ATOMERŐMŰVI ZAJDIAGNOSZTIKAI MÉRÉSEK JELEINEK VIZSGÁLATA ÉS KOMBINÁLT MINŐSÍTÉSE. PhD értekezés. Kiss Sándor

Átírás

1 ATOMERŐMŰVI ZAJDIAGNOSZTIKAI MÉRÉSEK JELEINEK VIZSGÁLATA ÉS KOMBINÁLT MINŐSÍTÉSE PhD értekezés Kiss Sándor BME Nukleáris Tehnikai Intézet KFKI Atomenergia Kutatóintézet Budapest, 3

2 Cím: Atomerőművi zajdiagnosztikai mérések jeleinek vizsgálata és kombinált minősítése Kivonat A dolgozat az atomerőművi zajdiagnosztikai mérésekhez kapsolódó mérési és detektálási problémákkal, valamint a reaktorspeifikus jelminősítési lehetőségekkel foglalkozik. A dolgozat első felében a zajdiagnosztikai élra használt üzemi detektorok mérési tulajdonságait tárgyaljuk. Mivel a jel dinamikai tulajdonsága a detektor átviteli tulajdonságain túl a detektort és a detektor szerkezeti elemeit érő intenzív sugárzástól, valamint az adott mérési elrendezéstől is függ, ezért ezeket a tényezőket összefüggéseikben vizsgáljuk. Ennek során részletesen foglalkozunk a kompenzálatlan kábelű β-emissziós detektorok frekveniaátviteli tulajdonságával is. A dolgozat második felében olyan eljárásokat és módszereket sorakoztatunk fel, amelyekkel a jel hitelesítése a reaktor üzeme alatt végezhető el. Ezt a nagyszámú, különféle élú vizsgálati eljárást egy rugalmasan alakítható struktúra segítségével egységes rendszerbe foglaljuk. A kidolgozott minősítő rendszerben az egyedi vizsgálati eljárások minősítő értékeket állítanak elő, melyekből az alkalmazott döntési struktúra összegzési mehanizmusa egy végső minősítési értéket képez. Címfordítás: Investigation and Combined Validation of Noise Signals Measured in Nulear Power Plants Abstrat The thesis deals with measurement and detetion problems assoiated with noise diagnostis measurements performed in nulear power plants, as well as with possible reator speifi signal validation methods. In the first part the measurement features of operating detetors used for noise diagnostis purposes are dealt with. Signal harateristis of detetors may be signifiantly influened, besides the transfer properties of the detetor, by the geometrial properties of the measuring arrangement and by the radiation, therefore these features are investigated olletively. In onnetion with this, the transfer property of the unompensated Self Powered Neutron Detetor (SPND) is examined in detail. In the seond part a speial emphasis is put on the methods and praties of signal validation proedures that an be arried out during reator operation. Taking into aount the great number of available methods, a general sheme has been elaborated that an be adapted to a wide range of different requirements. Individual validation methods produe reliability/validity values. These individual validity values are ombined into a final judgement by using a summation mehanism based on the applied deision struture. Megjegyzés A dolgozat bírálatai és a védésről készült jegyzőkönyv a későbbiekben a BME dékáni hivatalában megtekinthetők. - i -

3 Bevezetés.... A dolgozat előzményei és élkitűzései..... Atomerőművi jelek hitelesítésének áttekintése..... A reaktor diagnosztizálásakor használt zajdiagnosztikai és zajjel-hitelesítési módszerek A dolgozat élkitűzései A zajvizsgálatok során használt eszközök, jelek és eljárások áttekintése..... A paksi zajdiagnosztikai jelkisatolás felépítése..... A reaktor és a primer kör zajdiagnosztikai élra elérhető jelei Mintavételezés Alapvető zajdiagnosztikai feldolgozási módszerek A detektorok tulajdonságainak áttekintése Az ionizáiós kamrák A zónán belüli neutrondetektorok Az SPND detektorlánok A hűtőközeg sebességének beslése neutronzajjelekből Terjedő perturbáiók vizsgálata A korreláió alapú sebességbeslés Az SPND lánok modellezése Az SPND lánok egyszerűsített modellezése Egydimenziós reaktormodellen alapuló zajszimuláió Mért zajdiagnosztikai idősorok korrekiója Az SPND detektorlán vizsgálatának összefoglalása Termoelemek Vibráiós- és nyomásjelek Jelminősítés A zajforrás, azaz a mért rendszer minősítése DC jelek (értékek) vizsgálata Az üzemviteli informáiók felhasználása a minősítésben Az elektronikai mérőlán vizsgálata és minősítése A mérőlán tesztelése vezérelhető jelgenerátorral Automatikus erősítésállítás Refereniasatorna alkalmazása és vizsgálata Az idősorok vizsgálata (Time Domain Analysis) Az időjeltranziensek egyedi vizsgálata Az egyváltozós autoregresszióval összekapsolt SPRT módszer A módszer leírása A kísérlet összeállítása Kísérleti eredmények Az UAR+SPR vizsgálatának összefoglalása Csoportos vizsgálat (a tranziensek egyidejűségének vizsgálata) Detektorminősítés Az időállandó vizsgálata Az időállandó számítási módszere ii -

4 A számítási eljárás vizsgálata Konklúzió Spektrumvizsgálatok Neurális háló Neurális háló gyakorlati alkalmazása spektrumosztályozásra A tanuló- és tesztadatbázis létrehozása A neurális háló tanítása A spektrumfelismerés A neurális háló alkalmazási próbájának összefoglalása Tapasztalati (szakértői) spektrumvizsgálat Koherenia (korreláió) alapú vizsgálat Tendeniafigyelés Műszeres detektorvizsgálat A kombinált jelhitelesítési eljárás Az egyszerű döntési módszereken alapuló minősítési struktúrák és kiértékelésük A jelen belüli vizsgálat felépítése A jelek közötti kapsolatot is figyelembe vevő vizsgálat felépítése A kiértékelés menete Alkalmazási próba a jel minősítésére A zajforrás minősítése Az elektronikai lán minősítése A detektor tulajdonságaira és környezetére jellemző zajtényezők vizsgálata. Detektorhitelesség A vizsgálati módszerek eredményeinek összegzése Összefoglaló Summary Irodalom Köszönetnyilvánítás Rövidítések Publikáiós lista Nyilatkozat iii -

5 Bevezetés A zajdiagnosztikai módszerek alkalmazása a paksi erőmű négy VVER-44/3 típusú reaktorának vizsgálatára a KFKI AEKI-ben már az erőmű indításakor elkezdődött. A beépített mérőrendszerek első elemei a négy blokkra telepített PDR-PDA diagnosztikai lánok voltak, melyek lehetőséget biztosítottak néhány kiválasztott ex-ore, in-ore, nyomás és vibráiós detektor zajjelének megmérésére []. A mérőlánokon 993-ig zajlottak off-line (magnetofonra rögzített) mérések, melyek az AEKI-ben kerültek feldolgozásra. Az AEKI és a VEIKI az AEKI szervezésében 99-ben a kalinyini erőműbe szállított egy komplex zajdiagnosztikai rendszert [], amely elöregedéséig sikeresen működött. 993-ban az AEKI a paksi erőmű 3. és 4. blokkjaira kiépítette a kalinyini rendszer Paksra adaptált változatát, a CARD diagnosztikai rendszereket, melyek 996-ig folyamatosan üzemeltek. 99-ben megkezdődött a PDR- PDA szekrények kiváltása a VERONA [3, 4, 5] zajdiagnosztikai kisatolásokkal. Ezek teljes beüzemelése ez idáig sak a 4. blokkon történt meg, a többi blokkon sak részlegesen valósult meg. Az AEKI a 9-es évek elején elkezdte a JEDI zajdiagnosztikai rendszer [6] fejlesztését, de az ipari körülmények közé szánt változatnak a kidolgozását megrendelés hiánya miatt 997-ben abbahagyta. Jelenleg az erőműben a felsorolt három rendszer hardver- és szoftvermoduljainak a keveréke használatos. A nemzetközi tapasztalatok szerint a zajdiagnosztika használatával több esetben sikerült olyan elváltozásokat feltárni, amelyek később komolyabb problémákhoz vezethettek volna, vagy olyan informáiót nyújtani, amely a költségek sökkenését eredményezte [7]. Olyan súlyos esemény is ismert, amely már egyszerűbb zajdiagnosztikai megoldások alkalmazásával időben felderíthető lett volna (a zónatartó kosár mozgása a greifswaldi erőműben [7]). A paksi zajdiagnosztika helyzete az elmúlt két évtizedben hullámzóan alakult. A módszer újdonságából eredő hajtóerőnek köszönhetően a kezdeti időszakban a diagnosztikai tevékenység folyamatosan fejlődött, majd 996-ban a paksi diagnosztikai tevékenység leállításával, ami részben a megelőző időszak viszonylagos eseménytelenségével magyarázható mélypontra került. Az ezt követő és a megelőző időszakhoz képest aggasztóbb, a reaktor biztonságát poteniálisan veszélyeztető események (pl. kazettaeltömődés, idegen test jelenléte, SZBV beszorulás) következtében a zajdiagnosztikai tevékenység fokozatosan feléledt, és hasznos informáiókkal szolgált a felmerült rendellenességek kivizsgálásában [8]. Az iparági tapasztalatok szerint az élettartamuk felénél idősebb reaktorok esetén a tehnológiai folyamat és a rendszerkomponensek monitorozása nagyobb hangsúlyt igényel. Paks vonatkozásában a tervbe vett átalakítások, nevezetesen az élettartam meghosszabbítása, a teljesítmény növelése és az új típusú fűtőelemek bevezetése további indokokat adnak a diagnosztikai fejlesztésekre. Ezen projektek megvalósítása esetén olyan új vagy továbbfejlesztett, on-line monitorozó rendszer kifejlesztése válik szükségessé, amely nagyobb kapaitású adatgyűjtő és jelvizsgálati képességekkel rendelkezik. Ehhez kapsolódóan szükségesnek látszik a jelenlegi zajdiagnosztikai rendszerek fokozatos rekonstrukiója is. A dolgozat egyik élja, hogy olyan eredményekkel szolgáljon, amelyek közvetlenül hasznosíthatók az elkövetkezendő zajdiagnosztikai rendszerépítések, illetve -fejlesztések során, ezért a rendszerfejlesztésben közvetlenül felhasználható, a reaktorra jellemző mérési és detektálási problémákat, valamint a reaktorspeifikus jelminősítési lehetőségeket járja körül, míg a reaktorban zajmódszerekkel felderíthető jelenségekkel sak érintőlegesen foglalkozik. A közismert és a gyakran használt rövidítések jegyzéke külön fejezetben a dolgozat végén található. - -

