邵文斌，祁 攀，崔洪巖，廖述圣，韓 捷

(1.核動力運行研究所, 武漢 430223；2.中核武漢核電運行技術(shù)股份有限公司, 武漢 430223)

?

渦流定量檢測蒸發(fā)器傳熱管裂紋的影響因素

邵文斌1，祁 攀2，崔洪巖1，廖述圣2，韓 捷1

(1.核動力運行研究所, 武漢 430223；2.中核武漢核電運行技術(shù)股份有限公司, 武漢 430223)

為了提高渦流軸繞式探頭(Bobbin)定量檢測的準(zhǔn)確性，需要明確缺陷定量檢測影響因素的主次關(guān)系，在標(biāo)定管制作等方面開展針對性的工作，采用權(quán)重分析對此類影響因素主次關(guān)系進行分析。以裂紋深度為因變量，以缺陷特性參數(shù)為自變量，采用最小二乘回歸和嶺回歸分析對其定量關(guān)系進行了分析，并在此基礎(chǔ)上獲取了權(quán)重因子。

定量；權(quán)重分析；最小二乘法；嶺回歸

蒸發(fā)器傳熱管結(jié)構(gòu)如圖1(a)所示，是核反應(yīng)堆冷卻劑系統(tǒng)壓力邊界，且占有一回路壓力邊界超過70%的面積，只有大約1 mm的壁厚和極端的運行條件使得傳熱管成為一回路壓力邊界最薄弱的環(huán)節(jié)。國際核電站運行統(tǒng)計表明：超過50%的傳熱管均發(fā)生過不同程度的損傷。為了確保傳熱管的安全運行，國內(nèi)外各個核電站均實施役前和在役檢查。對傳熱管通常采用渦流檢測方法，而渦流Bobbin探頭定量檢查是主要的定量手段，探頭外觀如圖1(b)所示[1-2]。由于受到傳熱管管材性質(zhì)、缺陷性質(zhì)，標(biāo)定管和實際傳熱管中缺陷類型的一致性，檢測儀器性能、環(huán)境等各方面因素的影響，Bobbin探頭檢測的結(jié)果定量存在一定的偏差，從而影響該方法的檢測精度。

為了有效控制這種偏差并提高檢測精度，有必要分析這些因素，從而找到影響定量偏差最大的因素?；谝延械难芯浚毕莸奶匦灾T如缺陷的長度、體積以及缺陷與傳熱管軸向夾角是影響B(tài)obbin檢查準(zhǔn)確定量的主要因素。筆者為了詳盡研究以上因素在定量偏差影響中的權(quán)重，選擇人工裂紋作為研究對象。

圖1 蒸發(fā)器傳熱管結(jié)構(gòu)及Bobbin探頭外觀

1 試驗方法

1.1 試驗對象

作為壓水堆蒸發(fā)器傳熱管的常用材料，Inconel690 (I690)合金具有良好的綜合性能，文中采用該類型傳熱管，其規(guī)格為19.05 mm(外徑)×1.09 mm(壁厚)。

Bobbin渦流檢測方法是一種缺陷深度當(dāng)量測量方法，即通過標(biāo)定管計算出標(biāo)定曲線，來判定被檢傳熱管中真實缺陷的深度。由于趨膚效應(yīng)，渦流檢測對于不同深度的缺陷有不同的靈敏度，而這會進一步影響到檢測精度，基于此，選用100%，80%和40%三種不同深度類型的人工裂紋測試樣管作為試驗對象。

對于同一深度的檢測樣管，分別選擇3種不同角度的裂紋。樣管的詳細參數(shù)設(shè)計如表1～3所示,其中1#～4#裂紋角度為75°，5#～8#裂紋角度為45°，9#～12#裂紋角度為15°。

表1 T1-E-D100管人工裂紋檢測樣管參數(shù)設(shè)計(深度：100%) mm

表2 T1-E-D80管人工裂紋檢測樣管參數(shù)設(shè)計(深度：80%) mm

表3 T1-E-D40管人工裂紋檢測樣管參數(shù)設(shè)計(深度：40%) mm

1.2 試驗方案

1.2.1 試驗設(shè)備

為了保證試驗在一個相對穩(wěn)定的外部硬件環(huán)境下實施，使用美國CoreStar公司生產(chǎn)的OMNI200渦流檢測儀，Bobbin探頭和自動推拔裝置由中核武漢核電運行技術(shù)股份有限公司(以下簡稱CNPO)提供。在整個試驗階段，所有的硬件設(shè)備不允許移動或更換。由于渦流Bobbin探頭是確保整個硬件系統(tǒng)缺陷檢測靈敏度水平的關(guān)鍵，探頭需要超過85%的填充率及超過1 mm的線圈間隔。

