Hệ thống tự động phát hiện các vết nứt tại nhà máy điện hạt nhân

PGS. Mohammad R. Jahanshahi tại Trường Kỹ thuật dân dụng, Đại học Purdue cho rằng: "Việc kiểm tra định kỳ các bộ phận của các nhà máy điện hạt nhân là rất quan trọng để tránh tai nạn và đảm bảo cho nhà máy hoạt động an toàn. Tuy nhiên, các phương thức kiểm tra hiện nay mất nhiều thời gian, tẻ nhạt và mang tính chủ quan vì chúng liên quan đến việc một thợ máy tự định vị các vết nứt trên các bề mặt kim loại".

Các thuật toán phát hiện vết nứt tự động khác đang được phát triển thường không phát hiện vết nứt ở bề mặt kim loại vì các vết nứt này thường nhỏ, có độ tương phản thấp và rất khó để phân biệt với các mối hàn, vết xước và vết cắt. Hệ thống mới được gọi là CRAQ có thể xác định và định lượng vết nứt, vượt qua giới hạn này bằng cách sử dụng một thuật toán tiên tiến và kỹ thuật "máy học" mạnh mẽ để phát hiện các vết nứt dựa vào các vết nứt xung quanh kết cấu thay đổi trên các bề mặt thép.

Hoa Kỳ đang vận hành 99 nhà máy điện hạt nhân thương mại, cung cấp khoảng 20% tổng sản lượng điện của quốc gia. Tình trạng lão hóa có thể dẫn đến vết nứt, giảm độ bền, tăng độ giòn của các thành phần kim loại, cũng như hiện tượng ăn mòn và oxy hóa.

PGS. Jahanshahi cho rằng: "Nứt là một yếu tố quan trọng có thể gây rò rỉ và dẫn đến những sự cố nguy hiểm. Ví dụ, nhà máy điện hạt nhân Millstone ở Connecticut đã bị sự cố vào năm 1996, mà nguyên nhân là do một van bị rò rỉ và chi phí khắc phục sự cố là 254 triệu USD. Trong năm 2010, Nhà máy điện hạt nhân Vermont Yankee đã trải qua sự cố do đường ống ngầm đã làm rò rỉ tritium phóng xạ vào các nguồn nước ngầm, gây thiệt hại 700 triệu USD".

Các hệ thống tự động phát hiện vết nứt đang được phát triển, được thiết kế để xử lý những hình ảnh đơn lẻ, trong khi phương pháp mới xử lý nhiều khung hình video, cung cấp kết quả chính xác hơn. Kết quả cho thấy hệ thống vượt trội so với hai hệ thống đang được phát triển.

PGS. Jahanshahi cho rằng: "Trái ngược với các phương pháp khác chỉ tập trung vào việc phát hiện các vết nứt trong một hình ảnh, chúng tôi đề xuất một phương pháp gọi là hợp nhất dữ liệu Bayesian, theo dõi các vết nứt được phát hiện trong các khung hình video và hợp nhất thông tin thu được từ nhiều khung hình. Hơn nữa, chúng tôi có thể xác định các vết vứt đã được phát hiện sai và tăng độ tin cậy và sức mạnh của việc phát hiện ra vết nứt bằng cách sử dụng lý thuyết quyết định Bayes", quyết định xác suất mà đối tượng là một vết nứt hoặc một cảnh báo giả. Hệ thống gán "mức độ tin cậy" tự động đánh giá liệu các vết nứt được phát hiện là có thật bằng cách xác định các vết nứt bằng các hộp mã màu tương ứng với các mức độ tin cậy. Ví dụ, nếu thuật toán gán mức độ tin cậy cao cho một vết nứt, đường viền hộp sẽ hiển thị màu đỏ. Quy trình xử lý mất khoảng một phút.

Nhóm nhà nghiên cứu đã ghi lại các video bằng cách sử dụng một hệ thống camera dưới nước quét 304 mẫu vật bằng thép không gỉ có chứa các vết nứt và cũng có tính năng như mối hàn, vết cắt và vết xước.

Nghiên cứu trong tương lai sẽ bao gồm việc phát triển một hệ thống tự động chính xác và hoàn chỉnh hơn bằng cách sử dụng những mô phỏng tiên tiến và phần mềm máy tính.

N.P.D-NASATI (Theo Science Newsline)