6 . A dolgozat előzményei és élkitűzései.. Atomerőművi jelek hitelesítésének áttekintése Az atomerőművek üzemeltetése sok poteniális veszélyt rejt magában, ezért a kezdetektől fogva nagy erőket fordítottak a reaktor működési biztonságának fokozására. A biztonságos üzem megvalósítása több pilléren nyugszik. Az egyik a reaktor inherens biztonsága. Ekkor a reaktort úgy tervezik és építik meg, hogy egy esetleges üzemzavar után bekövetkező események a reaktort biztonságos üzemállapot felé mozdítsák el [9,,, ]. A másik fontos terület a reaktor külső biztonságának a növelése. Ez a reaktorhoz épített különböző biztonságvédelmi és szabályozó rendszerek segítségével valósul meg. A reaktor működésébe való beavatkozás kiváltása mind biztonságvédelmi, mind szabályzástehnikai vonatkozásban meghatározott fizikai paraméterek mérési eredményeinek (az úgynevezett folyamatváltozóknak) az alapján történik. (Például egy biztonsági rendszer akkor lép működésbe, ha az általa figyelt paraméter vagy paraméterek valamelyike egy adott szintet átlép.) Ezért a mért értékek megbízhatósága alapvető a biztonságos üzem megvalósításához. A továbbiakban [3, 4] alapján röviden áttekintjük a szabályozórendszerekben alkalmazott jelhitelesítési elveket. A jelek megbízhatóságának szavatolása a biztonságvédelmi rendszerekben elsősorban a redundania és a diverzitás elvén alapszik. Redundania: A fontos fizikai paraméterek mérésére több azonos mérőlánot építenek be. Például a háromszorosan redundáns rendszereknél akkor fogadnak el egy jelet hitelesnek, ha a három rendszerből kettő bizonyos hibahatáron belül ugyanazt az értéket mutatja. Alkalmazzák még a négyből a kettő redundáns rendszereket is. Gyakori megoldás a többszörösen redundáns jelek esetében, hogy a legnagyobb és a legkisebb értékeket eldobják, és a megmaradó értéket (több megmaradó érték esetén a megmaradó értékek átlagát) veszik alapul. Diverzitás: Ugyanazon fizikai jellemző mérésére különböző elven működő mérőlánokat építenek be, és a mért értékeket akkor tekintik hitelesnek, ha azok egy meghatározott hibahatáron belül megegyeznek. Ezzel a megoldással a szisztematikus hibák küszöbölhetők ki. A párhuzamos üzemű rendszerek létesítése jelentős többletköltséggel jár, ezért ezeket a megoldásokat főleg a kiemelten fontos jelek (fizikai mennyiségek) mérésekor használják. (Megjegyzendő, hogy a biztonsági rendszerekben gyakran nemsak a mérőlánot, hanem az egész beavatkozási lánot redundánsan és/vagy diverzen építik meg.) Nagyszámú jel egyszerűen megvalósítható (és nem utolsósorban kevésbé költséges) minősítése a jelek értékének figyelésén alapszik. A legegyszerűbb ilyen eljárás a jelek limitfigyelése. Ennek során a mért jelet egy rögzített értékkel vagy értékekkel hasonlítják össze, és akkor fogadják el hitelesnek, ha a mért érték a beállított érték alá, vagy alsó és felső limit esetén a megadott, illetve a beállított korlátok közé esik. A jelek, mért adatok pontossága döntően függ a mérőrendszer állapotától, ezért a jel hitelességét időszakosan a mérőlánok vizsgálatával is ellenőrzik. Ennek két fontos módszere a mérőrendszer kalibráiójának és integritásának az ellenőrzése. A mérőrendszer kalibráiójának ellenőrzése. Az ellenőrzés a mért rendszer (illetve mennyiség) ismert mértékű megváltoztatása vagy a mérőlán bemenő jeléhez kevert tesztjel segítségével történik. - -

7 A mérőlán integritásának ellenőrzése. A vizsgálat a mérőlán egészének működését ellenőrzi. A vizsgálat során a mért rendszer (illetve mennyiség) egy stabil állapotában ismert mértékben megváltoztatják a mérőrendszer bemenőoldali paramétereit, és a kimeneti oldalon bekövetkező változás alapján állapítják meg a rendszer állapotát, illetve működőképességét. Ezt a vizsgálatot sok esetben automatizáltan valósítják meg. (Az egyik elterjedt ellenőrzési módszer a detektorok ellenállásának a figyelése. Ezt a módszert a paksi erőműben is alkalmazzák.) A nyolvanas évek közepéig gyakorlatilag az említett módszerek jelentették az atomerőművi jelek hitelesítését. A tehnika fejlődése magával hozta az analóg rendszereket fokozatosan felváltó digitális mérő- és vezérlőrendszereket. Magától értetődően a fentebb ismertetett elvek a digitális rendszerekben is megjelennek. Ezekben a rendszerekben különösen nagy hangsúlyt kap a szoftverek funkionális diverzitásának megteremtése, valamint az eltérő hardver és az eltérő real-time operáiós rendszerek alkalmazása is. (Ld. az U.S. Nulear Regulatory Commission állásfoglalása [5].) A kilenvenes évekre a repülőgépekre kidolgozott jelhitelesítési tehnikák megteremtették a fejlett számítógépes jelhitelesítési módszerek alkalmazásának alapját az atomerőművi jelek hitelesítésére is [4]. Ezek a módszerek a jelek közötti összefüggések ismeretében, a redundaniák kihasználásával, logikai kapsolatok és analitikus modellek felhasználásával végzik el a mért értékek hitelesítését [6, 7, 8]. A zajjeleknél redundáns kiépítéssel, illetve diverzitással nem rendelkezünk, azonban egyfajta redundaniával mégis számolhatunk. Ez abból adódik, hogy a reaktoron mért zajjelekben a reaktor globális fluktuáiója miatt találhatók olyan jelkomponensek, amelyekben egyfajta azonosság megfigyelhető. Ezt pedig a jelek megfelelő soportosításával, a zajjelek spektrumainak összevetésével, a jelek között kohereniák vizsgálatával és megfelelő szabályrendszer kidolgozásával a zajjelek hitelesítésére is kihasználhatjuk. Ebben az időszakban kísérletek történtek a neurális hálózaton alapuló jelhitelesítés bevezetésére is [9]. A módszert kiforratlansága (a számítási folyamat átláthatatlansága, a jelentős számításigény és a hitelesítést megelőző tanulási folyamat szükségessége) miatt a 9-es évek elején még sak elvétve alkalmazták. Hasonló sorsra jutott a hyperube módszer [8, ] is, melynek használatát szintén egy nagy adatbázis létrehozása előzi meg, azzal a különbséggel, hogy az adatbázis feltöltését itt nem tanulásnak, hanem a rendszer kalibráiójának tekinthetjük. Az ilyen és az ezekhez hasonló, nagy számítógép-kapaitást igénylő módszerek alkalmazására a 9-es évek közepére értek meg a feltételek. Ez adta a lehetőséget, hogy megvizsgáljuk a neurális háló felhasználását a zajjelek minősítésére is. Itt nem rendszerállapot felismerésére, hanem a jelek spektrumaiban bekövetkező változások felismerésére próbáltuk alkalmazni a módszert (ennek részletei a fejezetben találhatók). A kilenvenes évek végére ismét előtérbe kerültek az egész rendszer állapotát vizsgáló úgynevezett állapotazonosító rendszerek, amelyek már az előző bekezdésben említett módszereket is magukba olvasztották. Ilyenek például az MSET (Multivariate State Estimation Tehnique) [] rendszer, vagy az általunk közelebbről megvizsgált PEANO (Proess Evaluation and Analysis by Neural Operators) rendszer azaz folyamatkiértékelés és -vizsgálat mesterséges neurális hálók segítségével [], mely az OECD Halden Reaktor Projekt keretében került kifejlesztésre. Az MSET feketedoboz-módszer, amely on-line monitorozásra, hibafelismerésre, illetve diagnosztikára, valamint az elromlott szenzorok jelének beslésére készült. A szoftverrendszer három fő modulból áll. - Betanuló modulból, amely a normális üzemviteli adatok alapján megtanulja a detektorok normális működésének tartományát és a detektorjelek együttmozgását

