Znalostní přístupy v diagnostických systémech akustické emise

Znalostní přístupy v diagnostických systémech akustické emise

Článek se zabývá možnostmi využití akustické emise v technické diagnostice. Tato metoda je používána ve vysoce rizikových provozech pro monitorování úniků z potrubí a pro detekci vznikajících trhlin v pláštích tlakových nádob. Při vyhodnocování změřených údajů lze s úspěchem použít přístupy umělé inteligence, především expertní systémy a metody rozpoznávání.

Akustická emise je název fyzikálního jevu a metody nedestruktivní diagnostiky, která je na tomto jevu založena. Metoda umožňuje detekovat vznik a růst trhlin, úniky z potrubí, vzájemné tření částí konstrukcí a další dynamické procesy. Všechny tyto procesy způsobují akumulaci energie v určitých lokalitách a poté její uvolnění. Uvolněná energie se transformuje na napěťovou vlnu, která se šíří materiálem a při dosažení povrchu materiálu se projevuje jako mód vlnění, který odpovídá geometrické konfiguraci a rozměrům objektu. Složka vlnění kolmá k povrchu materiálu může být detekována snímačem akustické emise. Jednorázový dynamický proces, v důsledku kterého se rychle uvolní určité množství energie, se nazývá emisní událost a lokální proces, který emisní události produkuje, se nazývá emisní zdroj. Doba trvání jednotlivých emisních událostí se pohybuje již od několika nanosekund a jejich frekvenční spektrum se rozkládá od infrazvukových do ultrazvukových frekvencí.

Z chování akustické emise vyplývá jedna obecná vlastnost, která je nezávislá na materiálu a na fyzice degradačních jevů. Je to vysoká citlivost k přechodovým lokálním nestabilitám. Tyto nestability vznikají v materiálu mnohem dříve, než se celá konstrukce stane nestabilní. Jelikož v mnoha případech jsou tyto lokální nestability příčinou poruch celého zařízení, je jejich detekce velmi žádoucí.

1.1 Měření akustické emise
Pro využití akustické emise jsou nutné snímače citlivé pro dané frekvenční pásmo a speciálně konstruované elektronické zařízení. Základní jednotkou každého zařízení pro detekci a měření akustické emise je měřicí kanál, který plní tyto funkce:

• transformuje napěťovou vlnu v místě přiložení snímače na elektrický signál,
• zesiluje elektrický signál,
• diskriminuje elektrický signál podle amplitudy a frekvence.

Akustická emise se snímá sítí snímačů rozmístěných na povrchu konstrukce. Snímače transformují elastické napěťové vlny v místě snímače na nízkonapěťový elektrický signál. V předzesilovači umístěném v blízkosti snímače je signál zesílen a filtrován. Filtrace vylučuje nízkofrekvenční mechanické a elektrické rušení. Signál je transformován na níz koimpedanční a postupuje koaxiálním kabelem k měřicímu systému akustické emise, kde je opět zesílen a při překročení prahové úrovně vyhodnocován. Schéma měřicí trasy ukazuje obr. 1.

V praxi se akustická emise používá nejčastěji při řešení dvou úloh: monitorování úniků a detekce trhlin.

1.2 Detekce úniků
Detekce úniků z potrubí je založena na takzvané sekundární akustické emisi vyvolané turbulencemi média unikajícího trhlinou. Výsledkem je spojitý akustický signál, který se šíří stěnami potrubí a v některých případech i médiem uvnitř potrubí. Základní měřenou veličinou, charakterizující intenzitu akustického signálu, je efektivní hodnota signálu na výstupu snímače akustické emise. Tato veličina má dobrou fyzikální interpretaci ve vazbě na unikající množství média. Výsledkem vyhodnocení je lokalizace místa úniku a odhad množství unikajícího média. Pro měření je možné použít buď piezoelektrické snímače pevně připojené na vnější povrch zařízení nebo, v případě dlouhého vedení, autonomní aparaturu, která se pohybuje uvnitř potrubí. Citlivost metody závisí na úrovni rušivého akustického pozadí. Kromě „vnějších“ úniků (do atmosféry) je možné monitorovat i „vnitřní“ úniky (podcházení armatur).

