TW201908699A - 結構件的劣化偵測方法 - Google Patents

Abstract

一種結構件的劣化偵測方法，包含以設置於結構件的感測器偵測結構件的時域振動波形。接著，以電性連接感測器的處理器對時域振動波形執行時頻域轉換以取得結構件的頻域振動波形的多個模態的實際模態參數。接著，分別將該些模態的實際模態參數與資料庫中的模態參數資料比對，以判斷結構件是否存在劣化缺陷。在結構件存在劣化缺陷時，更判斷劣化缺陷的程度與位置。其中模態參數資料包含結構件分別在多個位置具有不同程度之劣化缺陷的多組對照模態參數。

Description

結構件的劣化偵測方法

本發明係關於一種結構件的劣化偵測方法，特別是一種應用自然頻率及其振幅分析的結構件的劣化偵測方法。

近年來，國內工業管線相關事故頻傳， 當工業管線因異常而發生洩漏時，通常會導致重大災害，例如人員傷亡及財產損失。工業管線之異常原因最主要來自人為因素，其次則是管路/設備的材料劣化。為了避免此類災害的發生，對工業管線進行全時監測乃是當務之急。雖然各國廠商對此已開發一種監測系統，然而其概念係基於監控製程參數、分析運轉狀態與性能表現，仍缺乏劣化偵測功能。換言之，該類監測系統只能在管路損壞而洩漏時才能察覺，並無法滿足工廠安全營運與降低風險之需求。

目前工業管線安全監控的主要技術缺點歸納如下：其一是現場所建置的環境或製程參數感測器多係用於製程監控以調節生產流程，其缺少適當的邏輯判斷分析之安全診斷模組。其二、缺少可遠距感知劣化之監測技術，常用之非破壞檢測技術只適用於感測器所在之局部管線位置，且該類之偵測技術只能在管線破裂流體逸出時才能感知，並無法在劣化發生時提前發出預警訊號。其三、工業廠區運轉環境隨著系統、結構及組件而有所不同，感測器必須具有克服高溫/高濕環境與長期監測的耐久性需求。換言之，受到既有管線檢測方法及技術的限制，管線的損壞或劣化難以即時地被察覺，因而喪失即時維修與應變的良好時機。因此，於工業安全的領域中，需要開發診斷監測相關技術，以建立完整之管線安全監控體系。

本發明旨在提供一種結構件的劣化偵測方法，利用時域及頻域訊號的分析，搭配預先建置的資料庫的比對，以偵測結構件的劣化缺陷的位置與程度，以達到即時監控與告警的目的。

依據本發明揭露一種結構件的劣化偵測方法，其包含以下步驟：以設置於結構件的感測器偵測結構件的時域振動波形；以電性連接感測器的處理器對時域振動波形執行時頻域轉換，以取得結構件的頻域振動波形的多個模態的實際模態參數；分別將該些模態的實際模態參數與資料庫中的模態參數資料比對，以判斷結構件是否存在劣化缺陷；在結構件存在劣化缺陷時，更判斷劣化缺陷的程度與位置；其中模態參數資料包含結構件分別在多個位置具有不同程度之劣化缺陷的多組對照模態參數。

綜上所述，本發明所提出的結構件的劣化偵測方法，主要係利用感測器取得結構件的時域資料，再利用處理器進行時域/頻域資料的分析，並搭配存於資料庫中的結構件之相關劣化資訊進行比對，進而獲得結構件劣化缺陷的位置與程度。藉此，可以使相關人員可監控結構件的狀態，進而當結構件發生劣化時，可預先獲知劣化警訊，得以及時地進行必要的維護措施，從而降低結構件劣化所導致的工安意外的機會。

以上之關於本揭露內容之說明及以下之實施方式之說明係用以示範與解釋本發明之精神與原理，並且提供本發明之專利申請範圍更進一步之解釋。

以下在實施方式中詳細敘述本發明之詳細特徵以及優點，其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施，且根據本說明書所揭露之內容、申請專利範圍及圖式，任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。以下之實施例係進一步詳細說明本發明之觀點，但非以任何觀點限制本發明之範疇。