8 - Modellező vagy állapotbeslő modulból, amely a betanult normálállapot alapján beslést ad a mért adatok tényleges értékére. - Hibafelismerő modulból, amely a mért és a besült értékek különbségét SPRT-vel (Sequential Probability Ratio Test) megvizsgálva szűri ki a hibás jeleket. A PEANO rendszer több, különböző on-line méréssel azonosított folyamatot folytonosan értékel abból a szempontból, hogy mennyiben azonosítható a folyamat mögött álló tehnológia állapota valamely korábban megvalósult folyamatállapottal. Ehhez a rendszert be kell tanítani a tipikus folyamatállapotoknak megfelelő adatsorokkal. Ez a betanítás történhet rögzített mért adatokkal, vagy akár szimulátorral generált adatsorokkal is. A fentiekből következik, hogy itt tipikusan ún. feketedoboz-modellről beszélhetünk, tehát a rendszerbe nem építünk be semmit a mögöttes tehnológia fizikai modelljéből. A PEANO rendszer és algoritmus minden olyan módszerhez hasonlóan, amely folyamatváltozók minősítését végzi sak arra vonatkozóan hoz ítéletet, hogy az adatok mért rendszere valamely adott pillanatban, illetve időszakban mennyiben konzisztens. Az esetleges inkonziszteniának alapvetően két oka lehet: mérési hiba, illetve rendellenes állapot a felügyelt tehnológiában. Az állapotazonosító rendszerek alkalmazásánál fontos szerepe van az emberi tényező effektusnak, nevezetesen hajlamosak vagyunk általános igazságnak tekinteni azt, ami az esetek nagy százalékában igaznak bizonyul. Itt azáltal jelentkezik ez az effektus, hogy inkonzisztenia esetén a mérőrendszer hibája a legvalószínűbb. Nem hagyhatjuk azonban figyelmen kívül azt a lehetőséget, hogy a jelenség a tehnológiából származik, hiszen ennek poteniálisan sokkal súlyosabbak a következményei. Emiatt sohasem szabad egyenlőségjelet tenni az inkonzisztens mérés és a hibás mérőrendszer fogalma közé. A PEANO és a hasonló rendszerek szerepe lezárul azzal, hogy felderítik az inkonziszteniát, de a feltárt jelenség okainak vizsgálata kívül esik hatókörükön, az mindenképpen az emberi szakértők feladata. Az MSET és a PEANO is elsősorban állapothatározó rendszernek készültek, ezért a jelek sztohasztikus tartalmának vizsgálatára nem feltétlenül alkalmasak. Feketetoboz-módszerként elvileg mindenre betaníthatók, ez azonban sak akkor előny, ha nem, vagy sak nehezen tudunk a jelek tulajdonságaira, a jelek közötti kapsolatokra szabályokat, illetve összefüggéseket felállítani. Hátránynak tekinthető az is, hogy a rendszerek betanításakor mindig felmerül, hogy a rendszerek mennyire megbízhatóak a betanított tartományon kívül eső hibák kimutatásában. Az MSET hiányosságai közé tartozik, hogy detektorserék után a rendszert elvileg újra be kell tanítani. Kérdés az is, hogy ezen rendszerek miképpen boldogulnának a zajdiagnosztikában használatos mintaszámmal, ugyanis ez több nagyságrenddel meghaladhatja az állapotazonosítás során használt mintaszámokat. Az eddig vázoltaknál összetettebb, szerteágazóbb és egyben kiforratlanabb az idősorok (fluktuáló jelek) hitelesítése. Ezen a területen a számítástehnika fejlődésének következtében napjainkra sok, korábban inkább még sak elméletinek számító módszer vált alkalmazhatóvá (pl. Kálmán-szűrő), és néhány, már klasszikusnak számító módszer került ismét előtérbe, illetve továbbfejlesztésre (pl. az SPRT, MAR, ARMA) [3, 4, 5, 6]. A viszonylagos bőség mellett azonban még mindig nem alakult ki egy olyan általánosan alkalmazható vizsgálati módszer, amellyel az időben változó jelek hitelessége teljes biztonsággal megállapítható. A fluktuáló jelek használatának egyik jellemző területe a zajdiagnosztika, ahol a kapott eredmények megbízhatósága (illetve a kapott eredmények hibás értelmezése) erősen függ a zajjel minőségétől

9 .. A reaktor diagnosztizálásakor használt zajdiagnosztikai és zajjel-hitelesítési módszerek Az 98-as évekre megalapozták a reaktor-zajdiagnosztika elméleti és kísérleti alapjait. Az addig elért eredmények összefoglalása Kosály György ikkében [7] és J. A. Thie könyvében [8] olvasható. A zajdiagnosztikai módszerek segítségével lehetővé vált a reaktor és a reaktor szerkezeti elemeinek működés közbeni viselkedésének nyomon követése, és ezáltal néhány meghibásodás korai felismerése. Az eddig kialakult zajvizsgálati módszerekből a teljesség igénye nélkül néhány: a tartály, zónatartó kosár, szabályozórudak, fűtőelemek, tartószerkezetek rezgésének monitorozása, a hőmérséklet, nyomás, hűtőközeg-sebesség ingadozásának nyomon követése, a reaktivitás-együttható vizsgálata a hőmérséklet, nyomás stb. ingadozásának függvényében, a primer kör elemeinek (főkeringető-szivattyúk, térfogat-kompenzátor, gőzfejlesztő) a vizsgálata és hatáskapsolatuk a reaktorral és a reaktor szerkezeti elemeivel. A zajdiagnosztikai vizsgálatok a kilenvenes évekig döntően a helyszínen időszakosan végzett kézi mérések utólagos feldolgozása és elemzése alapján készültek. A zajmódszerek fejlesztésére, az erőművi mérések jobb megértésére világszerte köztük az AEKI-ben is sok laboratóriumi modellkísérlet történt [9 35]. Magyarországon a paksi erőmű első blokkjának a beindításától kezdve készültek rendszeres zajdiagnosztikai mérések [36 39]. A jelek hitelesítése a mérés (magnetofonos mérésfelvétel) előtt a jel egyszerű műszeres ellenőrzésével (feszültségmérő, oszilloszkóp és később frekveniaanalizátor segítségével), valamint a reaktorállapotot rögzítő úgynevezett Órás naplók és a VERONA naplók alapján történt [3, 4]. A kilenvenes években jelentek meg azok a helyszínre telepített, nagy mennyiségű adatot gyűjtő és feldolgozó számítógépes rendszerek, amelyekkel akár órás gyakorisággal is lehetett zajvizsgálatokat (mérést és feldolgozást együttesen) végezni. Az AEKI az elsők között készített és szállított komplex, automatikus mérésre és feldolgozásra képes zajdiagnosztikai rendszert VVER- reaktorra []. Németországban a Siemens fejlesztett atomerőművi zajdiagnosztikai rendszereket. Ezek a KÜS (elszabadult alkatrészt detektáló), SÜS (rezgésmonitorozó) és az ALÜS (akusztikus szivárgásdetektáló) rendszerek voltak. Ezek PC alapú első változatai ben, a fejlettebb verziók pedig ben készültek el [4, 4]. Franiaországban több mint ötven erőművi blokkon végeznek reaktordignosztikai vizsgálatokat. A frania diagnosztikai mérések és fejlesztések döntően az EDF (Eletriité de Frane) közreműködésével történnek. A franiák 995-ben mutatták be a PSAD (Poste de Surveillane et d Aide au Diagnosti) újgeneráiós, integrált on-line monitorozó és off-line diagnosztizáló rendszert, melynek prototípusát 996-ra ígérték [4, 43]. A PSAD rendszert felkészítették a reaktor belső szerkezeti elemeinek és a primer kör gépészeti elemeinek rezgésdiagnosztikájára, valamint elszabadult alkatrészek detektálására is. A rendszer jelenlegi elterjedtségének mértékéről nem áll rendelkezésre informáió. A kanadai (CANDU) reaktoroknál is alkalmaznak zajdiagnosztikai mérőrendszereket a szerkezeti elemek vibráiójának és a detektorok meghibásodásának kimutatására [44]. A távolkeleti országok közül Koreában és Japánban szintén történnek erőfeszítések reaktor-zajdiagnosztikai mérések végzésére és zajdiagnosztikai rendszerek létrehozására [45, 46]. Az amerikai atomerőművekben mind kutatási, mind ipari jelleggel végeznek szisztematikus zajdiagnosztikai méréseket, azonban a mérőrendszerekről nem rendelkezünk bővebb informáiókkal. Zárkózottságuk következtében kevés írásos informáió áll rendelkezésre a Kínában és Indiában folyó reaktordiagnosztikai, illetve -zajdiagnosztikai tevékenységről. A konfereniákon időszakosan megjelenő szakembereiktől tudható, hogy figyelemmel kísérik a világban zajló ilyen típusú tevékenységet, továbbá saját diagnosztikai fejlesztéseket és méréseket is végeznek

10 Mint minden mérésfeldolgozás, úgy a számítógépes zajdiagnosztikai vizsgálatok eredményeinek hihetősége az alkalmazott módszer eredményességén túl a mért jelek valódiságától is függ, ezért a jelek bizonyos mértékű hitelesítése már a kezdetektől fogva helyt kapott a számítógépes zajdiagnosztikai rendszerekben. A zajdiagnosztikai rendszereket ismertető fentebb hivatkozott publikáiókban közös, és ebből a szempontból saját publikáióink sem kivételek, hogy nem közölnek részleteket a rendszerekbe befutó jelek hitelesítésének módjairól. Ennek oka lehet üzleti, vagy az, hogy a rendszerekben alkalmazott megoldásokat a szerzők nem tekintették publikáiós értékűnek. Ezért egy olyan jelhitelesítési rendszer kifejlesztésénél, amely nagymértékben kihasználja a reaktorra jellemző jeltulajdonságokat, alapvetően a saját tapasztalatainkra kell támaszkodni. A leggyakoribb megoldás, hogy a mérés előtt az elektronikai rendszer öntesztelése zajlik le. A Siemens rendszerekben az elektronikai teszt mérés közben, a mérés megzavarása nélkül történik. Ennek tehnikai megoldását azonban már nem ismertetik. Az elektronika megfelelő működése sak egy azon feltételek közül, amelyek elengedhetetlenek a megfelelő minőségű jel biztosításához. Az ipari körülmények között a jelekre alkalmazott jelhitelesítési megoldások gyakorlatilag néhány mondatban összefoglalhatók. A 9- es évek elején a vizsgálatok az akkori lehetőségek miatt általában sak egyszerű szintfigyelési (határértéktúllépés-figyelési) eljárással valósultak meg, amelyek döntően annak felismerésére irányultak, hogy előfordult-e a jelben túlvezérlés. Az általunk szállított zajdiagnosztikai rendszerekben ezt az eljárást még egy olyan speiális refereniasatornával kombináltuk (ezt a fejezetben részletesen ismertetjük), amely lehetővé tette a mérőrendszer állapotának mérés közbeni diagnosztizálását is. Ha a rendszerbe épített vizsgálatok bármelyike hibát jelzett, akkor a jel hibásnak lett minősítve. A minősítés alapján a felhasználó mérlegelhette, hogy megismétli-e a mérést. A zajjeleken már ekkor több jelhitelesítési módszert próbáltak, illetve próbáltunk ki (ld. 3. fejezet), kezdve az egyszerűbb koherenia alapú vizsgálatoktól az összetettebb UAR (egyváltozós autoregresszió) alapú SPRT-n (szekveniális valószínűségi teszt) keresztül az FFT spektrumokra alapozott neurális hálózatokig, vagy a fizikai modelleken alapuló parity spae és Kálmán-szűrős eljárásokig [3, 47, 48, 49, 5]. A bonyolultabb jelhitelesítési vagy vizsgálati módszerek eredményessége azonban gyakran nem volt arányban az igénybe vett az adott időszakban még elfogadható számítógépi erőforrásokkal, és a kapott eredmények is sokszor megbízhatatlanok voltak. A módszerek egy része sak válogatott (laboratóriumi) adatokon, hosszadalmas, egyedi paraméterbeállítások után hozta meg a kívánatosnak vélt eredményt, így gyakorlati alkalmazásuk sem történt meg. Másrészről, ha a jelet sak egy módszerrel, egy meghatározott szempont szerint vizsgáljuk meg, akkor a lehetséges hibaforrásoknak sak egy bizonyos fajtáját szűrjük ki. Tehát egy egyszerű vizsgálati eljárás nem feltétlenül elegendő a jel hitelességének pontos megállapításához. Az eddigiek a következőképpen összegezhetők. A diverzen, illetve redundánsan kiépített érzékelők jelét hitelesítő módszerek elsősorban a jelek állandósult vagy névleges értékeinek hitelesítéséhez lettek kidolgozva. A zajjelek hitelesítésénél ezeket a módszereket akkor használhatjuk fel, ha találunk olyan jelsoportokat, melyek jeleinek meghatározott tulajdonságai normál körülmények között azonos jellemzőket mutatnak. Az.. fejezetben ismertetett állapotazonosító rendszerek, a neurális hálón alapuló jelhitelesítési módszerek és a hyperube módszer egyaránt a jelek névleges értékeinek vizsgálatára készültek, és feladatukat sak egy tanulási folyamatot követően tudják elvégezni. A tanulás során önállóan térképezik fel az összefüggéseket, ami abban az esetben már nem olyan nagy előny, ha magunk is képesek vagyunk egyszerű és átlátható szabályrendszert felállítani a jelek tulajdonságaira, illetve a jelek közötti összefüggésekre. Az üzembe állított reaktor-zajdiagnosztikai rendszerekben alkalmazott jelhitelesítési - 6 -