1.3 Detekce trhlin
Jestliže v důsledku namáhání vznikají a formují se trhliny, uvolňuje se část akumulované energie. Tento jev se nazývá primární akustická emise. Cílem měření je včas detekovat a lokalizovat vznikající trhlinu. Lokalizace zdroje akustické emise není složitá, protože se signál šíří v materiálu přímočaře a konstantní rychlostí. Zaznamenají-li se dostatečně přesně okamžiky zachycení signálu na více snímačích, je možné vypočítat polohu zdroje. Na dvojrozměrště nádob) jsou zapotřebí minimálně tři snímače. V tomto případě se nejčastěji používá rovnoměrná trojúhelníková síť snímačů, u které k lokalizaci události stačí znát polohy prvních tří snímačů, které událost zachytily, a časové prodlevy mezi těmito záznamy. Princip lokalizace schematicky zachycuje obr. 2.

Při měření na reálném zařízení jsou však systémem zachyceny emisní události ze všech emisních zdrojů, tedy i ze zdrojů sekundární emise, způsobené třením nebo únikem. K tomu, aby byly výsledky měření směrodatné, je nezbytně nutné určit původ emisního zdroje a vyloučit ty zdroje, které není nutné považovat za zdroje potenciálního nebezpečí.

Příčinu vzniku emisního zdroje je možné určit z chování tohoto zdroje v průběhu zvyšování a snižování zatížení a dále podle charakteru emisních událostí pocházejících z tohoto zdroje. Hlavními znaky emisního zdroje způsobeného vznikající trhlinou jsou např. Kaiserův jev, aktivní charakter emise a vysoká intenzita emise.

Kaiserovým jevem je nazýván jev, kdy je emisní zdroj aktivní pouze při zvyšování zatížení nad mez, které již bylo dříve dosaženo. Takovýto zdroj tedy neemituje ani při snižování zatížení, ani při opětovném zvyšování na provozní hodnotu. Charakter aktivity popisuje, jak rychle roste počet událostí emitovaných zdrojem při lineárním růstu zatížení. Intenzitou zdroje se rozumí průměr amplitud jednotlivých emisních událostí zdroje.

Tyto údaje umožňují expertovi určit pravděpodobnou příčinu vzniku emisního zdroje. Expert však potřebuje dlouholetou praxi a dostatek času na uskutečnění analýzy. Je-li expert nahrazen dostatečně spolehlivým programem, je možné změřená data analyzovat rychleji a vždy přímo na místě měření. Výsledky jsou rovněž objektivnější, protože nemohou být ovlivněny např. přehlédnutím některých informací, únavou experta nebo jeho indispozicí.

Expertním systémem je nazýván programový systém, který pro řešení jisté úlohy používá zakódované znalosti získané od lidského experta. Navíc by mělo platit, že algoritmus systému je nezávislý na významu zpracovávaných znalostí a může být, po jejich změně, použit znovu pro jinou úlohu. V technické praxi jsou většinou expertní systémy založeny na reprezentaci znalostí metodou produkčních pravidel nebo rámců.

Produkční pravidla představují zápis, který uvádí do souvislosti tvrzení (nazývané předpoklad) s jiným tvrzením (závěrem), které lze na základě pravdivosti předpokladu odvodit. Pravidla jsou většinou chápána jako příkazy, které za podmínek daných předpoklady povedou k akci dané závěrem. Akce může mít dvě podoby: buď odvození nového tvrzení, nebo vyvolání komplexnější procedury. Sada pravidel tak popisuje postup řešení úlohy. Složitost algoritmu, jejž lze s pomocí pravidel popsat, je dána různorodostí podmínek a akcí, které se mohou vyskytovat v předpokladech a závěrech pravidel.

Nespornou výhodou produkčních systémů je možnost postihnout nejistotu reprezentovaných znalostí. V závislosti na použité metodě je k pravidlu a k tvrzení přiřazeno jedno nebo více čísel, která vyjadřují naši důvěru v jeho platnost. Z množství metod používaných při práci s neurčitostí jmenujme metody založené na teorii pravděpodobnosti, na fuzzy logice a různé činitele jistoty. Teoretické základy pro práci s nejistotou podává Dempsterova-Shaferova teorie.