請一併參照圖1與圖2，圖1係依據本發明之一實施例所繪示的結構件與結構件的劣化偵測系統，而圖2係依據本發明之一實施例所繪示的結構件的劣化偵測方法。如圖所示，所述的劣化偵測系統1包含感測器12、處理器14及資料庫16。在本發明的結構件的劣化偵測系統與方法中，首先，需於待檢測的結構件10上設置感測器12，而感測器12電性連接處理器14，而處理器14連接預先建置的資料庫16，以完成劣化偵測系統1的建構。接著，透過使結構件10產生震動，以使設置於結構件10的感測器12偵測結構件10的時域振動波形，如步驟S201所示。本發明所述的結構件10係以管線來作為舉例說明，然而結構件10可以係為桶槽等其他工業常用的設備，本發明不以管線為限。於實務上，於以設置於結構件10的感測器12偵測結構件10的時域振動波形的步驟前，結構件10的劣化偵測方法更包含以激振源或流經結構件10的流體來使結構件10產生所述的時域振動波形。換言之，於實際的操作上，可以透過激振源發送訊號至結構件10使其產生震動，亦可以利用流體通過結構件10而使其產生震動。

請進一步參照圖3及圖4，圖3係依據本發明之一實施例所繪示的感測器所偵測到之結構件的時域振動波形示意圖，而圖4係依據本發明之一實施例所繪示的感測器所偵測到之結構件的頻域振動波形示意圖。如圖3所示，當結構件10產生振動時，感測器12會偵測到結構件10的時域振動波形，如圖3所示。感測器12會進一步地將該時域振動波形傳送至處理器14。接著，於步驟S203中，處理器14對該時域振動波形執行時頻域轉換，以取得結構件10的頻域振動波形的多個模態的實際模態參數。如圖4所示，頻域振動波形包含多個模態M1~M5。於實務上，處理器14所執行的時頻域轉換的方式可以係為快速傅立葉轉換(Fast Fourier Transform, FFT)、希爾伯特-黃轉換(Hilbert-Huang Transform, HHT)或小波分析(Wavelet Analysis)等。

接著，於步驟S205中，處理器14分別將模態M1~M5的實際模態參數與資料庫16中的模態參數資料比對，以判斷結構件10是否存在劣化缺陷，例如劣化缺陷Def。當處理器14判斷結構件10存在劣化缺陷時，則於步驟S207中，處理器14進一步地判斷所述的劣化缺陷的程度與位置。於此實施例中，模態參數資料包含結構件10分別在多個位置具有不同程度之劣化缺陷的多組對照模態參數。

請一併參照圖1、圖4及圖5。圖5依據本發明之一實施例所繪示的資料庫16內的多組對照模態參數的波形圖。於此實施例中，每個模態的實際模態參數包含一特性頻率(或稱為自然頻率)的振幅值，且每一組對照模態參數對應多個第一劣化曲線。如圖4與圖5所示，模態M1~M5的實際模態參數各別包含特性頻率f1~f5，而對照模態參數MA1~MA5各別對應不同的多個第一劣化曲線，其中每個第一劣化曲線對應於具有劣化程度值且位於結構件10的一位置的擬定劣化缺陷位。步驟S207所述的處理器14判斷劣化缺陷的程度與位置係包含將該些特性頻率的振幅值分別與每一組對照模態參數的該些第一劣化曲線比對，從而判斷劣化缺陷的程度與位置。具體來說，當處理器14取得結構件10的一個模態的實際模態參數時，便可以得知實際模態參數所包含一個特性頻率的振幅值，例如圖4的模態M1的實際模態參數包含特性頻率f1的振幅值V1、模態M2的實際模態參數包含特性頻率f2的振幅值V2等。於此實施例中，所述的對照模態參數MA1~MA5係個別對應於結構件10的模態M1~M5。

以模態M1來舉例說明，當處理器14取得模態M1之特性頻率f1的振幅值V1時，便可以依據該振幅值V1及感測器12於結構件10上所設置的位置，於圖5所示的資料庫16內的多組對照模態參數中的對照模態參數MA1所包含的多個第一劣化曲線中找出對應的一個第一劣化曲線，而該第一劣化曲線所對應之擬定劣化缺陷位所具有之劣化程度值且位於結構件的一位置便係為結構件10的劣化缺陷的程度及位置。由於感測器12於結構件10上所設置的位置可能恰好使處理器14無法明確比對出振幅值所對應的第一劣化曲線，而導致無法查找出劣化缺陷的程度及位置，故以實務的操作來說，應用越多的結構件10的模態於圖5中進行查找，可以避免上述問題且可以越精準地比對出結構件10的劣化缺陷的程度及位置。

由於劣化偵測系統1透過上述圖5所示的同一特性頻率下的振幅值來偵測結構件10的劣化缺陷的程度與位置時，可能受限於感測器12於結構件10上的設置位置的因素，而無法利用振幅值比對出結構件10的第一劣化曲線，以致於無法判斷結構件10的劣化缺陷的程度及位置。舉例來說，如圖5所示，當感測器12係設置於節點干擾區DA時，感測器12可能因振幅值落於一對照模態參數的多個第一劣化曲線之同一節點上。此時，感測器12並無法判斷結構件10的劣化缺陷的程度及位置係對應於多個第一劣化曲線之中的哪一個。有鑑於此，於一實施例中，在以設置於結構件10的感測器12偵測結構件10的時域振動波形之前包含依據資料庫16的每一組對照模態參數所對應特性頻率的大小，以決定感測器12於結構件10上所設置的位置。以圖1與圖5的實施例來說，處理器14依據預先建置的資料庫16的對照模態參數之特性頻率，來預估較佳的感測器12設置位置。於一較佳的實施例中，感測器12的設置位置與結構件的一端具有一距離，所述距離小於或等於具有最大值的特性頻率所對應的波長的1/2長度。因此，以圖5的實施例來說，於多個對照模態參數MA1~MA5之特性頻率當中以對照模態參數MA5的特性頻率為最大值。此時，處理器14依據照模態參數MA5之最大值的特性頻率所對應的波長的1/2長度，而判斷感測器12之理想的設置位置係為量測區TA。換言之，相關工程人員可依據處理器14的判斷結果，將感測器12設置於與待測之結構件10的兩端相距波長的1/2長度的位置。如此一來，可以避免感測器12設置的位置落於結構件10的節點干擾區DA，而導致處理器14無法取得結構件10的劣化缺陷的程度及位置。

前述圖5的實施例主要係應用在同一特性頻率下的振幅值來比對出結構件10的劣化缺陷的程度及位置。而於另一實施例中，可應用特性頻率的變化來比對出結構件10的劣化缺陷的程度及位置。請一併參照圖1、圖4及圖6。圖6依據本發明之另一實施例所繪示的資料庫16內的多組對照模態參數的波形圖。於此實施例中，結構件10的每個模態的實際模態參數包含一個特性頻率，例如頻率f1與f2，而每組對照模態參數MF1及MF2包含多個第二劣化曲線，例如第二劣化曲線P1~P16及Q1~Q16，如圖6所示。請進一步參照圖7，圖7依據本發明之另一實施例所繪示的結構件的劣化偵測方法的方法流程圖。圖7與圖2大致相同，惟差異在於圖7的步驟S207所述的處理器判斷劣化缺陷的程度與位置的步驟包含步驟S2071與S2072。於步驟S2071中，處理器14依據些模態的該些特性頻率與該些組對照模態參數所包含的該些第二劣化曲線，分別取得至少二組劣化預估參數。接著，於步驟S2072中，處理器14依據所述至少二組劣化預估參數判斷劣化缺陷的程度與位置。

以圖6的實施例來說明，圖6示出兩組不同的對照模態參數MF1與MF2，其中對照模態參數MF1包含多個第二劣化曲線P1~P16，而對照模態參數MF2包含多個第二劣化曲線Q1~Q16。每個第二劣化曲線代表不同缺陷長度及位置在不同頻率下的劣化程度。舉例來說，第二劣化曲線Q1可代表在不同頻率下，當結構件的缺陷長度為50 mm且位於1/8管長位置時，結構件10所具有的劣化程度。以另一個例子來說，第二劣化曲線Q7可代表在不同頻率下，當結構件的缺陷長度為150 mm且位於2/8管長位置時，結構件10所具有的劣化程度。

於此實施例中，假設處理器14所取得之結構件10的模態M1與M2分別對應於資料庫16中的對照模態參數MF1與MF2，且模態M1與M2的實際模態參數分別包含特性頻率f1與f2。處理器14先依據特性頻率f1於圖6所示之資料庫16中的對照模態參數MF1所包含的多個第二劣化曲線P1~P16進行比對，以查找出結構件10可能的劣化缺陷的位置與程度。如圖6所示，處理器14於對照模態參數MF1中所得到之一組劣化預估參數包含有劣化預估參數DP1~DP8。相同地，處理器14於對照模態參數MF2中所得到之一組劣化預估參數包含有劣化預估參數DQ1~DQ3。處理器14可依據劣化預估參數DP1~DP8以及劣化預估參數DQ1~DQ3來判斷結構件10可能的劣化缺陷的位置與程度。

更具體來說，於一實施例中，處理器14依據該二組劣化預估參數判斷該劣化缺陷的程度與位置包含將該至少二組劣化預估參數進行比對，以過濾出至少一重複的劣化預估參數，該至少一重複的劣化預估參數係關聯於該劣化缺陷的程度與位置。以此實施例來說，處理器14將劣化預估參數DP1~DP8以及劣化預估參數DQ1~DQ3進行比對，進而過濾出重複的劣化預估參數，也就是劣化預估參數DQ1~DQ3。此時，處理器14便可以得知結構件10的劣化缺陷的程度與位置係為該些劣化預估參數DQ1~DQ3之一所對應的劣化缺陷的程度及位置。

於實務上，若是要更精準地確認結構件10的劣化缺陷的程度與位置，處理器14可進一步地比對另一模態的實際模態參數所包之含特性頻率及另一組對照模態參數所包含的多個第二劣化曲線，以獲取另一組劣化預估參數。接著，處理器14再將該另一組劣化預估參數與前述兩組劣化預估參數進行比對，擷取出所述的三組劣化預估參數的重複部分，則可得知結構件10的更精準的劣化缺陷的程度與位置。換言之，處理器14藉由偵測取得越多的模態的特性頻率，則可越準確地判斷結構件10的劣化缺陷的程度與位置，而所述的對照模態參數MF1及MF2可以係於不同時間點所獲得，例如於一時點獲得對照模態參數MF1，而於另一時點獲得對照模態參數MF2。本發明之圖5與圖6的實施例主要係以頻率(或其振幅)的變化量來即時判斷結構件10的薄化程度與定位之技術。換言之，本發明之精神在於利用結構件所具有之自然頻率之物理特性，當結構件發生薄化時，結構件的局部剛性與質量改變而造成整體結構件本身的自然頻率產生變化，進而判斷劣化缺陷的程度與位置。如此一來，可以在不損害結構件的前提下，發展出一套結構件之劣化監測技術，以確保產業界所使用之結構件之運轉安全，例如重要管路或槽桶等，且可避免人員暴露於高風險的工作環境。

本發明所提出的結構件的劣化偵測系統與方法所使用之原理係可以應用於各種不同形態的結構件。舉例來說，請一併參照圖8~11，其分別繪示不同形態之結構件的立體視圖。如圖8~11所示，可以應用的結構件之形態分別係為實心圓柱形態、彎管形態、方管形態及工字形截面形態。以圖8的實心圓柱形態來說，假設結構件的管長為L，則於結構件的1/4L及1/2L的不同模態M1~M5下的缺陷程度(%管厚)與特性頻率(Hz)之變化如下表一與表二所示。 表一 表二

以圖9的彎管形態來說，若結構件的管長為L，則於結構件的1/4L及1/2L的不同模態下的缺陷程度與特性頻率之變化如下表三與表四所示。 表三 表四

以圖10的方管形態來說，若結構件的管長為L，則於結構件的1/4L及1/2L的不同模態下的缺陷程度與特性頻率之變化如下表五與表六所示。 表五 表六

以圖11的工字形截面形態來說，若結構件的管長為L，則於結構件的1/4L及1/2L的不同模態下的缺陷程度與特性頻率之變化如下表七與表八所示 表七 表八

於一實施例中，每個模態的模態參數包含一特性頻率，所述的特性頻率具有於第一方向上的頻率及於第二方向上的頻率。本發明的結構件的劣化偵測方法更包含依據所述的第一方向上的頻率與第二方向上的頻率，以判斷劣化缺陷的形式。具體來說，於此實施例中，本發明的感測器12可以係為三軸加速規，用於偵測到不同方向的頻率，例如X軸方向上的頻率與Y軸方向上的頻率。接著，處理器14依據X軸方向上的頻率與Y軸方向上的頻率之變化量來判斷結構件10的劣化缺陷的形式，所述之劣化缺陷的形式可例如是均勻缺陷或是局部缺陷。更詳細來說，於一實施例中，處理器14依據該第一方向上的頻率與該第二方向上的頻率以判斷劣化缺陷的形式的步驟包含判斷第一方向的頻率與第二方向的頻率變化量是否一致。當第一方向的頻率與第二方向的頻率係為一致時，則處理器14判斷劣化缺陷的形式係為均勻缺陷。反之，當第一方向的頻率與第二方向的頻率不為一致時，則處理器14判斷該劣化缺陷的形式係為局部缺陷。

於一實施例中，資料庫16係為一局部缺陷子資料庫或一均勻缺陷子資料庫，結構件的劣化偵測方法更包含處理器14依據劣化缺陷的形式，以決定資料庫16係為局部缺陷子資料庫或均勻缺陷子資料庫。更詳細來說，在一個實際的例子中，本發明的結構件的劣化偵測方法係使處理器14先依據第一方向上的頻率及於第二方向上的頻率判斷結構件10的劣化缺陷之形式。當確認結構件10的劣化缺陷係為局部缺陷時，則資料庫16係為局部缺陷子資料庫。反之，當確認結構件10的劣化缺陷係為均勻缺陷時，則資料庫16係為均勻缺陷子資料庫。接著，處理器14才依據局部缺陷子資料庫或是均勻缺陷子資料庫之一，進行圖5或圖6的劣化缺陷的程度與位置的偵測程序。更具體來說，本發明的結構件的劣化偵測方法優先確認劣化缺陷之形式，再利用圖5及/或圖6所示的方式進行劣化缺陷的程度與位置之確認，以提升劣化缺陷的程度與位置之判斷的準確度。於實務上，本發明所提供的劣化偵測系統及方法可與其他可攜式裝置，例如平板電腦、智慧型手機、筆記型電腦等結合，以提供即時的監控與預先告警的資訊。

綜合以上所述，本發明所提供的劣化偵測系統及方法係以感測器量測資訊，經由時域及頻域訊號分析，且配合使用關聯於結構件之劣化缺陷的資料庫，進而提供即時的監控與預先告警的資訊以達到解決結構件(例如工業管線/槽桶)意外事故之發生。本發明所提供的劣化偵測系統及方法更可結合跨裝置的無線傳輸技術，以建構工業安全監控平台，提供高效能且安全的遠端監控服務。

雖然本發明以前述之實施例揭露如上，然其並非用以限定本發明。在不脫離本發明之精神和範圍內，所為之更動與潤飾，均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。

1‧‧‧劣化偵測系統

10‧‧‧結構件

12‧‧‧感測器

14‧‧‧處理器

16‧‧‧資料庫

Def‧‧‧劣化缺陷

M1~M5‧‧‧模態

f1~f5‧‧‧特性頻率

V1~V5‧‧‧振幅值

DP1~DP8、DQ1~DQ3‧‧‧劣化預估參數

MF1、MF2、MA1~MA5‧‧‧對照模態參數

P1~P16、Q1~Q16‧‧‧第二劣化曲線

DA‧‧‧節點干擾區

TA‧‧‧量測區

圖1係依據本發明之一實施例所繪示的結構件與結構件的劣化偵測系統的示意圖。 圖2係依據本發明之一實施例所繪示的結構件的劣化偵測方法的方法流程圖。 圖3係依據本發明之一實施例所繪示的感測器所偵測到之結構件的時域振動波形示意圖。 圖4係依據本發明之一實施例所繪示的感測器所偵測到之結構件的頻域振動波形示意圖。 圖5依據本發明之一實施例所繪示的資料庫內的多組對照模態參數的波形圖。 圖6依據本發明之另一實施例所繪示的資料庫內的多組對照模態參數的波形圖。 圖7依據本發明之另一實施例所繪示的結構件的劣化偵測方法的方法流程圖。 圖8~11係分別繪示不同形態之結構件的立體視圖。

Claims (10)

1. 一種結構件的劣化偵測方法，包含：以設置於一結構件的一感測器偵測該結構件的一時域振動波形；以電性連接該感測器的一處理器對該時域振動波形執行時頻域轉換以取得該結構件的一頻域振動波形的多個模態的實際模態參數； 分別將該些模態的實際模態參數與一資料庫中的一模態參數資料比對，以判斷該結構件是否存在一劣化缺陷；以及在判斷該結構件存在該劣化缺陷時，更判斷該劣化缺陷的程度與位置；其中該模態參數資料包含該結構件分別在多個位置具有不同程度之劣化缺陷的多組對照模態參數。
2. 如請求項1所述的結構件的劣化偵測方法，其中每一該模態的實際模態參數包含一特性頻率的振幅值，且每一組對照模態參數對應多個第一劣化曲線，判斷該劣化缺陷的程度與位置係包含將該些特性頻率的振幅值分別與每一組對照模態參數的該些第一劣化曲線比對，據以判斷該劣化缺陷的程度與位置；其中，每一該第一劣化曲線對應於具有一劣化程度值且位於該結構件的一位置的一擬定劣化缺陷位。
3. 如請求項1所述的結構件的劣化偵測方法，其中每一該模態的實際模態參數包含一特性頻率，每一組對照模態參數包含多個第二劣化曲線，判斷該劣化缺陷的程度與位置係包含：依據該些模態的該些特性頻率與該些組對照模態參數所包含的該些第二劣化曲線，分別取得至少二組劣化預估參數；以及依據該至少二組劣化預估參數判斷該劣化缺陷的程度與位置。
4. 如請求項3所述的結構件的劣化偵測方法，其中依據該至少二組劣化預估參數判斷該劣化缺陷的程度與位置係包含將該至少二組劣化預估參數進行比對，以過濾出至少一重複的劣化預估參數，該至少一重複的劣化預估參數係關聯於該劣化缺陷的程度與位置。
5. 如請求項1所述的結構件的劣化偵測方法，其中在以設置於該結構件的該感測器偵測該結構件的時域振動波形之前包含：依據該資料庫的每一組對照模態參數所對應一特性頻率的大小，以決定該感測器於該結構件上所設置的位置。
6. 如請求項5所述的結構件的劣化偵測方法，其中該感測器的設置位置與該結構件的一端具有一距離，該距離小於或等於具有最大值的特性頻率所對應的波長的1/2長度。
7. 如請求項1所述的結構件的劣化偵測方法，其中每一該模態的實際模態參數包含一特性頻率，該特性頻率具有於一第一方向上的頻率及於一第二方向上的頻率，該結構件的劣化偵測方法更包含依據該第一方向上的頻率與該第二方向上的頻率，以判斷該劣化缺陷的形式。
8. 如請求項7所述的結構件的劣化偵測方法，其中依據該第一方向上的頻率與該第二方向上的頻率，以判斷該劣化缺陷的形式的步驟包含：判斷該第一方向的頻率與該第二方向的頻率是否一致；當該第一方向的頻率與該第二方向的頻率係為一致時，則判斷該劣化缺陷的形式係為均勻缺陷；以及當該第一方向的頻率與該第二方向的頻率不為一致時，則判斷該劣化缺陷的形式係為局部缺陷。
9. 如請求項7所述的結構件的劣化偵測方法，其中該資料庫可以係為一局部缺陷子資料庫或一均勻缺陷子資料庫，該結構件的劣化偵測方法更包含依據該劣化缺陷的形式，以決定該資料庫係為該局部缺陷子資料庫或該均勻缺陷子資料庫。
10. 如請求項1所述的結構件的劣化偵測方法，其中於以設置於該結構件的該感測器偵測該結構件的時域振動波形的步驟前，該結構件的劣化偵測方法更包含以一激振源或流經該結構件的流體使該結構件產生該時域振動波形。