11 megoldások részleteiről, illetve az üzemi tapasztalatokról az AEKI fejlesztésű rendszereket leszámítva ninsenek informáióink. Ugyanakkor nagyon sok jelvizsgálati eljárás, illetve módszer ismert, és a számítástehnika fejlődésének következtében napjainkra sok, korábban még sak elméletileg kidolgozott módszer vált alkalmazhatóvá a gyakorlatban. Az elmondottak alapján kézenfekvő, hogy a mérőrendszereink üzemeltetése és a jelfeldolgozások során nyert tapasztalatainkat hasznosítva, sokfajta vizsgálati módszert rendszerbe szervezve végezzük el a jel hitelesítését. Ezért a dolgozatban azt vizsgáljuk meg, hogy miként lehet zajjelekre a tapasztalataink felhasználásával, valamint a reaktorra jellemző jeltulajdonságokat kihasználva egy összetett (több vizsgálati módszer eredményét integráló), rugalmasan alakítható és megbízható hitelesítési rendszert létrehozni..3. A dolgozat élkitűzései A reaktor-zajdiagnosztika egyik jellegzetessége, és egyben nehézsége is, hogy a vizsgálati eljárás tehnikai és gazdasági okok miatt főleg a reaktor üzemviteli detektorainak (ionizáiós kamrák, SPND detektorok, termoelemek stb.) felhasználására épül. Ugyanis a reaktorban uralkodó szélsőséges viszonyokat a magas hőmérsékletet és az intenzív sugárzást sak az erre készített speiális detektorok képesek tartósan elviselni. Az üzemviteli detektorok hátránya azonban, hogy főleg statikus állapotok mérésére készülnek, így pl. a frekveniaátvitelük fluktuáló jelek mérésére nem optimális. Esetükben általában nem állnak rendelkezésre olyan kalibráiós vagy átviteli görbék, amelyek zajdiagnosztikai alkalmazásnál, azaz a fluktuáló jelek mérésénél, illetve vizsgálatánál szükségesek lennének. Nagy ipari rendszereknél, ahol a komplexitás miatt több szervezeti egység munkája alapozza meg a méréseket, valamint a telepített detektorok hasznosítása is több szinten és helyszínen történik, előfordulhat, hogy a mérőrendszerekre vonatkozó aktuális informáiók késlekedve, esetleg sak részlegesen jutnak el a kevésbé fontosnak tekintett felhasználókhoz. Esetenként a fő mérőrendszer zavarása is megjelenik a diagnosztikai leágazás jeleiben. A kiépített mérőrendszer egyes elemeinek a vizsgálatára, bemérésére a reaktor üzeme alatt már nins lehetőség. Ezért gyakori, hogy a mérőrendszer meghatározó elemeinek (pl. detektoroknak, előerősítőknek stb.) az állapotát is sak közvetve, a mérési eredmények alapján lehet meghatározni. Ahhoz, hogy önmagából a jelből állapítsuk meg annak használhatóságát, szét kell választani a jel különféle összetevőit, és ismerni kell azok lehetséges forrásait. Ezért a dolgozat egyik élkitűzése, hogy feltérképezze, illetve átfogóan megvizsgálja a reaktor zajjeleinek jellemző tulajdonságait, továbbá feltárja az ezeket meghatározó okokat. Mint minden mérésnél, úgy a zajdiagnosztikai vizsgálatoknál is valamilyen módszerrel meg kell győződni arról, hogy a mért értékek vagy jelsorozatok mennyire tükrözik a valóságot, azaz a mérésbeállítás, a mérőrendszer állapota stb. mennyiben felelt meg a mérési követelményeknek, nem történtek-e olyan, a vizsgált rendszertől független jelenségek, amelyek hatással lehettek a mért jelekre. (Ezt a vizsgálatot tekintjük a jel hitelesítésének.) Ugyanis a hibás adatok feldolgozása és elemzése helytelen eredményekre, illetve következtetésekre vezethet. A kézi mérések során a szakember a műszereket, kijelzőket folyamatosan figyelve sokéves tapasztalataira támaszkodva végezte el illetve a tehnika korábbi szintjén még éppen el tudta végezni a jel hitelesítését, azaz annak megállapítását, hogy a mért értékek megfelelnek-e a valóságnak. A mai tehnikai színvonalon olyan mennyiségű adat mérésére és feldolgozására van lehetőség, és egyben szükség is, ami már sak automatizáltan oldható meg. Egy egyszerű zajdiagnosztikai mérésnél egyidejűleg több száz detektor zajjeléről készülhet jelenként akár százezres nagyságrendű mintát tartalmazó idősor, és így a végeredményként kapott adathalmaz mérete a tízmilliós nagyságrendet is meghaladhatja. Nyilvánvaló, hogy ilyen mennyiségű adattömeg gyors és könnyen - 7 -

12 megismételhető hitelesítését sak automatizáltan, számítógépesítve lehet elvégezni. A nagyobb jeltömeget a korábbihoz képest összetettebb analóg és digitális elemeket vegyesen tartalmazó mérőrendszerek szolgáltatják, amelyekhez egyben újabb poteniális hibaforrások is társulnak. Mindennapi tapasztalat, hogy digitális rendszereknél a legmeglepőbb hibák felbukkanására is fel kell készülni. Napjainkig zajdiagnosztikai vizsgálatok éljára sok jelvizsgálati, jelhitelesítési módszert fejlesztettek ki, melyek egy része az atomreaktorok zajdiagnosztikájában is meghonosodott. Az eddig készített reaktor-zajdiagnosztikai rendszerek is tartalmaznak olyan egyszerű automatizmusokat, amelyekkel bizonyos jelhibákat, illetve mérőrendszer-hiányosságokat ki lehet szűrni, azonban ezek a mai igényeket már nem elégítik ki. Ezért a dolgozat másik fontos élkitűzése egy olyan jelhitelesítési eljárás kidolgozása, amellyel a reaktorzónából származó zajjeleknek illetve a reaktor belsejének állapotát mérő detektorok zajjeleinek a hitelesítése az eddigieknél megbízhatóbban, automatizálhatóan végezhető el. Az előzőekben vázolt két élkitűzés megvalósítása érdekében a dolgozatot a következőképpen építettem fel. A. fejezetben áttekintem az atomerőművi zajdiagnosztikai mérőrendszerek szokásos felépítését, tekintetbe véve már az általunk tervezett következő mérőrendszer-generáiót is, majd a zajjelek tipikus tulajdonságait vizsgálom meg jeltípusok, illetve detektortípusok szerint, azzal a szándékkal, hogy az olvasó betekintést nyerjen az atomerőművi zajdiagnosztikai rendszerekbe, felmérhesse a poteniális hibalehetőségeket, ugyanakkor megismerkedhessen a hitelesítésre szánt jelek sokszínűségével is. A vizsgálatban fontos szerep jut az atomreaktoron végzett zajmérések mérési, detektálási hatásmehanizmusainak a tisztázására. A.5.. fejezetben nagyobb terjedelemben foglalkozom a zajmérések során, alapvetően a VVER reaktoroknál jelentkező, egy eddig még nem vizsgált méréstehnikai problémával. A VVER reaktorokban kompenzálatlan SPND (β-emissziós neutron-) detektorok használatosak. A detektorok kábelében áram keletkezik, amely a kompenzáió hiánya miatt meghamisítja a mérés eredményét. Ez az áram a detektor zajjelében lényegesen nagyobb részt tesz ki, mint a detektor DC jelében [5, 5]. A jelenség vizsgálatát azért tekintem fontosnak, mert ennek az áramnak a mértéke, frekveniatartománybeli viselkedése alapvetően befolyásolja a detektor zajjelének a hitelességét. A zajjelek automatizálható hitelesítésének megvalósításához a jelhitelesítési eljárást két részre bontom: = egyedi hitelesítési vagy vizsgálati eljárásokra, = és az egyedi vizsgálati eljárások eredményeit összegző mehanizmusra. Ehhez igazodva a 3. fejezetben több mint húszféle egyedi jelvizsgálati módszert és lehetséges felhasználási módjaikat tekintem át. Ennek során bemutatom az előforduló ismertebb jelhibákat is. A fejezetben visszatérek néhány, az előzőekben megemlített vizsgálati módszerre is. Az egyedi vizsgálati módszerek közül nagyobb terjedelemben tárgyalom azokat, melyekben a saját eredményeimet mutatom be. Ezek konkrétan: a refereniasatorna használata (3..3. fejezet) [53], az UAR+SPRT vizsgálata (3..4. fejezet) [54], az időállandó meghatározása (3.3.. fejezet) [53, 55] és a neurális hálózat zajspektrumok osztályozására történő felhasználásának vizsgálata ( fejezet) [56]. A vizsgálati eljárásokat egy általam definiált hármas soportosítás szerint ismertetem. Az eljárásokat aszerint soportosítom, hogy az adott módszer a reaktor, az elektronika vagy a detektor állapotát vizsgálja-e. Lényegében ez a fejezet képezi a kombinált jelhitelesítési eljárás tudásbázisát. A 4. fejezetben egy a reaktor zajjeleinek jellegzetességein alapuló kombinált jelhitelesítés eljárást Egyedi alatt itt az olyan egyszerű eljárások értendők, amelyek sak egy szempont vagy egy tulajdonság alapján értékelik a jelet

13 mutatok be. Ebben az eljárásban a szakértői vizsgálati és döntésmehanizmus mintájára, valamint az általam definiált hármas soportosítást figyelembe véve egységes rendszerbe foglalom a 3. fejezetben ismertetett egyedi vizsgálati módszereket. A minősítő rendszerben az egyedi vizsgálati eljárások az alkalmazott módszerek eredménye alapján minősítő értékeket állítanak elő, melyekből a struktúra kiértékelő mehanizmusa egy végső minősítési értéket határoz meg [53, 55]. Végül az 5. fejezetben példákat adok a rendszer kiértékelési mehanizmusára, majd a kombinált jelminősítési módszerrel valós mérési adatokon egy alkalmazási próbát mutatok be [53, 55]. Összefoglalva: Megvizsgálom a zajdiagnosztikai vizsgálatok körébe bevont detektorok zajmérések szempontjából fontos mérési és átviteli tulajdonságait. A jel hitelesítésére olyan eljárást dolgozok ki, amely egyszerű (módszertanilag könnyen áttekinthető), megbízható és viszonylag gyors ítéletalkotási (kiértékelési) módszerek együtteséből áll. Az ismertetésre kerülő jelhitelesítési rendszer alapján létrehozható lesz egy olyan szakértői programrendszer, amely tudásbázisának feltöltése után alkalmas lesz arra, hogy a beérkező jeleket maradéktalanul feldolgozza és minősítse. A dolgozatban bemutatott eredményekben a magam és a munka méretéből fakadóan munkatársaim által végzett sokoldalú gyakorlati munka is megjelenik, mivel ezek az általunk végzett mérések és az azokból készített adatbázis-könyvtárak, részben az általam írt szoftverek, valamint a segítségemmel, illetve részben az irányításommal tervezett és épített berendezések felhasználásával készültek. Fontosnak tartom megjegyezni, hogy például a helyszíni mérések, a komplex diagnosztikai rendszerek tervezése és elkészítése sak több ember egybehangolt munkájaként képzelhető el, azonban ezekhez a hozzájárulásomat jelentősnek tekintem. A dolgozatban több mint hetven ábra, az ábrákon belül pedig hozzávetőlegesen százötven grafikon található, melyek döntő részét magam készítettem, esetenként a saját programjaim segítségével, a közreműködésemmel végzett mérésekből állítottam elő. Az ábrákból néhányat a munkám során terveztem, illetve a munkám közben felkutatott adatokból rajzoltam meg. A néhány máshonnan átvett ábrát és forrásukat természetesen külön kihangsúlyozom, illetve megjelölöm

14 . A zajvizsgálatok során használt eszközök, jelek és eljárások áttekintése A mérési eredmények helyes értelmezéséhez ismernünk kell a detektorok, az elektronikai lánok és a zajforrás tulajdonságait, valamint a rendelkezésünkre álló módszerek teljesítőképességét, illetve használhatóságát. A reaktor-zajdiagnosztikában néha nemsak a gerjesztőzaj tulajdonságait nem ismerjük, hanem a mérőrendszer pontos felépítését és átviteli tulajdonságait sem. Ebben a fejezetben ezt a problémakört tekintjük át és elemezzük... A paksi zajdiagnosztikai jelkisatolás felépítése A detektorok jelei sak nagyon ritkán alkalmasak közvetlenül mérésre vagy feldolgozásra, általában sak több lépsőben végrehajtott erősítés, jelformálás, szűrés után mérhetők meg. Különösen igaz ez az atomerőművi jelekre, melyeket szigorú biztonsági követelmények betartása mellett nagy távolságokra kell továbbítani. A detektorok jeleit gyakran különböző feladatokat ellátó alrendszerek felé osztják szét. Ezek az alrendszerek a következők lehetnek: üzemviteli, arhiválási, biztonsági, zajdiagnosztikai stb. A mérőlánok felépítésénél külön hangsúlyt kap az egyes mérőrendszerek visszahatásának megakadályozása. Ennek ellenére a diagnosztikai jelekben mégis előfordulnak az egyes alrendszerek visszahatásai, melyek gyakran (az alrendszer általi lekérdezések időpontjaiban) tüskék formájában jelennek meg. Mivel a jel igen hosszú és tekervényes út megtétele után jut el a feldolgozás helyszínére, ezért fokozottan kell számolni a jel minőségének romlásával, külső zajok megjelenésével, valamint elektronikai meghibásodásokkal. A mérni kívánt zajjel nem más, mint az adott fizikai mennyiséget mérő detektor jelének kismértékű, látszólagosan véletlenszerű ingadozása. Ez az ingadozás (vagy AC komponens) a detektorjel állandó értékéhez (DC komponenséhez) mérten sak néhány ezreléket tesz ki. Az AC jelet a vizsgálat előtt megfelelően fel kell erősíteni, ezért a jel AC és DC komponensét külön kell választani. A szétválasztott jeleket a továbbiakban még erősíteni, szűrni és biztonsági okokból (az esetleges visszahatások elkerülésére) le kell választani. A felsorolt, feldolgozás előtti jelátalakításokat, a jelnek a mérőrendszerhez való illesztését összefoglalóan jelkondiionálásnak nevezzük. A jelkondiionálás jobb megértéséhez a./. ábrán a paksi VERONA zajdiagnosztikai kisatolás két jelének sematikus áramköri rajzát mutatjuk be. Az ábrán a felsorolt elektronikai részegységeket láthatjuk, kiegészítve a berendezést vezérlő és a DC értékeket digitalizáló elektronikai egységekkel, valamint egy multiplexerrel. A kilenvenes évekig a jelkondiionálást és a digitalizálást elfogadható költségek mellett sak néhányszor tíz jelre lehetett megoldani. Ezért a jelkondiionáló berendezés elé egy multiplexer egységet kellett beépíteni, amely lehetővé tette a reaktor több száz jeléből egy kisebb soport tetszőleges összetételű kiválasztását. A./. ábrán egy beépített tesztgenerátor is látható, azonban ennek szabályozhatósága már nem valósult meg. A rajzon ezt a lehetséges kapsolatot szaggatott vonal jelöli. A detektorok mérőlánoktól független vizsgálata, illetve diagnosztizálása sak a detektorra közvetlenül rásatlakozva végezhető el. Az ábrán ezt a satlakozási helyet műszeres mérési pontként tüntettük fel. A VERONA zajdiagnosztikai kisatolás jeleire telepített és a bevezetőben már említett hibrid rendszert a hozzátartozó jelkészlettel sematikusan a./. ábrán mutatjuk be. - -

15 Multiplexer Felüláteresztõ szûrõ (5 Hz) Sávszûrõ Aluláteresztõ szûrõ Optikai leválasztás MPX A u HP NF5 A u LP DC Erõsítõ AC Erõsítõ AC Jel U I U Teszt- Jel Mûszeres mérési pont A/D DIGITÁLIS VEZÉRLÕ EGYSÉG Optikai leválasztás DC Jel Digitális vezérlés és DC érték lekérdezés SPND TH Detektor Elem./. ábra. Az elektronikai mérőlán logikai rajza a VERONA zajdiagnosztikai kisatolás alapján REFERENCIA ELLENÁLLÁS- HÕMÉRÕK REAKTOR VIBRÁCIÓS JELEK + IK EXCORE JELEK KÜLSÕ Besatl. INCORE JELEK 36x7 SPND 36 KOMP. KÁBEL KIL. HÕMÉRS. 6 KEV. TÉRI HÕM. NER 6 JK NYOMÁS- JELEK 5 db GÉPÉSZETI REZGÉSJELEK (PDR-PDA-n) VERONA zajdiagnosztikai kisatolás SZÁMÍTÓGÉP- TEREM 3 TH 6 JK INCORE 3 AC VEZÉRLÉS PDR-n DIAG. KICSATOLÁS VEIKI REZGÉSJELEK és Kézi beállítású rendszer Kézi beállítású rendszer DIGIT. DC AC DC CSAK AC KOMPONENS MULTIPLEXER MULTIPLEXER -3 Csatorna Csatorna SZÁMÍTÓGÉPES DIAGNOSZTIKAI RENDSZER SOROS PORT A/D KONVERTER VEZÉRLÕ SZÁMÍTÓGÉP ZAJDIAGNOSZTIKAI PROGRAMRENDSZER MÉRÕ SZÁMÍTÓGÉP DIAGNOSZTIKAI SZOBA./. ábra. A jelenlegi paksi zajdiagnosztikai rendszer a kisatolások jeleivel Az ábrán bemutatott elrendezés egy költségtakarékos megoldás, amely a meglévő egységek összerakásával készült. A szaggatott vonallal elválasztott jelkészlet és a szaggatott vonallal jelölt satornáig terjedő multiplexer kivitelezése félbeszakadt. A rendszer hibájának róható fel, hogy a mérésbeállítást és az adatgyűjtést külön számítógép végzi. Az ábráról ugyan nem derül ki, de a feldolgozás már egy másik - -