Pro ilustraci je uvedena metoda použitá v expertním systému pro vyhodnocování měření akustické emise: tvrzení je ohodnoceno reálným číslem z intervalu [–1;1], které vyjadřuje důvěryhodnost tohoto tvrzení. Hodnota 1 znamená jistě ano, hodnota –1 znamená určitě ne, nula znamená nejistotu. Důvěryhodnost logického součinu dvou tvrzení je součinem důvěryhodností, důvěryhodnost logického součtu je maximum důvěryhodností jednotlivých tvrzení. Důvěryhodnost závěru pravidla je dána součinem důvěryhodnosti předpokladu pravidla a důvěryhodnosti pravidla jako celku. Nejsložitější je výpočet důvěryhodnosti závěru, který se nezávisle na sobě objevuje ve více pravidlech. Pro tento případ neexistuje v literatuře shoda na jednom vzorci. Jako rozumný kompromis mezi používanými vzorci a složitostí se ukázal takzvaný Einsteinův součet, známý z teorie relativity pro součet rychlostí. Jestliže další pravidlo odvodí již odvozený závěr, je nová důvěryhodnost přičtena Einsteinovým součtem k dosavadní důvěryhodnosti závěru.

Znalostní systém založený na pravidlech obsahuje několik základních částí. Především jde o bázi znalostí, která obsahuje pravidla umožňující řešení úlohy. Dále je k dispozici báze dat, která obsahuje známé informace o zkoumaném objektu. Výběr položek ukládaných v bázi dat a jejich strukturu určuje návrhář systému spolu s tvorbou báze znalostí. Součástí návrhu je i volba metody pro reprezentaci neurčitosti.

Algoritmus pro aplikaci pravidel se nazývá inferenční mechanismus a jeho úkolem je ze známých dat odvodit pomocí produkčních pravidel nová data, která se nazývají závěry. Tyto závěry jsou pomocí bloku rozhraní předávány uživateli nebo slouží jako podklady pro aplikaci dalších pravidel. Je-li systém schopen podávat vysvětlení svých závěrů, má ještě připojen vysvětlovací mechanismus, který na základě dat o probíhající konzultaci odvozuje uživatelem žádaná vysvětlení.

Při tvorbě nového expertního systému se často používá tzv. shell (česky též prázdný expertní systém), což je program obsahující inferenční mechanismus, prázdnou bázi znalostí a prázdnou bázi dat. Návrhář se potom nemusí zabývat programováním algoritmů a může se plně soustředit na získávání znalostí. Prázdné expertní systémy jsou komerčně nabízené programy, a proto je jejich výběru třeba věnovat náležitou pozornost.

Jednou z hlavních odlišností shellu od systému navrženého pro konkrétní úlohu je přítomnost vývojového prostředí pro návrháře systému. Toto speciální rozhraní umožňuje definovat strukturu báze dat a definovat a modifikovat znalosti. Návrhové prostředí není dodáváno jako součást dodávky koncovému uživateli, šetří tak místo a chrání systém před neodbornou modifikací.

Postup tvorby báze znalostí odborníci dosud nedokážou plánovat, a tak je její vznik iterativním procesem. Expert si vždy nedokáže uvědomit všechny faktory, které ovlivňují jeho rozhodování, a nedokáže určit jejich významnost. Proto se vytvoří pracovní verze báze znalostí a její výsledky se porovnají s výsledky experta. Na základě rozboru chyb vznikají další verze báze znalostí. Práce končí při dosažení požadované spolehlivosti.

Konkrétní úloha řešená expertním systémem spočívala v detekci trhlin v plášti tlakové nádoby jaderného reaktoru VVER 1000. V tomto případě probíhá měření během odstávky zařízení v průběhu tlakové zkoušky, která zároveň slouží jako stimulace primární akustické emise.

Expertní systém má za úkol určit příčinu vzniku jednotlivých emisních zdrojů.

