[논문]음향방출기법을 이용한 원전 고온 고압 배관의 누설 특성 평가에 관한 연구

김영훈; 김진현; 송봉민; 이준현; 조윤호

음향방출기법을 이용한 원전 고온 고압 배관의 누설 특성 평가에 관한 연구
A Study on the Leakage Characteristic Evaluation of High Temperature and Pressure Pipeline at Nuclear Power Plants Using the Acoustic Emission Technique 원문보기

비파괴검사학회지 = Journal of the Korean Society for Nondestructive Testing, v.29 no.5, 2009년, pp.466 - 472

김영훈 (부산대학교 기계공학과 대학원) , 김진현 (부산대학교 기계공학과 대학원) , 송봉민 (부산대학교 기계공학과 대학원) , 이준현 (부산대학교 기계공학부) , 조윤호 (부산대학교 기계공학부)

초록
AI-Helper

고온, 고압의 원자력 배관 누설 판별을 위해 음향방출기법(AE)을 이용한 누설감지 시스템인 ALMS 기법이 적용되고 있다. 이 시스템은 단지 AE 센서로 전해진 신호의 RMS값을 이용하여 누설의 유무만을 판단할 뿐, 누설 발생시 누설부의 크기나 형태를 평가하는 것에는 어려움이 있었다. 따라서 본 논문에서는 이러한 문제를 해결하기 위하여 AE센서와 가속도센서를 동시에 이용한 이중 센서 시스템을 제안하였다. 빠른 학습 속도와 정확성을 위해 Levenberg-Marquardt 학습 알고리즘을 이용한 인공신경회로망을 적용시키고, 이를 통해 신뢰성 있는 분석 결과를 얻을 수 있다. 배관내 압력과 누설부의 크기와 모양에 따른 실험신호들을 학습시키고 그 판별 정확성을 확인하였다. 추가적으로 배관 두께에 따라 발생하는 파(wave)의 종류와 특성이 달라지는 것을 이론과 실험을 통하여 알아보았다.

Abstract ▼ AI-Helper

An acoustic leak monitoring system(ALMS) using acoustic emission(AE) technique was applied for leakage detection of nuclear power plant's pipeline which is operated in high temperature and pressure condition. Since this system only monitors the existence of leak using the root mean square(RMS) value of raw signal from AE sensor, the difficulty occurs when the characteristics of leak size and shape need to be evaluated. In this study, dual monitoring system using AE sensor and accelerometer was introduced in order to solve this problem. In addition, artificial neural network(ANN) with Levenberg.Marquardt(LM) training algorithm was also applied due to rapid training rate and gave the reliable classification performance. The input parameters of this ANN were extracted from varying signal received from experimental conditions such as the fluid pressure inside pipe, the shape and size of the leak area. Additional experiments were also carried out and with different objective which is to study the generation and characteristic of lamb and surface wave according to the pipe thickness.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

여기서 AE 센서는 고주파인 표면파를 주로 수신하고, 가속도센서는 저주파인 진동 신호를 수신한다. 따라서 두 센서를 조합하면 다양한 주파수 범위와 성질을 갖는 파의 분석이 가능하고, 이러한 특징 때문에 본 연구에서는 이중 센서 시스템을 통하여 누설 분석을 하고자 한다.
실제 원전에서는 음향 누설 감시 기법이 적용된 누설 감시 시스템인 ALMS(acoustic leak monitoring system)가 운행 중이지만, 이것은 단순히 AE 센서로부터 얻어진 원신호의 RMS(root mean square) 값이 경고 준위인 threshold를 넘어서 알람 시간 동안 유지됐을 때 누설이 발생했다고 추측할 뿐 누설 크기, 모양 등과 같은 누설부의 특징을 판별할 수 있는 방법이 전혀 없다. 따라서 본연구에서는 이러한 문제점을 보완하기 위하여 서로 다른 크기와 모양을 갖는 인공 누설 시편을 제작하여 시편에 따른 신호 특성을 파악하는 검증 실험을 실시하였고, 그 결과를 통하여 새로운 판별 알고리 즘을 얻는 연구를 수행하였다[2-3]. 또한 실험에는 AE 센서뿐만 아니라, 가속도 센서를 동시에 사용 하는 이중 센서 시스템을 도입하였고, 그 시스템으로 누설 분석을 하였을 때의 효율성을 알아보았다 [4].
본 연구에서는 원자력 발전소의 고온 고압배관시 스템에 발생하는 누설을 감시하는 시스템인 ALMS 가 누설부의 특성을 판별하는 알고리즘이 없다는 단점을 보완하기 위하여 인공 누설 시험편을 이용한 실험과 각 실험을 통한 신호 특성 파악과 인공 신경회로망을 통한 누설부 특성의 판별성에 대해서 알아보았다. 또한 누설 분석을 할 때, 가속도 센서와 AE 센서를 동시에 사용하는 이중센서시스템을 적용하여 그 효율성을 알아보았다.
또한 실험에는 AE 센서뿐만 아니라, 가속도 센서를 동시에 사용 하는 이중 센서 시스템을 도입하였고, 그 시스템으로 누설 분석을 하였을 때의 효율성을 알아보았다 [4]. 추가적으로 배관 두께에 따라 발생하는 파 (wave)의 종류와 특성이 달라지는 것을 이론과 실험을 통하여 알아보았다.

