Prosessianturien ikääntymisen havaitseminen kohinamittauksen avulla

Abstract

Tässä diplomityössä tutkitaan menetelmiä prosessiantureiden ikääntymiseen liittyvän vikaantumisen havaitsemiseksi anturin kohinasignaalista. Tutkimuksen kohteena ovat ydinvoimalaitosyksiköiden Olkiluoto 1 ja Olkiluoto 2 pinnankorkeuden ja paineen mittaukseen käytetyt paine-ero- ja painelähettimet. Työssä esitellään kirjallisuudesta löytyviä menetelmiä vikaantumiseen liittyvien indikaattoreiden: anturin kalibraation ja vasteajan muutosten sekä signaalin resonanssipiikkien muutosten tunnistamiseksi anturin signaalin tehospektristä.

Lisäksi työssä esitellään menetelmä anturit yksilöivien sormenjälkien muodostamiseksi spektristä pääkomponenttianalyysin avulla. Seuraamalla näiden sormenjälkien muutoksia sekä eroja samaa suuretta mittaavien rinnakkaisten anturien välillä voidaan tunnistaa merkkejä anturien vikaantumisesta. Kokeellisissa mittauksissa menetelmällä pystytään muodostamaan stabiileja sormenjälkiä pintamittauksen paine-erolähettimistä. Sormenjälkimenetelmän ja spektrin muutosten avulla löydetään merkkejä mahdollisesta vikaantumisesta yhdessä Olkiluoto 2 hienopinnan mittaukseen käytettävässä anturissa.

The topic of this thesis is the methods used for detection of aging related faults in the signal noise of process sensors. The subject of the research is the pressure and differential pressure transmitters used for pressure and water level measurements at the Olkiluoto 1 and Olkiluoto 2 nuclear power plants. Known methods for detecting the primary indicators for sensor faults - changes in the calibration and the response time and changes in the resonance peaks - from the signal spectrum are presented.

Additionally a new method for fingerprinting the sensors by the PCA of the signal spectra is presented. Sensor fault detection is possible by inspecting changes over time in these fingerprints and comparing fingerprints of the redundant sensors. Empirical measurements confirm that the method is capable of forming stable fingerprints from the signal spectra of the differential pressure sensors. By using fingerprinting method and inspecting the signal spectra one possible faulty water level sensor at Olkiluoto 2 plant is detected.