1.2.2 數(shù)據(jù)采集和分析

為了減少采集和分析數(shù)據(jù)過程中的偏差，需要制定一定的采集和分析規(guī)則，傳熱管采集和分析規(guī)格書見表4，5。其中表5中標(biāo)定管為RSEM標(biāo)準(zhǔn)標(biāo)定管，包含10%深度內(nèi)環(huán)槽、10%深度外環(huán)槽、40%深度外環(huán)槽、30%深度外環(huán)槽、4×φ1 mm通孔。

表4 傳熱管數(shù)據(jù)采集規(guī)格書

表5 傳熱管數(shù)據(jù)分析規(guī)格書

1.2.3 初步分析結(jié)果

根據(jù)數(shù)據(jù)采集規(guī)格書，數(shù)據(jù)采集需要連續(xù)回拉探頭并記錄三次測試樣管數(shù)據(jù)。數(shù)據(jù)分析依據(jù)分析規(guī)格書，測試樣管深度的初步分析結(jié)果見表6。表6中TD為測試深度；AD為真實深度；MD為平均深度。

表6 測試樣管深度分析 %

2 試驗結(jié)果分析

由表6可知，在一些裂紋的TD和AD之間可發(fā)現(xiàn)明顯的偏差。在相同的硬件條件下，這些偏差大部分受缺陷的長度、體積和缺陷與管子軸向夾角的影響，所以將量化這些因素在裂紋深度定量中的權(quán)重。

2.1 方案選擇

根據(jù)數(shù)據(jù)結(jié)構(gòu)特性，多元線性回歸適用于分析自變量(缺陷的長度、體積和管子軸向夾角)和深度偏差(因變量)之間的關(guān)系。偏差和裂紋長度、體積、角度關(guān)系如圖2所示。

圖2 偏差和裂紋長度、體積、角度關(guān)系散點圖

對于多元線性回歸，需要用散點圖分析因變量和自變量之間的關(guān)系。如果有明顯的線性關(guān)系，那么基于最小二乘的多元線性模型可直接建立起來。另外，以下兩個方案可應(yīng)用于模型之中：(1)有可用于對數(shù)變換，導(dǎo)數(shù)變換，平方根變換的修正變量，可在自變量和因變量之間建立線性關(guān)系，然后可建立基于最小二乘的線性回歸模型；(2)如果自變量和因變量之間的線性轉(zhuǎn)換困難，可先建立最小二乘線性回歸模型，隨后可用一些目標(biāo)參數(shù)核對模型的準(zhǔn)確性，如果模型準(zhǔn)確性較好，可獲得理想的結(jié)果。另外，優(yōu)化逐步回歸和嶺回歸方法可獲得理想模型[3]。

由圖2可知，針對不同的測試樣管均有離散圖對應(yīng)，偏差和裂紋長度、體積、角度沒有明顯的線性關(guān)系，難以進行線性轉(zhuǎn)換，所以將執(zhí)行第(2)套方案。

2.2 最小二乘回歸分析

線性最小二乘回歸分析可實現(xiàn)a，b，c參變量的判定[4]：

(1)

下列公式顯示的是不同傷深傳熱管的線性回歸模型。

100%深度：

E=-1.75×L+15.28×V+

(2)

80%深度：

E=-1.28×L+11.3×V-

(3)

40%深度：

E=4.469 5×L-64.147×V-

(4)

式中：L為缺陷長度；V為缺陷體積；Angle為缺陷與管子軸向夾角；R為評估自變量和因變量之間的多重共線性，R越接近1，擬合強度越好。

這些線性回歸模型的合理性大部分由相關(guān)系數(shù)R和方差膨脹因子VIF決定，VIF可評估自變量之間的多重共線性，VIF值越大，多重共線性問題發(fā)生的概率就越大，VIF一般不超過5，在10～30之間為弱相關(guān)，30～100之間為中等相關(guān)，超過100為強相關(guān)。

