中核武汉核电运行技术股份有限公司/中核核动力在役检查及评定重点实验室在2024年度结合工程实际需求，开展了多项技术装备研发，提升我国核设备在役检查及评定技术的水平。其中，在空间位置信息反馈技术、燃料元件氧化膜测厚技术、多频相控阵超声检测技术、燃料组件视频自动识别与测试技术和异种金属焊缝的激光超声检测技术等方面研发取得了较好的进展。
空间位置信息反馈技术研究
当前自动超声检测过程中，主要是通过位置编码信号触发采集，同时检验数据依据位置信号进行相应记录和存储。为解决手动超声检测中实时数据存储和后续数据分析的问题，尝试将惯性导航技术引入到手动超声检测过程中。应用该技术后，手动移动探头过程中能摆脱复杂的自动运动控制系统，实时反馈探头的位置信息。 在研究过程中，采用插值的方式对离散的加速度数据进行重采样，获得更高采样率的速度曲线，采用卡尔曼滤波的方式对加速度曲线中的噪声信号进行滤除，实时预测更为可靠的曲线数据，从而提升位移计算过程中双重积分的准确性。项目目前处于算法设计与测试阶段。
图1 传感器及实时姿态数据显示
图2 传感器加速度的二重积分计算示意
燃料元件氧化膜测厚技术研究
核反应堆燃料组件长期在反应堆内高温、辐照的环境中运行，在包壳、固定条带等结构的外表面会形成一层氧化膜。氧化膜对燃料组件的导热性能有很大的影响，会加剧燃料元件腐蚀速度，造成外表皮腐蚀剥落，因此极其有必要对燃料组件氧化膜进行定期检测，保障核反应堆的安全运行。 该项研究基于涡流检测技术的提离效应，针对燃料组件表面氧化膜的高精度自动化测量要求，结合双轴控制系统，采用高频涡流激励，形成了一套高精度燃料组件氧化膜厚度检测系统。并且，考虑实际应用中的水池温度，在测量过程中增加了水下辅助标定，以有效抑制水温对检测结果的影响。 图3 燃料元件氧化膜测厚检测系统示意 2024年，重点实验室完成了燃料组件的检验技术及装备开发，并在国内外多个核电站大修中成功应用，氧化膜厚度检测误差在±5 ㎛以内。
多频相控阵超声检测技术研究
铸造奥氏体不锈钢主回路管道是核电站的关键部件，其焊接质量直接影响核装置的安全性和可靠性，因此，对铸造奥氏体不锈钢管道焊接缺陷的准确检测与评定是保证核电站安全运行重点。 铸造奥氏体不锈钢管道焊缝的无损检测是一个业界难题，由于离心铸造的奥氏体不锈钢晶粒粗大且具有严重的非均质性和弹性各向异性，故超声波传播过程中声速波动和散射衰减严重，导致信号噪声水平高以及波束出现偏移和畸变。 该研究通过研制多频相控阵超声探头和开发多频相控阵超声信号采集分析算法，完成多频相控阵超声检验技术研究，并进行对比试验和缺陷试件测试验证，形成离心铸造不锈钢主管道超声检测技术和工艺。 2024年，重点实验室完成了多频相控阵超声铸造奥氏体不锈钢管道焊缝检测工艺的开发，该工艺利用多频特性，采用低频探测和高频定量来实现奥氏体不锈钢管道焊缝的检验。 受结构特性所限，多频相控阵超声探头不易设计成二维结构，因此在检测不同深度缺陷时，需要采用不同屋顶角的楔块以实现不同深度的声束聚焦。同时为了获取更好的检测效果，需要对信号进行频带较窄的精准滤波。 (a) 时域 (b) 频域 图4 多频相控阵超声探头的信号特性示意 (a) 0.5 MHz回波 (b) 1 MHz回波 图5 多频检验缺陷的低频探测和高频测高图像
多频相控阵超声检测技术研究
铸造奥氏体不锈钢主回路管道是核电站的关键部件，其焊接质量直接影响核装置的安全性和可靠性，因此，对铸造奥氏体不锈钢管道焊接缺陷的准确检测与评定是保证核电站安全运行重点。 铸造奥氏体不锈钢管道焊缝的无损检测是一个业界难题，由于离心铸造的奥氏体不锈钢晶粒粗大且具有严重的非均质性和弹性各向异性，故超声波传播过程中声速波动和散射衰减严重，导致信号噪声水平高以及波束出现偏移和畸变。
该项目采用基于热弹效应的激光激励和激光接收的多光束干涉线扫实施检测。当激励与接收激光的光束重合时，控制激发接收表面波以实现对异种金属焊缝表面和近表面缺陷的检测；以固定激励激光和接收激光距离的方式激励体波时，采用线扫实现焊缝埋深缺陷检测。 通过理论分析、仿真计算、检测工艺参数优化以及针对焊缝试件开展的初步试验，对于激光超声在异种金属焊缝的检测应用有了初步了解，得到了以下结论： (1) 采用表面波检测缺陷时，能够有效检测深度≥1 mm的表面裂纹，但与扫查取向关联较大； (2) 采用横波检测，能有效检出埋藏深度≤13 mm的埋深裂纹。 可见激光超声检测技术可以同时用于部件表面和内部缺陷检测，其远距离、非接触以及可快速扫描检测特点，在高温金属结构在线监、检测方面具有非常大的应用前景。 图6 表面波缺陷信号（上）与横波发射阴影法检测的埋深缺陷信号（下）示例
燃料组件视频自动识别与测试技术
传统的燃料组件外观检测方法主要依赖人工目视检查，但是人在长时间高强度的工作中会出现疲劳和注意力分散的情况，从而出现误判、漏检。随着计算机图像处理和机器学习技术的发展，现可以通过自动图像处理技术来弥补人工检查的不足之处，辅助检测人员实施智能化检查并提高检查效率。 重点实验室进行了燃料组件视频自动识别与测试技术研究。该技术采用传统图像处理技术与深度学习方法结合，首先提取视频中关键帧图像，然后通过去噪和图像增强等处理技术降低辐射噪点、水流扰动对后续图像分析的影响，再按照上下管座、格架条带、上下端塞和燃料棒等多个区域进行标注得到大量训练数据，设置初始权重参数开始训练深度学习模型直至收敛，检测时将视频数据输入到最优模型中提取图像特征并进行特征区域划分，以此建立关键区域图像分组及时序索引，通过分析各个区域每行像素灰度变化的规律，寻找其中不符合规律的异常区域，并针对不同关键区域进行异物检测并完成动态标记。 图7 某燃料组件外观视频检查智能分析软件检测结果 后续将在新燃料组件入场检查方面做类似的研究和软件开发，以期拓展核电燃料组件领域的检测应用。 作者：许远欢，蔡家藩，聂勇， 张益成，肖俊，谢航，祁攀，洪琪 （中核武汉核电运行技术股份有限公司） 来源：