제안 방법

Fig. 3에 나타난 것처럼 누설 검증 실험을 위하여 최대 용량이 절대압력 11기압이고, 고온 고압 증기를 발생시키는 압력 용기(prssure-vessel)를 제작하였다. 압력용기 내부와 누설 시편 내부에 각각 설치된 압력 센서(manometer)와 온도 센서(thermo -meter)에 의해 온도와 압력을 측정한다.
가속도 센서는 주파수 범위가 3~10,000 Hz인것을 사용하였다. 계측장비로는 AE 신호를 수신하기 위하여 2 MHz 샘플링과 threshold가 50 dB인 AE 장비를 사용하였고, 가속도 신호를 수신하기 위하여 오실로스코프를 사용하였다.
또한 누설 분석을 할 때, 가속도 센서와 AE 센서를 동시에 사용하는 이중센서시스템을 적용하여 그 효율성을 알아보았다. 그 이점은 다양한 주파수 대역의 분석이 가능하도록 하였고, 또한 인공 신경회로망을 통한 누설부 특성의 판별을 더 신뢰할만한 결과로 만들었다. 배관의 두께의 변화에 따른 램파와 표면파가 발생했을 때 신호의 특성을 알아보았다.
누설부의 특성을 파악하기 위한 실험은 고압증기를 작동 유체로 하고, 압력 조건은 절대압력 4, 5, 6 atm(온도 조건: 140~156 ℃)일 때 시행되었다. 이때 증기가 누설부를 빠져나갈 때, 짧은 시간 동안 높은 압력이 대기압으로 떨어지므로 증기에서 물로 급격히 상변화가 일어난다.
따라서 밸브 개폐후 유체의 유동이 안정적으로 되고, 압력 용기의 압력과 누설 시편 내부의 압력이 일치하는 정상 상태에서부터 신호를 취득한다. 데이터 취득 시에는 인공 신경회로망을 통한 다양한 조건에 대하여 판별성을 증가시키기 위하여 충분한 양의 데이터를 수집하도록 하였다. 또한 배관 두께에 따른 표면파와 램파의 특성을 파악하기 위한 실험은 작동 유체로 질소가스를 사용하였고, 배관 내부의 압력은 절대압력 4 기압으로 유지하고, 온도는 상온에서 실험하였다.
본 연구에서는 원자력 발전소의 고온 고압배관시 스템에 발생하는 누설을 감시하는 시스템인 ALMS 가 누설부의 특성을 판별하는 알고리즘이 없다는 단점을 보완하기 위하여 인공 누설 시험편을 이용한 실험과 각 실험을 통한 신호 특성 파악과 인공 신경회로망을 통한 누설부 특성의 판별성에 대해서 알아보았다. 또한 누설 분석을 할 때, 가속도 센서와 AE 센서를 동시에 사용하는 이중센서시스템을 적용하여 그 효율성을 알아보았다. 그 이점은 다양한 주파수 대역의 분석이 가능하도록 하였고, 또한 인공 신경회로망을 통한 누설부 특성의 판별을 더 신뢰할만한 결과로 만들었다.
7과 같이 입력값으로는 가속도 신호로부터 얻어진 RMS 값, 주파수 분석 결과 얻어진 1개의 peak 값(5~7 kHz)과 AE 신호로부터 얻어진 RMS 값과 주파수 분석 후 얻어진 2 개의 peak 값(60, 100 kHz) 등으로 하였다. 또한 목표값 으로는 누설부의 압력(4, 5, 6 atm), 결함 모양(hole, slit), 크기(1, 1.4, 1.7, 2 mm) 등을 판별하도록 하였다. 이때 학습용 데이터의 수는 60개로 하였고, 검증용 데이터의 수는 10개로 하였다.
