تشخيص آسيب در خطوط انتقال گاز بر اساس تغييرات فركانس طبيعي به كمك شبكه هاي عصبي مصنوعي

Damage detection in gas transmission lines based on natural frequency changes via artificial neural networks

هدف از اين مقاله معرفي يك رويكرد جديد براي عيب يابي خطوط لوله انتقال گاز با استفاده از امواج مكانيكي است. در اين مقاله تلاش شده است با استفاده از خصوصيات فركانس طبيعي و تغيير آن، روشي جهت پيدا كردن عيوب ارائه گردد. با توجه به ارتباط جرم و سفتي در تعيين فركانس طبيعي، به جاي ايجاد عيب (كاهش سفتي) از افزايش جرم استفاده شده است. روش ارائه شده شامل مدل سازي لوله 2 اينچي به طول2 متر در نرم افزار آباكوس و بررسي فركانسهاي طبيعي لوله در حالت سالم و داراي عيب ( ايجاد ترك ) است . سپس نسبت به تعيين جرم معادل براي مدل سازي عيوب اقدام شده است و در ادامه لوله فوق تحت آناليز مودال تجربي قرار گرفت و با ايجاد عيوب مصنوعي ( افزودن جرم )، حالتهاي مختلف آن آزمايش گرديد. سپس از اطلاعات به دست آمده درآموزش شبكه عصبي پرسپترون در محيط نرم افزار متلب استفاده شده است و خروجي برنامه مكان عيب و شدت آن (مقدار جرم ) مي باشد.

The purpose of this paper is to introduce a new approach for troubleshooting of gas pipelines using mechanical waveforms. In this paper, an attempt has been made to determine the defects by using natural frequency characteristics and changes. Due to the relationship between mass and stiffness in determining the natural frequency, a mass increase has been used instead of the reduction of stiffness. The proposed method involves modeling a 2-inch pipe with a length of 2 m in the Abaqus software and examining the natural frequencies of the pipe in a state of intact and defective (cracking). Then, an equivalent mass value was applied to model the defects. Subsequently, the pipe was subjected to experimental modal analysis and various conditions were tested by creating artificial defects (adding mass). Then, the obtained information was used in the study of the perceptron neural network in MATLAB software, and the program output is the defect location and its severity (mass value).