粒子群优化算法模型及适应度曲线选取最优权重w。优化粒子群优化算法模型参数获得最优模型，权重w是粒子群优化算法的重要参数，权重选取范围一般为0.6至0.9之间，而且目前没有特定的公式进行具体数值选择，在图4示出的实施例中，分别对比了权重w＝0.9，w＝0.8，w＝0.7的情况，不同权重对应的适应度曲线如图4所示，图中可以发现w＝0.8时适应度可以以较快的速度收敛到1，也就是在w＝0.8时获得的传感器阵列可以实现100％的网络覆盖率，因此本实施例中选择w＝0.8。
进一步地，在步骤S6中，通过训练粒子群优化算法模型，获得最优传感器阵列，并通过该传感器阵列对带接管压力容器进行损伤定位；
其中，损伤定位方法基于椭圆损伤定位原理，计算公式为：S＝TH+HR，激励传感器T激发出导波信号传播到缺陷H处时与其相互作用，会产生散射现象，进而由接收传感器R捕获散射信号，相应的缺陷则位于以T和R为焦点，S为长轴的椭圆轨迹上；
每对超声导波传感器可以确定一个椭圆轨迹，而多对传感器则可以确定多个椭圆轨迹，这些椭圆轨迹的交点，即可确定缺陷的所在位置。
接管的存在对超声导波信号的传播会产生干扰从而影响损伤定位精度。当损伤远离接管时干扰会比较小，定位结果也较为准确；损伤在接管附近时干扰会很大，进而导致无法准确定位。因此布置缺陷在接管附近，通过上述定位算法获得如图6所示的带接管压力容器损伤定位结果图，将可能存在缺陷的位置都进行高亮显示，颜色最深的位置为最有可能出现损伤的位置并通过圆圈标出。图中浅色圆圈代表真实损伤位置，深色圆圈代表最终确定的损伤定位结果，可以看出两结果几乎重合，定位准确，这说明本发明提出的传感器阵列优化方法有效的保证了损伤定位精度。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
本文中所描述的不同实施方案的零部件可经组合以形成上文未具体陈述的其它实施例。零部件可不考虑在本文中所描述的结构内而不会不利地影响其操作。此外，各种单独零部件可被组合成一或多个个别零部件以执行本文中所描述的功能。
此外，尽管本发明的实施方案已公开如上，但其并不仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (6)

1.一种用于带接管压力容器损伤定位的传感器阵列优化方法，所述压力容器包括中空且呈圆柱形的筒体及将所述筒体的两端进行封闭的封头，所述接管设置于所述压力容器的筒体上，其特征在于，该传感器阵列优化方法包括以下步骤：
步骤S1，对所述筒体进行二维网格划分；
步骤S2，在划分后的二维网格上初始化传感器阵列；
步骤S3，根据建立的传感器阵列构建粒子群优化算法模型；
步骤S4，构建基于接管边界的粒子群优化算法模型适应度方程；
步骤S5，优化粒子群优化算法模型参数获得最优模型；
步骤S6，根据最终参数训练粒子群优化算法模型，获得最优传感器阵列；
其中，在步骤S2中，所述传感器阵列由偶数个超声导波传感器组成，所述传感器阵列的初始化过程为：使用粘接剂将超声导波传感器粘贴于所述筒体的两端，并且两端超声导波传感器的数量相等；其中，假定超声导波传感器的总数为m，所述筒体的外径为D，则有m＝D/20；在传感器阵列的初始化过程过中，超声导波传感器沿着二维网格随机布置，并且每个超声导波传感器的轴向坐标位于二维网格轴向方向上的端部；
其中，在步骤S3中，粒子群优化算法的粒子数量与所述传感器阵列中的超声导波传感器数量相等，通过更新每个粒子的个体位置最优解xi和速度最优解Vi实现整体最优解的位置和速度更新；
其中，适应度方程是避免接管影响损伤定位精度的目标函数，该方程通过控制激励/接收传感器到接管的距离以及激励/接收传感器到损伤的距离实现对粒子群算法的优化，在步骤S4中，构建基于接管边界的粒子群优化算法模型适应度方程为L1+L2<min(L3+L4)，其中，L1为激励传感器到损伤的距离，L2为接收传感器到损伤的距离，L3为激励传感器到接管边界的距离，L4为接收传感器到接管边界的距离；
其中，在步骤S6中，通过训练粒子群优化算法模型，获得最优传感器阵列，并通过该传感器阵列对带接管压力容器进行损伤定位；其中，损伤定位方法基于椭圆损伤定位原理，计算公式为：S＝TH+HR，激励传感器T激发出导波信号传播到缺陷H处时与其相互作用，会产生散射现象，进而由接收传感器R捕获散射信号，相应的缺陷则位于以T和R为焦点，S为长轴的椭圆轨迹上；每对超声导波传感器可以确定一个椭圆轨迹，而多对传感器则可以确定多个椭圆轨迹，这些椭圆轨迹的交点，即可确定缺陷的所在位置。
2.如权利要求1所述的用于带接管压力容器损伤定位的传感器阵列优化方法，其特征在于，在步骤S1中，所述筒体的二维网格划分过程为：将所述筒体假想展开成平面矩形结构，随后对该矩形结构进行二维网格划分，划分后的二维网格轴向方向两端对应于筒体与封头连接位置。
3.如权利要求1所述的用于带接管压力容器损伤定位的传感器阵列优化方法，其特征在于，所述筒体其中一端的每个所述超声导波传感器与所述筒体另一端的相应一个超声导波传感器相互映射，两两相互映射的所述超声导波传感器构成多个传感器子集；每个传感器子集中的其中一个超声导波传感器受激励发出超声导波信号，另一个超声导波传感器则用于接收该超声导波信号。
4.如权利要求1所述的用于带接管压力容器损伤定位的传感器阵列优化方法，其特征在于，在步骤S3中，位置更新公式为：xi(t+1)＝xi(t)+vi(t+1)；
速度更新公式为：vi(t+1)＝wvi(t)+C1r1(pi(t)-xi(t))+C2r2(pg(t)-xi(t))；
式中，t为粒子群算法的迭代次数，w为粒子群算法的惯性权重，C1为粒子群算法的历史最优权重系数，C2为粒子群算法的群体最优权重系数，r1及r2为区间[0,1]的随机数，pi为当前迭代次数下粒子的个体最优位置，pg为当前迭代次数下群体最优位置；根据上述公式反复迭代最终获得群体最优解，也即是最优的传感器阵列。
5.如权利要求1～4任一项所述的用于带接管压力容器损伤定位的传感器阵列优化方法，其特征在于，在压力容器在实际工作过程中，筒体所有位置均有可能产生缺陷，因此在步骤S4中，假定压力容器二维网格的所有节点上都可能存在损伤，从而实现传感器阵列对压力容器筒体结构的全覆盖。
6.如权利要求4所述的用于带接管压力容器损伤定位的传感器阵列优化方法，其特征在于，在步骤S5中多次调整w参数，根据速度及位置更新公式迭代粒子群优化算法模型及适应度曲线选取最优权重w。
CN202110004693.1A 2021-01-04 2021-01-04 一种用于带接管压力容器损伤定位的传感器阵列优化方法 Active CN112765845B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110004693.1A CN112765845B (zh) 2021-01-04 2021-01-04 一种用于带接管压力容器损伤定位的传感器阵列优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110004693.1A CN112765845B (zh) 2021-01-04 2021-01-04 一种用于带接管压力容器损伤定位的传感器阵列优化方法

