In this paper, we study the classification of defects at steam generator tube in nuclear power plant using eddy current testing (ECT). We consider 4 defect patterns of SG tube: I-In type, I-Out type, V-In type, and V-Out type. Through numerical analysis program based on finite element modeling, 400 ECT signals are generated by varying width and depth of each defect type. In order to improve the classification performance, we propose new feature extraction technique. After extracting new features from the generated ECT signals, multi-layer perceptron is used to classify the defect patterns. Through the computer simulation study, it is shown that the proposed method achieves 100% classification success rate while the previous method yields 91% success rate.
증기발생기(SG : Steam Generator)는 다수의 세관으로 구성되어 원자로에서 발생한 열을 이용하여 발전기 터빈을 구동시키는 원동력인 증기를 생성해 주는 기능을 하는 원자력발전소의 핵심 설비이다. 증기 발생기 세관의 건전성을 확보하기 위해 매주기 계획예방 정비, 즉 가동중검사마다 정기적인 와전류검사를 수행하고, 검사결과에 따라 전열관 보수 등과 같은 제반 조치를 취하고 있다. 현재 검사데이터 DB 구축은 일부 발전소에 개발되어 운영중에 있고, 세관 DB와는 별도로 통계정보만을 관리하는 증기발생기 성능관리시스템이 운영되고 있으며, 또한 각 발전소마다 수질을 계측하여 수화학 성분을 감시하는 수질관리시스템이 운용되고 있다. 이러한 이원화된 DB 및 시스템을 통합하고 연계하여 전 원전의 증기발생기를 종합적으로 관리 할 수 있는 시스템의 필요성이 대두되었다. 따라서 본 논문에서는 현장에 보관되어 있는 모든 세관 검사데이터를 취득하여 대용량 데이터베이스를 설계 및 구축하고 이기종의 분산된 수질관리시스템 DB를 연계하여, 증기발생기의 설계/제작부터 검사결과 Mapping, 추이 분석을 통한 수명평가에 이르는 전 과정을 통합 관리한 수 있는 시스템을 개발하고 그 구현방안을 제시한다.
For defect characterization in steam generator tubes in nuclear power plant, artificial neural network has been extensively used to classify defect types. In this paper, we study the effectiveness of Bagging for improving the performance of neural network for the classification of tube defects. Bagging is a method that combines outputs of many neural networks that were trained separately with different training data set. By varying the number of neurons in the hidden layer, we carry out computer simulations in order to compare the classification performance of bagging neural network and single neural network. From the experiments, we found that the performance of bagging neural network is superior to the average performance of single neural network in most cases.
The signals of the eddy current testing(ECT) for the examination of the steam generator(SG) tubes in the nuclear power plant(NPP) determine the existence, size, and kind of defects using the variation of impedance signals when a testing coil, driven by alternating current, passes through the SG tube contains defects. The aim of this paper is building a database of the RPC probe signals on the basis of the sizes variation of defects and frequency variation of probe. In this paper 3-D numerical analysis of the ECT signals using the finite element method is performed. Through this study, it is shown variation of magnitude and phase of impedance according to variation of defect size and frequency. From the result of this paper, we can obtain the information which is useful in defect discrimination of SG tube in nuclear power plant.
본 논문에서는 신경회로망을 이용하여 원자력 발전소 증기발생기 세관의 결함 깊이와 폭을 예측하는 연구를 수행한다. 결함 크기 추정을 위하여 우선, I-In 형태, I-Out 형태, V-In 형태, V-Out 형태의 4가지 결함형상에 대한 와전류탐상시험(ECT) 신호를 생성한다. 특히, 유한요소법에 기반한 수치해석 기법을 이용하여 여러 가지 폭과 깊이를 갖는 결함 400개의 ECT 신호를 생성한다. 이와 같이 생성된 ECT 신호로부터, 결함 크기와 폭을 예측하기 위한 새로운 특징벡터를 추출하는데, 이 특징벡터에는 최대 임피던스 값을 갖는 점과 최대 임피던스값의 1/2의 값을 갖는 점 사이의 위상각이 포함된다. 추출된 특징벡터를 이용하여 결함의 크기를 예측하기 위해서 하나의 은닉층을 갖는 다층퍼셉트론을 이용하였다. 컴퓨터 모의실험 연구를 통하여 제안된 방법이 우수한 예측성능을 갖는다는 것을 보였다.