表7為最小二乘線性回歸模型結(jié)論。根據(jù)表7所示，最小二乘線性模型是不合理的。

表7 最小二乘線性回歸模型結(jié)果

2.3 嶺回歸分析

由于因變量之間的多重共線性導(dǎo)致最小二乘線性回歸模型不合理，所以需要進行嶺回歸分析。

一方面，對于分析多重共線性數(shù)據(jù)來說，嶺回歸是一個偏分評估方法，而這個數(shù)據(jù)是放棄了非偏分評估特性的最小二乘；另一方面，使用此方法可使得參數(shù)評估更加合理且接近真實回歸曲線。

對于不同深度缺陷傳熱管的線性嶺回歸模型為：

100%深度：

E=0.086×L+2.893×V+

(5)

80%深度：

E=-0.125×L+1.729×V-

(6)

40%深度：

E=0.889×L-9.603×V-

(7)

由以上模型可得出如表8的結(jié)論。

表8 線性嶺回歸模型結(jié)果

對比表7和表8，系數(shù)R的相互關(guān)系沒有改變，但系數(shù)VIF更能體現(xiàn)線性嶺回歸模型的合理性。

2.4 權(quán)重分析

文中假定缺陷長度、體積和缺陷與管子軸向夾角能完全替代所有影響因素，所以這些因素的權(quán)重可以定義如下：

(8)

通過式(8) 可知，含不同深度缺陷傳熱管的三個影響因素的權(quán)重如表9所示。

表9 影響因素的權(quán)重

由表9可知，影響因素WV所占權(quán)重遠大于WL和WAngle，故缺陷體積對裂紋深度定量精確性的影響最大。

3 結(jié)語

主要探討了在采用Bobbin對傳熱管進行定量檢查時，影響其定量精確性的因素包括缺陷長度、體積，以及缺陷和傳熱管軸向夾角。在研究過程中，應(yīng)用最小二乘線性和嶺回歸線性模型，通過自變量和因變量之間的權(quán)重分析來探討定量關(guān)系。最后發(fā)現(xiàn)，缺陷的體積是影響裂紋深度定量精確性最顯著的因素。

[1] KIM Y H ，SONG S J，KIM E L , et.al.Principal component analysis of eddy current signals obtained from steam generator tubes by bobbin probe[J]. Key Engineering Materials，2004，270：549-554.

[2] HUR D H,CHOI M S，LEE D H，et al. A case study on detection and sizing of defects in steam generator tubes using eddy current testing[J].Nuclear Engineering and Design，2010，240(1)：204-208.

[3] MYERS R H.Classical and modern regression with applications[J]. Technometrics, 2010, 29:377-378.

[4] NEMETH M A, JOHNSON D E. Applied multivariate methods for data analysts[J].Technometrics, 2000,2: 211-213.

The Crack Factors in Eddy Current Quantitative Inspection of Heat Exchange Tube in Steam Generator

SHAO Wen-bin1, QI Pan2, CUI Hong-yan1, LIAO Shu-sheng2, HAN Jie1

(1.Research Institute of Nuclear Power Operation, Wuhan 430223, China；2.China Nuclear Power Operation Technology Co., LTD., Wuhan 430223, China)

This work aims at the improvement of quantitative Bobbin eddy current inspection for the heat exchange tubes of steam generator (SG) in nuclear power plant. The accuracy of quantitative Bobbin inspection of heat transfer tubes in SG is affected by various of factors, such as the consistence of the material properties of the tubes; the characteristics of the defects; the types of defects in between the calibration tubes and actual tubes one; the property of testing equipment, the environmental features and so on. Previous researches were mostly concerned about the factors like characteristics of defects (such as length of defect, volume of defect and angle between defect and tube axial), and they were thought as the main factors, which may influence the quantitative accurancy. In order to control these factors for an improved tube Bobbin inspection, primary and secondary of these influencing factors should be clear. The weight factor analysis as a useful method is mainly applied. With crack depth as the dependent variable, least squares and ridge regression methods are quantitatively analyzed for the relationship between the influence factors and the variable. On this basis, the weights of these factors are obtained.

Quantitative；Weight analysis；Least square；Ridge regression

2016-06-22

邵文斌(1984-),男，學(xué)士，工程師，主要從事電磁(渦流)檢測工作。

邵文斌，E-mail:shaowb@cnpotech.com。

10.11973/wsjc201611013

TG115.28

A

1000-6656(2016)11-0057-05