K vytvoření expertního systému pro vyhodnocování byl použit prázdný expertní systém ReSolver firmy MultiLogic Inc. Jde o klasický expertní systém, který zachovává oddělení báze znalostí, báze dat a inferenčního mechanismu. Položky báze dat mohou být tří typů: číselné proměnné, textové dotazy s předem danou množinou odpovědí a dokazovaná tvrzení. Báze znalostí může obsahovat pravidla typu IF ... THEN ... ELSE ..., přičemž fráze ELSE není povinná. Každé nové pravidlo je kontrolováno, zda nekoliduje s již existujícím pravidlem. Inferenční mechanismus má k dispozici pět předem definovaných metod pro práci s neurčitostí (včetně metody fuzzy logiky) a možnost definovat vlastní metodu.

Expertní systém pro vyhodnocování zkoušek akustické emise se skládá ze dvou základních částí: centrálního expertního systému, který simuluje vlastní vědomé rozhodování experta, a části, která na základě změřených dat formuluje tzv. mezivýsledky. Tak jsou nazvána rozhodnutí, která může lidský expert formulovat intuitivně, po pouhém pohledu na grafy nebo čísla, ale jejichž automatické určení není jednoduché. Proto byly pro jejich formulaci napsány speciální moduly, které fungují jako samostatné expertní systémy nebo jako programy založené na metodách rozpoznávání.

Vlastní implementace je z důvodu úspory výpočetních nároků rozdělena do tří částí podle použité technologie. Nejprve je spuštěna ta část systému, která je naprogramována v programovacím jazyce C. Tato část obsahuje modul pro čtení a filtraci dat a všechny moduly pro formulaci mezivýsledků založené na metodách rozpoznávání. V druhém kroku je aktivován expertní systém, který používá k reprezentaci neurčitosti fuzzy logiku. Tento systém používá data zpracovaná předchozím modulem a formuluje zbývající mezivýsledky. Po formulaci všech mezivýsledků je aktivován centrální expertní systém, který pro reprezentaci neurčitosti používá systém koeficientů důvěryhodnosti, zmiňovaný v druhé kapitole.

Celkem systém obsahuje devět modulů formulujících jednotlivé mezivýsledky, z nichž některé jsou vyvolávány během jedné konzultace vícekrát na různé množiny vstupních dat. Z těchto devíti modulů jsou tři naprogramovány v jazyce C a ostatní tvoří expertní systémy, které obsahují dohromady 98 pravidel. Centrální expertní systém obsahuje 51 pravidel.

V součastné době je systém testován a pracuje se na některých úpravách. Jednak je snaha celý systém integrovat do jediného programu, který by zajistil spuštění konzultací expertního systému a zajistil bezpečné chování celého systému pro případ výskytu chyby. Tato změna je nutná pro snadné začlenění expertního systému do existujícího programu na zpracování výsledků měření akustické emise. Dále se v průběhu práce na bázi znalostí rozšířily naše poznatky o akustické emisi, které je nutné zahrnout do báze znalostí. Právě snadná modifikovatelnost a rozšířitelnost báze znalostí patří k největším výhodám expertních systémů.

Akustická emise je velmi užitečná a univerzální metoda nedestruktivní diagnostiky. K jejím hlavním výhodám patří možnost kontrolovat celý objekt malým počtem snímačů, schopnost detekovat i trhliny, jejichž velikost je pod detekční schopností jiných metod, a kontrolovat obtížně přístupná místa. Metoda dále detekuje pouze defekty, které se při zatěžování rozvíjejí, a jsou tedy potenciálně nebezpečné.

Nevýhodou metody je vysoká cena měřicího zařízení a složité vyhodnocování změřených výsledků. Právě složitost a subjektivita vyhodnocování by měly být vyloučeny popisovaným expertním systémem.

Experimenty prokázaly, že problém je řešitelný metodou expertních systémů při použití dalších vhodných metod a postupů. Podle hodnocení experta odpovídají výsledky současné verze systému dobře poučenému odborníkovi. Systém je možné dále rozvíjet a zahrnovat do něho další aspekty problému.