데이터 취득 시에는 인공 신경회로망을 통한 다양한 조건에 대하여 판별성을 증가시키기 위하여 충분한 양의 데이터를 수집하도록 하였다. 또한 배관 두께에 따른 표면파와 램파의 특성을 파악하기 위한 실험은 작동 유체로 질소가스를 사용하였고, 배관 내부의 압력은 절대압력 4 기압으로 유지하고, 온도는 상온에서 실험하였다.
따라서 본연구에서는 이러한 문제점을 보완하기 위하여 서로 다른 크기와 모양을 갖는 인공 누설 시편을 제작하여 시편에 따른 신호 특성을 파악하는 검증 실험을 실시하였고, 그 결과를 통하여 새로운 판별 알고리 즘을 얻는 연구를 수행하였다[2-3]. 또한 실험에는 AE 센서뿐만 아니라, 가속도 센서를 동시에 사용 하는 이중 센서 시스템을 도입하였고, 그 시스템으로 누설 분석을 하였을 때의 효율성을 알아보았다 [4]. 추가적으로 배관 두께에 따라 발생하는 파 (wave)의 종류와 특성이 달라지는 것을 이론과 실험을 통하여 알아보았다.
그 이점은 다양한 주파수 대역의 분석이 가능하도록 하였고, 또한 인공 신경회로망을 통한 누설부 특성의 판별을 더 신뢰할만한 결과로 만들었다. 배관의 두께의 변화에 따른 램파와 표면파가 발생했을 때 신호의 특성을 알아보았다. 배관의 두께에 따라 감쇠 정도가 다르기 때문에 신호 강도가 다르게 나타났지만, 신호 특성의 경향성은 배관 두께와 상관없이 비슷하다는 것을 알 수 있었다.
3에 나타난 것처럼 누설 검증 실험을 위하여 최대 용량이 절대압력 11기압이고, 고온 고압 증기를 발생시키는 압력 용기(prssure-vessel)를 제작하였다. 압력용기 내부와 누설 시편 내부에 각각 설치된 압력 센서(manometer)와 온도 센서(thermo -meter)에 의해 온도와 압력을 측정한다. 이 측정값 들은 컨트롤 박스의 디스플레이 창에 실시간으로 나타내어 주고, 저장하게 된다.
램파는 재료의 밀도, 탄성계수, 시험편의 두께 및 주파수에 영향을 받으며 매질의 두께가 한파장 이내일 때 발생한다. 이때 배관을 매질로 할때, 발생된 파동의 파장은 주파수와 파의 속도 (wave speed)의 함수이므로 신호의 중심주파수와 위치 추정 실험을 통하여 얻어진 속도로 파장을 계산한다. 본 연구의 실험에 사용된 AE 센서의 중심 주파수는 60 kHz이고, 시편으로 사용된 SUS316의내부를 통과하는 파동의 속도는 2741.
인공신경회로망을 이용한 누설부의 특성을 판별하는 방법은 Fig. 7과 같이 입력값으로는 가속도 신호로부터 얻어진 RMS 값, 주파수 분석 결과 얻어진 1개의 peak 값(5~7 kHz)과 AE 신호로부터 얻어진 RMS 값과 주파수 분석 후 얻어진 2 개의 peak 값(60, 100 kHz) 등으로 하였다. 또한 목표값 으로는 누설부의 압력(4, 5, 6 atm), 결함 모양(hole, slit), 크기(1, 1.

대상 데이터

이 기능은 누설부 특성의 한 요소로서 압력과 온도도 추가할 수 있도록 한다. 누설부의 특성을 알기 위한 실험에 사용된 시편은 고압용 배관인 SUS316이고 두께는 1.5 mm이다. 누설부의 형태는 Fig.
20 mm)의 총 8종류이다. 또한 배관 두께에 따른 파동의 발생에 대한 실험으로 두께가 1.5 mm 인 SUS316 배관과 두께가 15 mm인 S45C 배관을 사용하여 비교 실험하였다. 그때의 누설부 형태는 hole(지름: 1.
이때 배관을 매질로 할때, 발생된 파동의 파장은 주파수와 파의 속도 (wave speed)의 함수이므로 신호의 중심주파수와 위치 추정 실험을 통하여 얻어진 속도로 파장을 계산한다. 본 연구의 실험에 사용된 AE 센서의 중심 주파수는 60 kHz이고, 시편으로 사용된 SUS316의내부를 통과하는 파동의 속도는 2741.5 m/s, S45C 는 2866.2 m/s이다. 계산 결과 표면파 에너지의 50% 이상이 포함되어 있는 각 시편의 1/4 파장은약 11.
Waveguide에는 AE 센서와 가속도 센서를 동시에 부착하고 두 신호를 동시에 수집, 분석할 수 있도록 하였다. 사용된 AE 센서는 광대역 센서를 사용하였고, 주파수 범위는 50~650 kHz이며, 중심 주파수는 60 kHz, 100 kHz이다. 가속도 센서는 주파수 범위가 3~10,000 Hz인것을 사용하였다.
7, 2 mm) 등을 판별하도록 하였다. 이때 학습용 데이터의 수는 60개로 하였고, 검증용 데이터의 수는 10개로 하였다. 학습 결과의 오차는 식 (1)과 같이 각 조건(누설부 면적, 압력, 모양)에서의 오차들의 곱으로 구하였고,

이론/모형

이러한 일련의 계산 과정을 통하여 얻어진 출력값과 미리 설정된 목표값 사이의 오차를 계산하고, 그 오차가 0에 가까운 수가될 때까지 반복하는 과정을 학습이라고 한다.(Fig. 2) 본 연구에서 사용된 인공 신경 회로망은 1개의 은닉층을 갖는 backpropagation을 사용하였고, 입력층과 은닉층 사이에는 sigmoid 함수, 은닉층과 출력층 사이에는 선형 함수와 학습 알고리즘에는 Levenverg-Marquardt(LM)을 도입하였다. 이때 LM은 많은 학습 데이터를 갖더라도 기존에 많이 사용 되던 Gradient Descent 보다 10~100배 빠른 학습 속도와 정확성을 나타낸다[5].

성능/효과

2 m/s이다. 계산 결과 표면파 에너지의 50% 이상이 포함되어 있는 각 시편의 1/4 파장은약 11.4 mm와 11.9 mm으로 거의 비슷하다. S45C 시편은 두께가 15 mm이므로, S45C는 표면파를 발생시키기에 충분한 두께를 가지고 있다.
1에 평균하여 나타내었다. 그 결과 AE 신호 단독으로 학습시켰을 때보다 가속도 신호와 AE 신호를 동시에 학습 시켰을 때 결과값의 오차가 더 작았다. 따라서 가속도 센서와 AE 센서를 동시에 사용했을 때 더 효율적인 누설분석이 가능하다는 것을 알 수 있었다.
그 결과 AE 신호 단독으로 학습시켰을 때보다 가속도 신호와 AE 신호를 동시에 학습 시켰을 때 결과값의 오차가 더 작았다. 따라서 가속도 센서와 AE 센서를 동시에 사용했을 때 더 효율적인 누설분석이 가능하다는 것을 알 수 있었다.
이 결과는 앞서 나온 결과에서 RMS값이 증가하면 누설량이 증가하는 것과 일치한다. 또한 주파수 분석 후의 peak 값이 증가하였고, 이 정보도 에너지 특성을 나타내는데, 적절하다는 것을 알 수 있었다.
배관의 두께의 변화에 따른 램파와 표면파가 발생했을 때 신호의 특성을 알아보았다. 배관의 두께에 따라 감쇠 정도가 다르기 때문에 신호 강도가 다르게 나타났지만, 신호 특성의 경향성은 배관 두께와 상관없이 비슷하다는 것을 알 수 있었다.
또한 중요한 것은 두 종류의 배관의 두께가 서로 다르지만, 원신호의 RMS 레벨과 주파수 분석의 peak 값이 hole 크기의 증가에 따라 증가하였다. 이 결과는 배관 두께에 상관없이 누설부의 특성에 따른 신호 변화의 경향성은 유지가 된다는 것을 알 수 있었다.
이때 hole의 크기가 증가할수록 peak 값이 증가하는 경향성을 갖는 것을 알 수 있었다. 이 결과를 통하여 누설부 면적이 증가할 때의 신호특성으로 주파수 분석의 Peak 값을 사용할 수 있다는 것을 알 수 있었다. 또한 Fig.
6과 같이 RMS 값이 더 커지는 것을 알 수가 있었다. 이 결과를 통하여 누설부의 모양도 판별하는 것이 가능하다는 것과 동일한 면적을 갖는 결함일지라도 모양에 따라서 유량이 달라진다는 것을 알 수 있었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ALMS 기법이란?	고온, 고압의 원자력 배관 누설 판별을 위해 음향방출기법(AE)을 이용한 누설감지 시스템인 ALMS 기법이 적용되고 있다. 이 시스템은 단지 AE 센서로 전해진 신호의 RMS값을 이용하여 누설의 유무만을 판단할 뿐, 누설 발생시 누설부의 크기나 형태를 평가하는 것에는 어려움이 있었다.
	ALMS 기법의 한계는?	고온, 고압의 원자력 배관 누설 판별을 위해 음향방출기법(AE)을 이용한 누설감지 시스템인 ALMS 기법이 적용되고 있다. 이 시스템은 단지 AE 센서로 전해진 신호의 RMS값을 이용하여 누설의 유무만을 판단할 뿐, 누설 발생시 누설부의 크기나 형태를 평가하는 것에는 어려움이 있었다. 따라서 본 논문에서는 이러한 문제를 해결하기 위하여 AE센서와 가속도센서를 동시에 이용한 이중 센서 시스템을 제안하였다.
	원자력 발전소의 배관들은 누설을 조기에 감시하기 위하여 어떤 비파괴 검사 기법을 적용하는가?	원자력 발전소의 배관들은 누설을 조기에 감시하기 위하여 대표적인 비파괴 검사 기법으로 음향 방출(acoustic emission, AE) 기법이 적용된다. 이것은 실시간으로 모니터링이 가능하고, 센서 한 개로 넓은 영역을 검사할 수 있는 장점을 가지고 있기 때문에 원자력 발전소와 같은 대형 구조물에 많이 사용된다[1].

참고문헌 (6)

K. M. Ronnie and M. Paul, 'Fundamentals of acoustic emission testing: nondestructive testing handbook,' American Society for Nondestructive Testing, Vol. 6, Chapter 2 (1987)
Sheng Zhang, Toshiyuki Asakura and Shoji Hayashi, 'Gas leakage fault detection of pneumatic pipe system using neural networks,' JSME International Journal, Vol. 47 pp. 568-573 (2004)

상세보기
Min-Rae Lee, Joon-Hyun Lee and Jung-Teak Kim, 'Condition monitoring of a nuclear power plant check valve based on acoustic emission and a neural network,' Transactions of the ASME, Vol. 127, pp. 230-236 (2005)

상세보기
Osama Hunaidi, Wing Chu, Alex Wang and Wei Guan, 'Leak detection methods for plastic water distribution pipes,' Amer. Water Works Assn. (1999)
Tai-cong Chen, Da-jian Han, F. T. K. Au and L. G. Tham, 'Acceleration of Levenberg- Marquardt training of neural networks with variable decay rate,' Institute of Electrical and Electronics Engineers, Vol. 3, pp. 1873-1878 (2003)
Min-Rae Lee and Joon-Hyun Lee, 'A study on characteristics of leak signals of pipeline using acoustic emission technique,'" Solid State Phenomena, Vol. 110, pp. 79-88 (2006)

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증