Abstract
A number of stress corrosion cracks in turbine rotor disk keyway in power plants have been found and the necessity has been raised to detect and evaluate the cracks prior to the catastrophic failure of turbine disk. By ultrasonic RF signal analysis and using a neural network based on bark-propagation algorithm, we tried to evaluate the location, size and orientation of cracks around keyway. Because RF signals received from each reflector have a number of peaks, they were processed to have a single peak for each reflector. Using the processed RF signals, scan data that contain the information on the position of transducer and the arrival time of reflected waves from each reflector were obtained. The time difference between each reflector and the position of transducer extracted from the scan data were then applied to the back-propagation neural network. As a result, the neural network was found useful to evaluate the location, size and orientation of cracks initiated from keyway.
최근 터빈 로타 디스크 키웨이에서 많은 응력부식균열이 발견되었으며, 터빈설비의 중대한 파손을 예방하기 위해 이러한 균열은 조기에 검출 및 평가되어야 한다. 본 연구에서는 초음파탐상의 RF(radio frequency) 신호를 역전파 알고리즘에 근거한 신경회로망에 적용하여 키웨이 주변의 균열에 대한 위치, 크기 및 방향성을 평가하였다. 각 반사영역에서 수신된 여러개의 피크로 나타나는 RF 신호를 각 반사영역에 대해 하나의 최대 피크를 가지도록 처리한 후, 트랜스듀서의 위치 정보와 각 반사파의 도달시긴이 들어있는 주사 데이터를 작성하였다. 이 주사 데이터로부터 각 반사영역 사이의 시간차이와 트랜스듀서의 위치 정보를 신경회로망에 적용한 결과 키웨이에서 시작된 균열의 위치, 크기 및 방향성을 평가하는데 유용함을 알 수 있었다.