본 논문에서는 원자력발전소 증기세관 크기 예측을 위한 신경회로망 구조에 대해서 연구한다. 와류탐상 시험(ECT) 신호로부터 특징을 추출한 후, 결함크기 예측을 위해서 다층퍼셉트론 신경회로망을 이용한다. 결함크기 예측성능을 최대화하기 위해서는 신경회로망의 구조, 특히 은닉층 내의 뉴런의 개수를 신중히 결정하여야 한다. 본 논문에서는, 결함크기 예측을 위한 은닉층 내의 뉴런의 개수를 교차검증을 이용하여 매우 효과적으로 결정할 수 있음을 보인다.
In the examination of Steam Generator (SG) tube in Nuclear Power Plant (NPP) Eddy Current Testing (ECT) probes play an Important role in detecting the defects. Bobbin probe and Rotating Pancake Coil (RPC) probe is usually used for the inspection of SG tube. Bobbin probe is good at high speed inspection, but ability of detection of circumferential defect is very weak. On the contrary RPC probe, which moves for inspection in the direction of axial and circumferential simultaneously, has very slow inspection speed, but it was excellent detection capability fur small cracks, which is hardly detected by bobbin probe. Many examinations of SG tube examination of NPP are achieved during short period. Therefore, solution about this must develop probe of new form for examination performance and examination time shortening of other probe. In this paper, analyzed technological present condition of Bob-bin probe and RPC probe been using in Nondestructive Testing (NDT) for SG tube defect detection and Appeared about background theory and view of developed probe newly.
In the examination of steam generator(SG) tube in nuclear power plant, eddy current testing probes play an important role in detecting the defects. Bobbin probe and MRPC probe is usually used for the inspection of SG tube. Bobbin probe is good at high speed inspection, but ability of detection of circumferential defect is very weak. On the contrary MRPC probe, which moves for inspection in the direction of axial and circumferential simultaneously, has very slow inspection speed, but it has excellent detection capability for small cracks, which is hardly detected by bobbin probe. In this paper, for the accurate analysis of experimental ECT signals, construction of MRPC probe signals database according to the variation of defect size is the main purpose. Using 3-D finite element method, ECT signals are analyzed, and signals analysis add according to frequency ingredient. The results, which are analysis and characteristics ion of electromagnetism simulation signals, is databased.
In this paper, we propose a tube-hole center detection vision algorithm verifying the position of a tele-controlled robot and providing visual information for increasing reliability and efficiency in the diagnosis of steam generator (SG) tubes in nuclear power plant. A tele-controlled robot plays a role in carrying the probe used in inspecting the integrity of SG tubes. Thus accurately locating a tele-controlled robot on the desired tube-hole center is important issue for reliability of inspection. To do this work, we have to find the tube-hole center locations from the input image. At first, we apply the three-class segmentation method modified for this application. WE extract minimum bounding rectangles (MBRs) in the theresholded binary image. Second, for discriminating between MBR by tube and MBR by noise, we introduce the MBR rejection rules as knowledge-based rule set. MBRs are divided into the very dark region MBRs and the very bright region MBRs. In order to describe the region of complete tube-hole, the MBRs need a process of pairing each other. We then can find the tube-hole center from the paired MBR. For more accurately finding the tube-hole center in several sequential images, the centers of some frames need to be averaged. We tested the performance of our method using hundreds of real images.
In this paper, we consider a performance improvement of neural network for predicting defect size of steam generator tube using early stopping. Usually, neural network is trained until MSE becomes less than a prescribed error goal. The smaller the error goal, the greater the prediction performance for the trained data. However, as the error goal is decreased, an over fitting is likely to start during supervised training of a neural network, which usually deteriorates the generalization performance. We propose that, for the prediction of an axisymmetric defect size, early stopping can be used to avoid the over-fitting. Through various experiments on the axisymmetric defect samples, we found that the difference bet ween the prediction error of neural network based on early stopping and that of ideal neural network is reasonably small. This indicates that the error goal used for neural network training for the prediction of defect size can be efficiently selected by early stopping.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.