Publications (2)

Publication Number Publication Date
CN112765845A CN112765845A (zh) 2021-05-07
CN112765845B true CN112765845B (zh) 2024-03-05

Family

ID=75699112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110004693.1A Active CN112765845B (zh) 2021-01-04 2021-01-04 一种用于带接管压力容器损伤定位的传感器阵列优化方法

Country Status (1)

Country Link
CN (1) CN112765845B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117686597A (zh) * 2023-11-17 2024-03-12 中国海洋大学 基于加权子空间拟合的超声导波近场多损伤识别定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018072351A1 (zh) * 2016-10-20 2018-04-26 北京工业大学 一种基于粒子群优化算法对支持向量机的优化方法
CN108537320A (zh) * 2018-02-28 2018-09-14 淮阴师范学院 改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用方法
CN111537610A (zh) * 2020-05-15 2020-08-14 华东理工大学 一种用于金属曲板损伤定位的传感器阵列优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018072351A1 (zh) * 2016-10-20 2018-04-26 北京工业大学 一种基于粒子群优化算法对支持向量机的优化方法
CN108537320A (zh) * 2018-02-28 2018-09-14 淮阴师范学院 改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用方法
CN111537610A (zh) * 2020-05-15 2020-08-14 华东理工大学 一种用于金属曲板损伤定位的传感器阵列优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐菁 ; 李壮 ; 刁延松 ; .基于粒子群算法的大跨度空间结构监测系统中应变传感器最优布点研究.建筑钢结构进展.2013,(01),全文. *

Also Published As

Publication number Publication date
CN112765845A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
CN107036770B (zh) 空冷器翅片管束的泄漏检测与定位方法
CN112765845B (zh) 一种用于带接管压力容器损伤定位的传感器阵列优化方法
KR102251819B1 (ko) 특히 현지에서 전기음향 위상망을 사용한 튜브형 제품들의 비파괴 제어를 위한 장치 및 방법
US20160238193A1 (en) Pressure vessel
CN110744543B (zh) 基于ur3机械臂的改进式prm避障运动规划方法
CN208476915U (zh) 一种适用于各种水深范围的智能水质监测仪器
CN107448771A (zh) 一种大容积钛合金高压无缝气瓶以及制作方法
CN105258684A (zh) 基于激光点云为约束的多波束低掠射角波束归位方法
CN103115963A (zh) 电阻焊管焊缝爬波检测方法及其爬波探头
CN106813590A (zh) 外浮顶储罐变形检测方法
CN111141366A (zh) 一种多功能高精度磁致伸缩罐区计量仪
Zhang et al. Hydroforming and buckling of an egg-shaped shell based on a petal-shaped preform
CN110006994B (zh) 一种已建建筑物结构内部多缺陷的无损检测方法
CN104657589A (zh) 一种管壳式换热器多孔介质系数计算方法
CN111331225B (zh) 一种用于锅炉内圆管焊接的焊缝跟踪方法
Tang et al. Buckling performance of ellipsoidal pressure hulls with stepwise wall thicknesses
CN111537610A (zh) 一种用于金属曲板损伤定位的传感器阵列优化方法
CN109799815A (zh) 一种自动探索路径作业方法
CN111380956A (zh) 用于增材制造零件的水浸超声自动化检测系统
CN110824022A (zh) 曲面纵向焊缝相控阵检测角度增益补偿试块及调试方法
CN206514914U (zh) 超声波接点式液位计
CN108267743A (zh) 基于拟合插值的快速迭代水下定位方法
Zhongyi et al. Feature parameter extraction algorithm for the large-scale complex structure tank based on 3D laser scanning volume measurement
CN210221904U (zh) 用于增材制造零件的水浸超声自动化检测系统
CN108490071A (zh) 一种压力容器损伤的在线监测及实时健康诊断方法及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant