JPH0484754A - 材料の健全性評価法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、物体が発する音、物体を伝わる音波物体が出
す光等の周波数解析、及び、スペクトルの形・強度から
ニューラルネットモデルを用いて、物体の状態を推定す
る材料の診断システムに関する。

〔従来の技術〕

従来より構造材料の劣化の検出方法は、音響。

超音波、電位ノイズ等の解析によるものがある。

特開昭６２−１７９６６２号公報で開示されているよう
に、機器に装着したセンサを信号処理装置と表示記録装
置に接続することにより高温下の機器の水素浸食による
割れの発生を自動的・連続的に監視する検出方法と検出
装置がある。これは複数のＡＥセンサを被測定物に装着
し信号処理することにより高温機器の高温下水素浸食に
よる割れの発生と進展を連続的に監視するものである。

特開昭６０−２２８９１２号公報（配管・容器等の腐食
監視方法）に記載されているように、配管や容器等へ入
射する超音波及びその反射波の周波数分布から腐食を監
視して、微小な腐食の検出を可能にするものがある。こ
の方法は、超音波が微小腐食により特定周波数が減少す
ることを利用したものである。また、容器の内部で腐食
が成長した場合、反射波の周波数分布は特定の周波数帯
が減衰させられた状態を示し、且つ、周期的に発生する
。この周期は腐食の長さに対応するため、既知の長さの
腐食に対する周期を測定することにより、腐食の絶対値
の測定が可能となる。

特開昭５２−１５００９０号公報（ＡＥセンサによるき
裂挙動検出装置）に記載されているように、ゾーン選択
機能つきＡＥ位を標定監視装置にプリアンプとＡＥセン
サを介してピンポイント接触型ウェーブガイドを接続す
ることにより被検体の亀裂発生と進展状況を精度良く検
出するものがある。これは、小径の金属棒で形成される
ウェーブガイドの先端の四つの接触点で形成する四辺形
の対角線の交点に予測亀裂部を位置させ、また、ウェー
ブガイドの他端にＡＥセンサを取りつけたものである。

ＡＥセンサからの信号は電気的信号に変換された後、プ
リアンプを通した後、ゾーン選択機能付ＡＥ位置標定監
視装置に接続され、位置標定結果はＣＲＴ管上に表示さ
せ亀裂の挙動を監視・記録させ、発生時期、方向、進展
、速度を容易に求める。

特開昭４７−８４９６号公報音響放射クラック監視装置
に記載されているように、材料の疲労や腐食等の要因で
発生するクラックを外部雑音と区別して検出しクラック
の成長を監視するものがある。

特開昭５７−３７２５６号公報（高温部材のき裂監視方
法）に記載されているように、高温部材表面に一定の長
さをもつ複数個の金属部材を固定し、その金属部材端に
内部を伝播する音波の検出器を接続することにより、き
裂の測定をおこなうものがある。

特開昭５３−２１９８５号公報（腐食等のパラメータ監
視装置）に記載されているように、測定環境内に設けら
れた振動素子の共鳴周波数の変化を検出することにより
、苛酷な環境下の腐食等の監視を複雑な検出装置を用い
ることなく行うものがある。

また、電位ノイズを利用したものについては、「腐食防
食′８８講演習、２２２Ｊｒ同　２２６」「腐食防食′
８９講演習、２３」に記載されているように、電位のノ
イズを周波数解析し、そのパターンと腐食挙動との関連
性について検討している。

ＡＥを利用した応力腐食割れに関しては、「腐食防食″
８７講演習、３５９」に記載されているように、ＡＥ倍
信号周波数解析し、そのパターンと応力腐食割れ挙動と
の関連性について検討している。

〔発明が解決しようとする課題〕

上記従来技術は、ＡＥ倍信号音波（含超音波）の反射波
、材料中の音波の伝播波、電位ノイズ等の変化や周波数
スペクトルから、材料の破損状態。

き裂の進み具合、材料の劣化度等を診断するものである
。しかし、これらの技術を、たとえば、原子力プラント
のポンプや配管系に適用することを考えると、ＡＥ倍信
号利用した場合、亀裂の進展に関する情報の他に配管の
振動、水の流れ等によってもＡＥ倍信号出るため、亀裂
の進展に関する情報のみを得ることは困難となる。また
、材料中の音波の伝播波を利用した場合、材料に腐食や
亀裂の進展とは無関係な付着物等がついた時や水の流れ
の変化、温度の変化によっても材料中の音波の伝播波の
状態は変化するために、亀裂等の検出をすることは困難
となる。これらの解決方法の一つは、特開昭６０−２２
８９１２号公報に記載されているように、周波数分布を
求め特定の周波数の挙動を解析することによって腐食や
亀裂の監視を行う方法がある。しかし、目的とした周波
数域に他の情報が重なることも多く、また、現象によっ
ては、目的とする周波域がブロードになる場合もある。

前者の原因は、一つの現象における信号を周波数解析に
より、周波数分布を求めた場合、ピークが複数の周波数
域に出るためである。そのために、周波数解析を行って
も、それが目的の信号であるかどうかの判断は困難とな
り、どの周波数域を用いるかの判断によっても結果が大
きく左右される。

また、未知の周波数分布のパターンが観測された場合、
既知のパターンの複合で説明できるのか、それとも全く
未知の現象によるものかの判断も困難である。

本発明の目的は、材料の健全性を評価するために、材料
の評価に用いた解析結果から材料の状態を推定・判断し
た結果の精度を向上させることにある。

〔作用〕

スペクトルパターンから、その現象を解析する手法にニ
ューラルネットモデルを用いることにより、物質の状態
を適確に把握することができる。

すなわち、従来人間がスペクトルパターンを見て材料の
状態を判断していたが、その判断にニューラルネットモ
デルを用いることにより、誤情報を提供する確率をかな
り低減することができる。

従って、ニューラルネットモデルを用し）て、データと
現象との相互関係を明確にし高度な材料評価法を確立す
ることができる。

〔課題を解決するための手段〕

ある既知の状態にある物体が持つ物理的、電気化学的信
号、たとえば、ＡＥ倍信号電位ノイズ。

電流ノイズ等の周波数分布、パワースペクトル。

スペクトル強度等を測定する。また、ある既知状態にお
ける物体に外的な要因を加え、物体の状態によって変化
した外的要因をとらえ、その周波数分布パワースペクト
ル、スペクトル強度を測定する。あらかじめ、周波数分
布、パワースペクトル。

スペクトル強度を入力層に、教師信号として物体がおか
れている状態をインプットし、ニューラルネットモデル
を学習させておく。

ある未知状態の中における物体が持つ物理的・電気化学
的信号や、ある未知状態の中における物体に外的な要因
を加え、物体の状態によって変化した外的要因をとらえ
てその周波数分布、パワースペクトル、スペクトル強度
等を入力層にインプットし、学習させておいたニューラ
ルネットモデルを用いることにより物体がおかれている
未知の状態を推定することができる。

〔実施例〕

〈実施例１〉 本発明の実施例を第１図、第２図を用いて説明する、被
測定対称物の壁面もしくはその内部に。

被測定対象物１が発する信号をセンシングするセンサ２
を設置する。受信した信号は電位信号に変換された後に
、シグナルアナライザ３を用いて周波数スペクトルに変
換される。その周波数スペクトルの形２強度９公散等を
入力層として、ニューラルネットモデルを用いて、被測
定対称物が信号を発するその原因、及び、その度合を表
示システムに表示する。ニューラルネットモデルには第
２図に示したシステムを用いた。被測定対称物が発する
信号には、ＡＥ　（アコ−ステイクエミッション）、電
位変動、電流変動（定電位下、たとえば定電位で電気防
食されて金属等を対象にした場合）などがあげられる。

〈実施例２〉 本発明の実施例を第３図を用いて説明する。被測定対称
物の壁面等に、被測定対称物の診断するための信号発信
源６を設置し、その片側に材料中を通過した発信源から
の信号を受信するセンサ７を被測定対称物の壁面等に設
置する。受信した信号は、電位信号に変換された後に、
シグナルアナライザ３を用いて周波数スペクトルに変換
される。

その周波数スペクトルの形９強度９介散等及び発信した
信号の周波数スペクトルの形９強度９介散等を入力層と
して、ニューラルネットモデルを用いて、被測定対称物
の状態を推定し、その結果を表示システムに表示する。

ニューラルネットモデルには第２図に示したシステムを
用いた。発信源として使用する信号は、超音波、光、Ｉ
ａ械的衝撃などがある。また、発信源の信号と受信部の
信号の形態は異なっていても良く、たとえば、入力信号
として分光・変調された光を照射し、散逸する熱エネル
ギを音として受信しても良い。

〈実施例３〉 本発明の実施例を第４図ないし第９図を用いて説明する
６第４図は、本発明を沸騰水型原子力プラントの再循環
ポンプ、及び、その配管系の健全性評価に適用したもの
である。ＡＥセンサ８をたとえば図に示すような配管の
エルボ付近や、再循環ポンプのケーシング部に取り付け
る。ＡＥセンサで検出された信号は、スイッチング装置
９を通してプリアンプ１０で４０ｄＢ〜６０ｄＢ程度増
幅した後にディジタルメモリ１１に記録される。

記録されたＡＥ信号データはディジタルアナライザ３に
より周波数スペクトルに変換される６デイジタルアナラ
イザ３とスイッチング装置９の制御には、制御用コンピ
ュータ１２が用いられる。

ＡＥ倍信号周波数スペクトルはニューラルネットモデル
４を用いて解析され、教師信号としてそのＡＥが発生し
た原因及びその度合が表示システム５に出力され、異常
時には警報が発せられる。本実施例では第２図に示した
ニューラルネットモデルを用いた。各ＡＥの周波数スペ
クトルは、機械時破壊・水素脆性・気泡発生応力腐食割
れ等によって、さまざまな形を持ち、また、その度合に
よってもスペクトルの強度が変化する。従って、あらか
じめ教師信号として（ｍｙ　ｎ）なる情報及び入力層と
してその時のＡＥ周波数スペクトルをインプットして学
習させておくａｍはＡＥの発生となった原因を、ｎは破
損の度合、たとえば、応力腐食割れならクラック長さを
示している。破損に無関係な場合は、たとえば、ポンプ
振動なら、ポンプの回転数などを示す、複数の原因が同
時に生じた場合についても同様に（ｍｘ、　ｎ　１）　
傘（ｍａｙｎ２）なる情報をインプットしておき学習さ
せておく、ここで（）＊（）はそれぞれの固有の現象の
重ね合わせを意味する。再循環系に本発明を適用した場
合、教師信号は、機械的破壊、水素脆性、気泡、ポンプ
の正常振動、ポンプの異常振動。

応力腐食割れ、流体の流れ、ウォータハンマ、デインテ
ィングで代表されるパラメータに関するものを考慮した
。

第５図は、あらかじめ上記の学習をさせておいたニュー
ラルネットモデルの入力層に入力したＡＥ倍信号周波数
分布（図の下側）及び教師信号としての出力（図の上側
）を示したものである。

これにより、ポンプに機械的破壊が生じており、ポンプ
が異常な振動をおこしているのがわかる。

〈実施例４〉 第６図は、本発明を沸騰水型原子力プラントの復水器の
材料評価に適用したものである。復水器の配管内に復水
器と同一の材料を試験片１３として設置する。試験片１
３の電位は、試験片のと（近傍に設置された参照電極１
４の電位を基準にエレクトロメータ１５で測定される。

材料の表面に大きな変化がない場合、電位は一定である
が孔食。

亀裂の発生に伴い電位にスパイク状のノイズが生じる。

そのスパイク状のノイズの解析はローノイズアンプ１６
及びフィルタ１７を通した後、ディジタルアナライザ３
で周波数スペクトルに変換される。電位ノイズに基づく
周波数スペクトル、及び、ノイズパワーは、ニューラル
ネットモデル４を用いて解析され、教師信号として電位
ノイズが発生した原因が表示システム５に表示される。

本実施例では第２図に示したニューラルネットモデルを
用いた。

〈実施例５〉 第７図は第６図と同様に本発明を沸騰水型原子力プラン
トの復水器の材料評価に適用したものである。特に、本
実施例は、電気腐食されている系などに有効な手段とな
る。ポテンシオスタット１９を用いて試験片をある電位
に設定する。試験片１３には、配管材料と同一のものを
用い、試験片１３と対極１８の間に流れる電流をポテン
シオスタット１９で測定する６電位の場合と同様に。

電流に関しても試験片の表面状態の変化に伴い、それぞ
れの現象に応じて特有のノイズが観測される。電流ノイ
ズの解析は、ポテンシオスタット１９からの電流値のア
ナログ出力をディジタルマルチメータによりＡ／Ｄ変換
され、ディジタルアナライザで周波数応答に変換される
。また、その結果を用いてコンピュータによって、各周
波数ごとのある一定時間内におけるスペクトル強度の平
均値及び平均値からの分散（確率分布で表わしたもの）
が求められる。

ある時間ｍ１における電流ノイズのスペクトル強度の周
波数分散のパターンｎ１．ある時間内（ｍｓ−ｍｚ）に
おけるある周波数ｆｔ（ｉ＝１．２・・・）での平均ス
ペクトル強度ｎ２及びある周波数ｆｔ（ｉ＝１．２・・
・）でのスペクトル強度の平均値からの分散を確率分布
で表わしたパターンｎ８を入力層として、ニューラルネ
ットモデルを用いて解析する。教師信号としては、電流
ノイズが発生した原因が表示システムに出力される。

たとえば、０．０１Ｍ硫酸中にＳＵＳ　３１６を浸漬し
、その電位を＋４００ｍＶ　（ｖｓ、Ａｇ／ＡｇＣＱ）
に設定する。第６図に示したシステムを用いて、電位設
定後３〜４時間、１８〜１９時間、６０〜６１時間につ
いての０．０２５Ｈｚ　　におけるスペクトル強度の平
均値を算出し、平均値からの分散を確率分布で表わすと
５ＵＳ３０４が不働態化するにつれて、分散及びスペク
トル強度が小さくなっていく、この系にＣＱ″″（０，
１ＭＣＱ−になるように調整）を添加した場合のスペク
トル強度の平均値及び平均値からの分散を確率分布で表
わすと孔食が進むにつれて、スペクトルの平均強度は大
きくなり、また、分散も大きくなる。応力腐食割れが発
生した場合にも、固有のスペクトル強度の平均値及び平
均値からの分散を確率分布で表わしたパターンを持つ、
従って、あらかじめ、教師信号として、電流ノイズを発
生させた原因をインプットし、入力信号として（ｍｚ。

ｎＬ）　　（ｍｓ−ｍｚ、　ｆｌｔ　ｎｘ＞及び（ｍ３
−ｍｚ。

ｆｌ、　ｎｓ）をインプットし第２図に示すニューラル
ネットモデルを用いて学習させておく。

第８図は、あらかじめ上記の学習をさせておいたニュー
ラルネットモデルの入力した、時間ｍ１及びｍｚにおけ
る電流ノイズの周波数分布９時間ｍ１とｍｚとの間にお
ける周波数０　、０２　Ｈｚ　でのスペクトルの平均強
度、時間ｍｌとｍ２間における周波数０　、０２　Ｈｚ
　　におけるスペクトル強度の平均値からの分散を確率
分布で表わしたパターン及び教師信号としての出力を示
したものである。

孔食初期は一般に発生と死滅とが繰り返しておこる。出
力として孔食発生と死滅との両方の信号が検出されてい
るが、発生確率の方が死滅確率よりも大きく、今後孔食
が発達していくことが推定される。

復水器系では、海水リークによりＣＱ−イオンが混入し
、それにより孔食が起こることが考えられる。従って、
孔食の発達は海水リークをも意味する。

〔発明の効果〕

本発明によれば、ニューラルネットモデルを用いて入力
信号をパターン認識し、そのパターン発生の原因を出力
することができるので、従来から人間が行っていた原因
推定にかわって、より精度のよい原因推定を行うことが
できる。また、同じパターンの入力信号でも、パターン
発生の原因が上昇過程にあるのか下降過程にあるのか判
断することはできない、しかし、ある一定時間を隔てた
二種類の入力信号及びその二種類の入力信号の平均情報
を入力信号として、学習させたニューラルネットモデル
を用いることにより、パターン発生の原因が上昇過程に
あるのか下降過程にあるのかも推定することができる。

従って、本発明のシステムを、構造材料の健全性評価や
、ポンプ、エンジン等の回転部等における振動の解析、
材料がおかれている環境の評価等に応用することができ
る。

【図面の簡単な説明】

第１図はニューラルネットモデルを用いた材料の健全性
評価法に関する本発明の一実施例のブロック図、第２図
は本発明に用いたニューラルネットモデルのブロック図
、第３図はニューラルネットモデルを用いた材料の健全
性評価法に関する本発明の他の実施例のブロック図、第
４図は本発明を原子力プラントの再循環ポンプ及びその
周辺の配管の健全性評価に適用した例を示す斜視図、第
５図は第４図に示したシステムで測定されたニューラル
ネットモデルに関する入力信号及び出力信号の説明図、
第６図および第７図は本発明を原子力プラントの復水器
系配管の健全性評価に適用した例の説明図、第８図は第
７図に示したシステムで測定されたニューラルネットモ
デルに関する入力信号及び出力信号の説明図である。 １・・・測定対称物、２・・・センサ及び電位信号変換
器、３・・・シグナルアナライザ、４・・・ニューラル
ネットモデル、５・・・表示システム、６・・・発信源
、７・・・受信部及び電位信号変換器、８・・・ＡＥセ
ンサ、９・・・スイッチング装置、１０・・・プリアン
プ、１１・・・ディジタルメモリ、１２・・・制御用コ
ンピュータ、１３・・・試験片、１４・・・参照電極、
１５・・・エレクトロメータ、１６・・・ローノイズア
ンプ、１７・・・フィルタ、１８・・・対極、１９・・
・ポテンシオスタット、２０・・・ディジタルマルチメ
ータ。 率１図 ５−−１１敢ン入テム 入力層 躬２図 堂悟岬艮ａ°電伍侶号栗撲得 范 口 （ＯＬ） （ｂ） 第６図 円 一一フイ１しフ ＊′Ｖ 凹

Claims (1)

1. 【特許請求の範囲】 １、物体に関するＡＥ信号、電位ノイズ、電流ノイズ、
   音波、電磁波、又は、光による物理、もしくは、電気化
   学信号の周波数分布をニューラルネットモデルにより学
   習させ、前記学習結果に基づいて前記物体の健全性を判
   定することを特徴とする材料の健全性評価法。 ２、ある未知の状態の物体に光、振動、音波、電位、電
   流で代表される外的要因を加えることにより、物体に生
   じた電位ノイズ、電流ノイズ、音波、電磁波、衝撃波、
   光で代表される電気化学、物理信号または変化した外的
   要因のある時間における周波数分布、パワースペクトル
   、スペクトル強度で代表される少なくとも一つの応答を
   入力信号またはパターンとして入力し、ニューラルネッ
   トモデルにより学習させ、前記学習結果に基づいて前記
   物体の健全性を判定することを特徴とする材料の健全性
   評価法。 ３、請求項１または２において、前記ニューラルネット
   モデルにおける出力と入力との因果関係を入力データと
   の結合度の強さで表示する材料の健全性評価法。 ４、測定対象部に、試料極、参照極、対極を設置し、前
   記試料極をある一定電位に制御した状態で前記試料極と
   前記対極との間に流れる電流に見られるある一定期間の
   電流ノイズの周波数分布、さらにある周波数におけるそ
   の期間のスペクトル強度の平均値及び平均値からの分散
   を確率分布で表わしたスペクトルを入力層に入力し、ニ
   ューラルネットモデルにより学習させ、前記学習結果に
   基づいて前記測定対象部の不働態孔食、応力腐食割れで
   代表される腐食損傷は有無を推定、判断し、それを表示
   することを特徴とする材料の健全性評価法。 ５、測定対称部にＡＥセンサを取りつけ、前記ＡＥセン
   サから発せられるＡＥ信号の周波数分布、スペクトル強
   度で代表される信号、パターンを入力し、ニューラルネ
   ットモデルにより学習させ、前記学習結果に基づいて前
   記ＡＥ信号を発することになつた原因を推定・判断し、
   それを表示することを特徴とする材料の健全性評価法。 ６、請求項１、２または３において、任意の複数の時間
   点または時間区間で測定された前記入力信号、または、
   前記パターンを入力し、前記ニューラルネットモデルを
   用いて前記未知の状態を推定・判断するとともに、複数
   の時間点または時間区間における出力データの入力デー
   タとの結合度の強さの変化によつて未知の状態の進行度
   合を推定・判断する健全性評価法。 ７、請求項１、２、３、４、５または６の材料の健全性
   評価システムのうちの一つ以上を備えた原子力プラント
   、火力プラント、化学プラントまたは海洋プラントで代
   表されるプラント及び構造物。