16 helyszínen, azaz egy harmadik számítógépen történik. A vizsgálat körébe egyidejűleg bevonható jelkészlet legfeljebb 3 elemű, és ebbe a körbe a zónán kívüli (ex-ore) jelek nem tartoznak bele. (A témához kapsolódóan további részletek találhatók [57]-ben.) A felsorolt hibák megszüntetése már sak egy új mérőrendszertől várható [58, 59]. A közeljövőben kiépítésre kerülő a kor lehetőségeihez és követelményeihez jobban igazodó zajdiagnosztikai rendszerben a jelkisatolást és az adatgyűjtést minden blokkon egy-egy autonóm rendszer látja majd el, melyeket szabványos hálózaton keresztül egy tetszőleges helyre telepített központi egység vezérel. A szakértő ezzel a központi egységgel végzi el a blokkokról lekért adatsorok feldolgozását és arhiválását, továbbá elérhetőséget biztosít más részlegek számára bizonyos zajdiagnosztikai informáiók megtekintéséhez (ld../3. ábra).. blokk Rövidítések: BSZG Blokkszámítógép VERONA Zónamonitorozó rendszer VERONA BSZG WEB szerver Zajjel új VERONA zajdiagnosztikai kisatolás. blokk 3. blokk 4. blokk Adatgyűjtő számítógép Autonóm adatgyűjtő Informatikai hálózat Központi zajdiagnosztikai rendszer BSZG távoli megjelenítő Nyomtató Arhívum Zajdiagnosztikai központ./3. ábra. A tervezett zónadiagnosztikai rendszer felépítése A tervezett rendszerben az autonóm adatgyűjtő egységek szabványos felületen keresztül szólíthatók meg. Az autonóm rendszerek vezérlését és az adatsorok feldolgozását egy központi egység, az ábrán Központi zajdiagnosztikai rendszer -ként jelölt számítógép végzi. A diagnosztikai méréseknél ismernünk kell a mérés pillanatához tartozó reaktorállapotokat és üzemvitelei adatokat is. Ennek az informáiónak a megszerzését a diagnosztikai rendszer mellé telepített BSZG (blokkszámítógép) távoli megjelenítő terminálja teszi lehetővé, amely távlatilag egybeolvasztható a diagnosztikai rendszer központi egységével. Az új elképzelések szerint az autonóm adatgyűjtő rendszer a korábbi VERONA zajdiagnosztikai kisatolás modernizálását is maga után vonja oly módon, hogy a teljes jelkészlet (ebbe beleértve az ionizáióskamra-, nyomás- és rezgésjeleket is) egyidejűleg elérhető legyen (ld../4. ábra). - -

17 PCI-654E A/D SCXI- RJM (3 satorna) (6 satorna). 6 AC 6 DC. 6 max. 56 jel kimenet AC DC AC erősítő Au DC erősítő Au LP aluláteresztő szűrő AC erősítő Au aluláteresztő szűrő LP sávszűrő NF 5 HP felüláteresztő szűrő bemeneti erősítő Au bemenet Ipari PC A/D SCXI- RJM (3 satorna) (6 satorna). 6 AC 6 DC. 6 jelkondíionáló egység (RJM) digitalizáló egységek bemenet bővítő egységek jelkondíionáló egységek max. 56 jel./4. ábra. Az autonóm adatgyűjtő (National Instruments termékmegjelölésekkel) és jelkondiionáló (a tervezés alatt lévő új VERONA zajdiagnosztikai kisatolás egy áramköri egységének) logikai rajza Ez a megoldás egy lényegesen hatékonyabb és egyszerűbben megvalósítható diagnosztikai rendszer kialakítását biztosítja. A több száz satornás egyidejű adatgyűjtés megvalósításánál többletráfordítást jelent, hogy minden egyes jelnél egyedileg kell elvégezni a jelkondiionálást, és hogy a jelek digitalizálásához az AC és DC komponensek szétválasztása miatt a jelek számának kétszeresét feldolgozó A/D konverter szükséges. Ugyanakkor a./. és a./4. ábra összehasonlításából is látható, hogy a felhasználandó elektronikai eszközök mennyisége a multiplexer és az optikai leválasztó egységek elhagyásával valamelyest sökken. Összegezve: A bemutatott rendszerek alapján látható, hogy a jel igen hosszú út megtétele (többszöri erősítés és szűrés, leválasztás, elágaztatás, jeltovábbítás stb.) után jut el a feldolgozás helyszínére. A megtett út során fokozottan kell számolni a jel minőségének romlásával, külső zajok megjelenésével és elektronikai meghibásodásokkal. Az adatgyűjtőbe beérkezett jelek további jelkondiionáláson és A/D konverzión esnek át. A digitális adatsorok továbbításánál és feldolgozásánál további hibalehetőségek adódhatnak. A sok poteniális hibalehetőség mindenképpen megköveteli a jel hitelességének vizsgálatát. A tervezett autonóm adatgyűjtő által szolgáltatott nagy mennyiségű adat még nagyobb igényt támaszt az adatsorok használhatóságának lehetőleg automatikus megállapítására. A továbbiakban azt tekintjük át, hogy az adatgyűjtő rendszerek milyen jelek mérését teszik lehetővé... A reaktor és a primer kör zajdiagnosztikai élra elérhető jelei A zajdiagnosztikai élra felhasználható jelkészlet melyet a./. ábrán már bemutattunk alapjában véve két soportra osztható, úgymint in-ore (reaktoron belüli) és ex-ore (reaktoron kívüli) jelsoport. In-ore jelek Az in-ore (vagyis a reaktorzónából származó) jelek jelenleg a VERONA zajdiagnosztikai kisatoláson keresztül érhetők el. Ezek a következők: 5 SPND (Self-Powered Neutron Detetor), 36 detektorlánban hét szintre osztva, 36 SPND kompenzáióskábel-áram (detektorlánonként egy-egy), - 3 -

18 kilépőhőmérséklet (termopár), 6 keverőtéri hőmérséklet (termopár), 36 referenia-ellenálláshőmérő, ún. "hidegpont" (ezek a reaktor fedelén lévő kapsolószekrényben /boxban/ vannak elhelyezve), a reaktorzóna ki- és belépőnyomás-jele. Jelenleg ebből a jelsoportból a 3. és 4. blokkon (a diagnosztikai kisatoláson keresztül) egyszerre 3 jel érhető el, míg az. és. blokkon sak 8. Ex-ore jelek Az ex-ore jeleken a zónán kívülről származó jeleket értjük. Ezek közül a fontosabbak: ionizáióskamra-jelek, a főkeringető-szivattyúk nyomásjelei ( P), hideg- és melegági hőmérsékletjelek, térfogat-kompenzátor nyomásjele, reaktorfedél-tősavar rezgésjelei, szabályozókazetta-hajtások rezgésjelei, gépészeti elemek (főkeringető-szivattyúk, tolózárak stb.) rezgésjelei. A régi tervek szerint a felsorolt ex-ore jelkészletből a diagnosztika számára további 3 jel mérésére lett volna lehetőség, de ezen jeleknek a mérőrendszerbe vezetése már félbeszakadt. Mielőtt a detektálás részleteibe bosátkoznánk, élszerű megismerkedni a mérési adatok előállításának és feldolgozásának néhány részletével..3. Mintavételezés A zajelemzéseket a kialakult gyakorlatnak megfelelően digitalizált idősorokon, számítógéppel végezzük, ezért a feldolgozás első lépéseként az elektronikai mérőlánokról érkező jeleket digitális mintasorokká alakítjuk. (Bár léteznek analóg feldolgozási formák, azok alkalmazása a reaktor-zajdiagnosztikában nem terjedt el.) A digitalizálás mintavételi frekveniája alapvetően eldönti a feldolgozás frekveniatartományát. A zajdiagnosztikai jelek kiértékeléséhez a kilenvenes évek elejéig 8 vonalas FFT spektrumokat használtunk. Ezt követően a tehnikai fejlődés eredményeképpen sokkal jobb felbontású, 5 vonalas spektrumokra tértünk át. A paksi neutrondetektor-zajjelek feldolgozása során nyert tapasztalataink szerint ahhoz, hogy az 5 vonalas spektrumok elfogadható statisztikájúak (elegendően simák) legyenek, legalább 3-szeres átlagolást kell végezni. (Az átlagolás során a különböző idősorrészletekből készített spektrumokat összeadjuk és átlagoljuk. Elfogadható statisztikájú neutronzaj-spektrumon (zajspektrumon) pedig azt értjük, hogy néhány ismert, a normálüzemben is állandóan jelen levő kis amplitúdójú szélesebb sávú sús mint pl. primerköri állóhullámok által keltett neutronfluktuáiók súsa is még jól azonosíthatóan kiemelkedjék a háttérből.) Ehhez az átlagoláshoz a tapasztalatok szerint legalább 3 mintából álló idősorra van szükség. A Pakson végzett mérések tapasztalatai azt mutatják, hogy 6 pernél hosszabb zavarmentes jelet (a -3 óránkénti SZBV kazetta mozgások miatt) már sak kis eséllyel lehet mérni. Ennek oka, hogy a reaktoron végrehajtott legkisebb szabályozás is az SPND lánok jelei AC komponensének erőteljes túlvezérlését okozza. Természetesen elképzelhető olyan korrekiós módszer, ami a túlvezérelt tartományokat automatikusan kivágja, de ebben az esetben tekintettel kell lenni arra, - 4 -

19 hogy milyen mértékű volt a reaktor állapotába való beavatkozás. Túl nagy mértékben megváltozott reaktorállapot esetén a spektrumok már nem átlagolhatók. Tehát ha egy 6 peres mérés során 3 (még éppen elfogadható mennyiségű) mintát vételezünk, akkor a mintavételezési időre kb., másodperet kapunk. Ez azt mutatja, hogy a gyakorlatban rutinszerűen alkalmazható mintavételezési frekvenia alsó határa kb. Hz. A mintavételi frekveniára felső korlátot sak az adatgyűjtő hardver jelent, azonban a reaktor átviteli tulajdonságai miatt a neutronspektrum 3 Hz fölötti részét az elektronikai zajok elnyomják. Ha a teljes hasznos tartományt elemezni akarjuk, akkor a digitalizálás előtt alkalmazott ún. anti-aliasing szűrőt 3 Hz fölé kell méretezni. Figyelembe véve, hogy a szűrő letörése véges meredekségű, a spektrum maximális frekveniája 5 Hz körül van. Ez a Nyquist-kritérium [6] miatt Hz-es mintavételezést jelent. Az eddigiekből látható, hogy a diagnosztikai vizsgálatok mintavételezési frekveniájának sávszélessége (rutinszerű ipari mérések esetén) meglehetősen szűk, Hz..4. Alapvető zajdiagnosztikai feldolgozási módszerek Az alábbiakban röviden összefoglaljuk a dolgozatban szereplő zajdiagnosztikai módszereket, mennyiségeket és rövidítéseket. Fourier-transzformáió. Egy fizikai folyamat leírható az időtartományban mint valamely f mennyiség változása a t idő függvényében ( f (t) ), vagy leírható a frekveniatartományban, ahol a folyamatot a ν frekvenia függvényében megadott F amplitúdóval jellemezzük ( F (ν ), ami általában a fázisinformáiót is tartalmazó komplex szám). Sok szempontból élszerű úgy tekinteni, hogy f (t) és F (ν ) ugyanannak a függvénynek két különböző reprezentáiója. Ez a két reprezentáió a Fourier-transzformáiós egyenletek szerint oda-vissza alakítható [6]: F f ( ν) = f ( t ) e πiνt dt, πiνt () t = F ( ν ) e dν. (.5.) (Megjegyezzük, hogy a transzformáiók exponeniális tagjában a kitevő előjele nem egyezményes, a szakirodalomban [6, 6] és [6, 63] eltérően szerepel. A lényeg, hogy az előjel ellentétes az oda-vissza transzformáiókban.) A zajdiagnosztikában a mért időjelek véges hosszúak és diszkretizáltak, ezért átalakításukra a diszkrét Fourier-transzformáió (DFT) használatos. F f n k = N k= f = N k N n= e iπkn / N F e n, iπkn / N, (.5.) ahol N a minták száma, f F t a mintavételi idő, ( tk ) = ν fk, tk = k t, k =,,,..., N, n N N ( ν ) = t F, ν =, n =,...,. n n n N t ν a frekvenia-felbontás, n és k futó indexek, valamint: - 5 -

20 Ez megszorítást is jelent a jelre: véges hossza korlátozza a frekveniatérbeli felosztást, míg a véges időközönként ( t) vett minta a legnagyobb értékelhető frekveniára ad korlátot (Nyquist-kritérium): f = t. (.5.3) Emiatt a jelből mintavételezés előtt az aliasing effektus miatt [6] ki kell szűrni a (.5.3)-nál magasabb frekveniájú összetevőket. A DFT egy speiálisan szervezett algoritmussal felgyorsított változata az FFT (Fast Fourier Transformation). A Fourier-analízis részletesebb matematikai tárgyalása gyakorlatilag minden, a témához kapsolódó szakkönyvben megtalálható [6, 64], ezért a továbbiakban sak a legszükségesebb mennyiségeket emeljük ki. A diszkrét jelek Fourier-transzformáltjából teljesítményspektrumok (APSD: Auto Power Spetral Density) állíthatók elő, amelyek gyakran a statisztikai hibák sökkentésére a jel különböző szakaszain készült spektrumok átlagolásával készülnek. Jelölje egy X jel i-edik N elemű szakaszának (.5.) szerinti Fourier-transzformáltját X i ( Fn, N ). Ekkor APSD K = X i ( Fn, N ) X i ( Fn N ), (.5.4) K X, i= ahol a szimbólum a komplex konjugáltat és K az átlagolásba bevont jelszakaszok számát jelöli. A későbbiekben bemutatásra kerülő Fourier-spektrumok értelmezésének megkönnyítésére kiemeljük, hogy az általunk használt spektrumok néhány kivételtől eltekintve a jel DC értékére normáltak, és ezeket a normált spektrumokat a továbbiakban napsd-vel (normalised Auto Power Spetral Density) jelöljük. További kiegészítő informáió még, hogy a bemutatásra került spektrumok 5%-os átlapolással és Hanning-ablak alkalmazásával készültek. A jelvizsgálatok hasznos eszköze a két különböző X és Y jel közötti keresztteljesítménysűrűség-spektrum vagy más néven CPSD (Cross Power Spetral Density): K CPSDX, Y = X i ( Fn, N ) Yi ( Fn, N ). (.5.5) K i= Két jel között értelmezett további két gyakran használt függvénytípus a koherenia- (COH) és a fázisfüggvény (PHASE): COH CPSDX, Y, =. (.5.6) APSD APSD X Y PHASE X, Y X Y ( CPSDX, Y ) ( CPSD ) Im = artan. (.5.7) Re X, Y Több más módszer is létezik, de egyik sem jelentett olyan áttörést, hogy érdemes lett volna egy jól bevált módszerről áttérni rá. Ezért jelvizsgálataink és jelhitelesítési eljárásaink egyik fontos pillérét továbbra is az FFT spektrumok kiértékelése képezi. Autoregressziós módszerek. Más néven parametrikus modellezési módszerek. A regressziós eljárásoknak több fajtája létezik. Gyakorlatunkban az UAR (Univariate Autoregression) és az MAR (Multivariate Autoregression) használatos [5, 6, 65]. A többváltozós regressziós módszerek segítségével a jelek közötti hatásterjedések vizsgálhatók. A regresszió során felállított modell az FFT spektrumokhoz hasonlóan az idősor valamilyen összesűrített lenyomata, amely azonban az ember számára önmagában - 6 -

21 nem hordoz szemléletes informáiót. Ezen modell segítségével az FFT spektrumhoz hasonló frekveniaspektrum számolható ki, amelyben a súsok száma általában [M/], ahol M a modellrend. A regressziós eljárások sarkalatos pontja ennek a modellrendnek a megválasztása. Időtartománybeli analízis. Az idősor bizonyos ismétlődéseit (egy külső vagy belső triggerjel hatására) meghatározott hosszon átlagoljuk. Ezzel a módszerrel egy közel periodikus, azonos lefolyású esemény időbeli viselkedése szűrhető ki a sztohasztikus jelből. A módszer elsősorban forgógépek diagnosztizálásakor használatos. A paksi neutronzajjelek kiértékelése során még nem fordult elő olyan jelenség, amelyre alkalmazni lehetett volna. (Elsősorban a triggerelési probléma miatt.) Az idősor vizsgálatához sorolhatjuk az idősorban bekövetkező, könnyen felismerhető statisztikai változások (pl. szórás, 3. és 4. momentum változása stb.) vagy az egyszerű határérték-túllépések detektálását. Ez alatt azt értjük, hogy ha pl. a jelszint vagy egy súszóátlag-érték, esetleg a szórás egy előre megadott értéket meghalad, akkor az idősor ezen szakaszán eseményt detektálunk. A zajdiagnosztikában egy fluktuáló jel erősségének vagy jelszintjének összehasonlításánál gyakran a jel súsfeszültsége mellett a jel RMS (Root Mean Square), más néven effektív értéke használatos. Az RMS jelölést a továbbiakban gyakran fogjuk használni. Az idősorban bekövetkezett változások egyik összetettebb vizsgálati eljárása az SPRT (Sequential Probability Ratio Test), melyre a fejezetben még részletesebben visszatérünk..5. A detektorok tulajdonságainak áttekintése A reaktoron alkalmazott detektorokat elsősorban a reaktor statikus jellemzőinek mérésére tervezték. Ezért a detektorok dinamikai tulajdonságai bizonyos esetekben alig ismertek, gyári adatok a detektor frekveniaátviteli tulajdonságaival kapsolatban jóformán nem is állnak rendelkezésre. A detektorok laboratóriumi bemérésére a szükséges nagy neutronsugárzás miatt sak kevés helyen van meg a lehetőség, továbbá a szükséges neutronfluktuáió előállítása a nukleáris berendezés üzemeltetési, biztonsági szabályzatába és a tehnikai lehetőségekbe is ütközhet. Szintén nehézséget jelent még ha a feltételek biztosítottak is, hogy egy ilyen bemérés jelentős összegeket emésztene fel. Így a legkézenfekvőbb megoldás az, hogy a dinamikai tulajdonságokat közvetve, a detektor működési elve és a rendelkezésre álló tehnikai adatok alapján határozzuk meg..5.. Az ionizáiós kamrák A dolgozat írásának időpontjában még tart a paksi reaktorok eredeti mérőrendszerének kiváltása új (SIEMENS gyártmányú) rendszerekkel, melyekről még nem rendelkezünk részletes informáiókkal. A régi rendszerek ugyan részben megmaradtak, de zajjeleik már nem elérhetők. Tekintettel azonban arra, hogy jelentős számú, régi rendszerrel készült arhivált méréssel rendelkezünk, ezért indokoltnak tarjuk a régi rendszerek rövid áttekintését. Az ionizáiós kamrák a reaktor szabályozó és védelmi rendszereinek meghatározó elemei. Az ionizáiós kamrák (neutrondetektorok) a reaktor árnyékolását (biológiai védelmét) biztosító beton körgyűrűjében létrehozott függőleges satornákban (lyukakban), a zóna közepének magasságában helyezkednek el. Az ionizáiós kamrákat alapjában véve sak a közelükbe eső a zóna külső részén elhelyezkedő kazettákból származó neutronok érik el. Reaktorbiztonsági okokból nagyon fontos, hogy a neutronfluxust az egészen kis értékektől kezdve a maximális értékig pontosan ismerjük. Ezt a fluxustartományt a megkívánt mérési pontossággal nem lehet egy mérőeszközzel végigmérni. Ezért a mérőrendszert három - 7 -

22 teljesítménytartomány mérésére alakították ki. Biztonsági okokból minden egyes tartományban két teljesen független, háromdetektoros mérőlán van kialakítva (az ΑΚΗΠ- leírása alapján). Az energetikai tartományú mérőrendszerekhez még kettő, a közbenső tartományú mérőrendszerekhez pedig egy tartalék detektor is tartozik. Az egyes energiatartományok kialakítása a következő: Forrástartomány. A - -4 % teljesítménytartományban üzemel. A detektor károsodásának elkerülésére, ha a reaktor teljesítménye a megadott teljesítményszint felé megy, a detektorokat kihúzzák a reaktorzóna magasságából. A forrástartományi detektor impulzusüzemben működik. A γ-sugárzást a neutronsugárzástól az impulzusok amplitúdójának szétválasztásával (jelalak-diszkriminátorral) különítik el. Ezek a detektorok sak az indítási szakaszban működnek, zajdiagnosztikai élra nem használtuk őket. Közbenső tartomány. A -5 % teljesítménytartományt öleli fel. A gyors elhasználódás elkerülésére magasabb teljesítmény esetén távvezérléssel ezeket is kihúzzák a reaktor zónájának magasságából. Egyéb tulajdonságaik megegyeznek az energetikai tartományú detektorok tulajdonságaival. Energetikai tartomány. Az %-os teljesítménytartomány. Az ebben a tartományban mérő kamrák állandó jelleggel a zóna magasságában helyezkednek el (távvezérléssel nem mozgathatóak). A detektorok átlagárammérő üzemmódban dolgoznak. Az ionizáiós kamrákban a γ-sugárzás hátterének kiszűrésére két ionizáiós kamra van összeépítve (ún. kompenzált ionizáiós kamra). Az egyik kamra sak a γ- sugárzást, míg a másik a neutron- és a γ-sugárzást egyaránt érzékeli. A két ionizáiós kamra úgy van méretezve, hogy az egybeépített kamrák áramainak a különbségi jele sak a neutronsugárzással arányos. Diagnosztikai vizsgálatokra az üzemviteli detektorok közül ezeknek a detektoroknak a jeleit használtuk. Ebből a detektorsoportból a paksi diagnosztikai kisatoláson keresztül mind a hat jel rendelkezésünkre állt. A.5./. ábrán az ionizáiós kamrák mérőlánának elvi felépítését tüntettük fel (készült a BME NTI szakmérnöki tanfolyamának anyagai és az ΑΚΗΠ- leírása alapján). A biológiai védelem beton körgyûrûje A reaktorhoz közeli helyiség (-es szoba) Forrástartomány IK impulzus jel f u Közbensõ tartomány IK i áram jel i f f u Védelem Analóg jelek (szabályozás) Kijelzés Energetikai tartomány IK i áram jel i f f u Közbensõ tartomány (reakt. mérõ és tart.) Energetikai tartomány (tartalék) JK jel i Diagnosztika i u IK jel áram IK jel.5./. ábra. Az ionizáiós kamrák mérőlánának elvi felépítése Pakson Az ábrán látható, hogy az üzemi detektorok áramjelét frekveniajellé konvertálják úgy, hogy a % teljesítmény kb. khz-nek feleljen meg, és így továbbítják a különféle alrendszerekhez. Az ily módon átalakított jel kevésbé érzékeny a külső zajforrásokra. Az ionizáiós kamrák K(ω) frekveniaátviteli - 8 -

23 karakterisztikája átlagárammérő üzemmódban az RC elektromos körével egyezik meg, ami az elektronikából jól ismert [66]: K ( ω) =, + ω τ ahol ω a körfrekvenia, τ = R C pedig a rendszer időállandója. (.5..) Az orosz gyártó speifikáióiban sak a teljes mérőlán (frekvenia-visszakonvertálás utáni) időállandója található meg, amely,5, másodper. Ez megfelel a védelmi rendszerek igényeinek, zajdiagnosztikai szempontból azonban az ezen időállandóhoz tartozó átviteli frekvenia meglehetősen alasony (kb. -3 Hz). Az átvitel javítására a KFKI mérőlán mint az ábrán is látható a frekveniajelre kapsolódik rá. A saját elektronikával kedvezőbb átviteli tulajdonságokat sikerült elérni. A pontos frekveniaátviteli sávot azonban nem lehet megállapítani, mivel nem ismerjük pontosan a rendszer bemenő jelét. Az ionizáiós kamrák által mért neutronfluktuáió spektrumára a.5./. ábrán láthatunk egy példát. A spektrum alakját a reaktorspektrum és a detektor átviteli tulajdonságai együtt alakították ki. A spektrum első szakaszának meredek sökkenése elsősorban a reaktor zajspektrumának következménye. Ebbe a szakaszba esik még a kamra és az i/f konverter közé iktatott (az ábrán külön nem jelzett),4 Hz-es LP szűrő letörési frekveniája is. Az ábrán látható második frekvenialetörés ( 5 Hz között) már a zajdiagnosztikai mérőlán átvitelének a következménye. e-6 e-7 "j.48b" napsd e-8 e-9 e- e- e Frekvenia [Hz].5./. ábra. A IV. blokki JK- detektor frekveniaspektruma.5.. A zónán belüli neutrondetektorok A reaktorzóna diagnosztizálásának fontos eszközei a neutronfluxust mérő in-ore neutrondetektorok, melyek zajjelei lehetőséget adnak a belső szerkezeti elemek rezgéseinek felderítésére [67]. Az észlelt és lokalizált rezgések legfontosabbika az SZBV (szabályozó- és biztonságvédelmi) kazetta rezgése. Az elmúlt időszakban (997-től kezdődően) a gőzfejlesztők dekontaminálásának következtében a kazettákon lerakódás képződött, ami miatt a zónán áthaladó hűtőközeg sebességeloszlásában anomáliák alakultak ki [8]. Mivel a zónában elhelyezkedő detektorok segítségével lehetőség van a hűtőközeg sebességének zónán belüli megmérésére, ezért az ezeken a detektorokon alapuló mérések fontossága felértékelődött..5.. Az SPND detektorlánok Pakson a reaktor neutronfluxusának mérése 36 neutrondetektor-lán segítségével történik. Mindegyik lán egy-egy üzemanyag-kazetta közepébe van helyezve. Egy detektorlán hét detektorból és az úgyne

24 vezett kompenzáiós kábelből áll. A detektorok m-es hosszúságúak, és középpontjuk egymástól 3,5 m-re helyezkedik el (.5./. ábra). hűtőközeg reaktorzóna detektor kompenzáiós kábel N N N3 N4 N5 N6 N7 detektor kábelek /. ábra. Az SPND detektorlán elrendezése a VERONA adatok alapján. Az adatok m-ben értendők A kompenzáiós kábel hossza megegyezik a leghosszabb kábelű (a legalsó szinten elhelyezkedő) detektor kábelének hosszával. A paksi reaktorban ródium emitterű SPND (Self-Powered Neutron vagy más néven β-emissziós neutron-) detektorokat alkalmaznak. A ródiumdetektor esetén a zajdiagnosztikában fontos frekveniaátvitelről gyári adatok nem állnak rendelkezésre. A következőekben bemutatott vizsgálathoz szükséges adatokhoz a detektor működési elve és néhány adata alapján könnyen hozzájuthatunk. 3 Az SPND detektorok áramát a neutronsugárzás által kiváltott magreakiók β-bomlása termeli. A.5./. ábrán a detektor anyagát képező ródium neutronsugárzás hatására bekövetkező bomlási sémája látható [68]. 7% 4m Rh IT γ 99% T = 4.34min / 93% EC.5% 4 Rh β.5% β.8% 3 Rh (n, γ) β 98% T = 4.3s / 4 Pd.5./. ábra. A ródium bomlási sémája [68] Az ábrán vastagabb vonal jelöli a detektor áramának döntő részét adó bomlási utakat. A bomlási képből rögtön látható, hogy a detektor válaszideje, késleltetése elég nagy. Az átlagos felezési idő nagyobb, mint 4 másodper. Egy ilyen nagy tehetetlenségi idejű detektor a zajdiagnosztikai vizsgálatok frekveniatartományában már nem lenne használható. A detektor anyagában azonban az ábrán szereplő magreakión kívül még úgynevezett prompt elektront termelő folyamatok is lezajlanak. A detektor anyagaiban bekövetkező (n,γ)(γ,e) reakiók során keletkező prompt töltések mellett, a reaktorban lezajló maghasadást követő intenzív γ-sugárzás is szabad elektronokat és ionokat kelt a detektorban. A keletkező elektronok egy része (még rekombinálódás előtt) eléri a detektor elektródáit, és így áramot kelt. Az ily 3 A detektor működésével sok publikáió foglalkozik, pl. [68, 69]. A dolgozat írásának idején az NTI-ben is zajlanak az SPND detektorok működését elemző Monte Carlo módszeren alapuló számítások. A következőben részletezett vizsgálat azonban elsősorban a kábeláram hatását kívánja tisztázni, és ehhez elegendőek a.5./. ábrán látható geometriai adatok, a prompt válasz mértéke és a saját mérési adataink. - -

25 módon keletkező áram nagysága elsősorban a detektor szerkezeti felépítésétől és a detektort alkotó anyagoktól függ. A gyártók a promptjel-hányadot a detektor által mért állandósult érték százalékában fejezik ki. A promptjel-hányad kb. 6 %, a gyártás tehnológiájától, az emitter vastagságától és a detektor elhasználódottságától függően [69]. Az orosz gyártmányú ródium SPND detektorok esetében ez az érték kb. 7 %. A detektorban levő ródium mennyisége a sugárzás hatására fokozatosan fogy, ez a sökkenés a paksi reaktor egy-egy kampányában a detektort ért neutronfluens függvényében akár a 5 %-ot is elérheti. Ezért a detektorokat időszakosan kalibrálni, három-négy évenként pedig serélni kell. A detektor dinamikai tulajdonságát vizsgálva egyszerű számítással belátható, hogy a későjel-hányad szintje már,37 Hz-nél a tényleges jelszint 7 %-a (a prompthányad szintje) alá süllyed, tehát a detektorjelek zajdiagnosztikai kiértékelésre használt spektrumaiban gyakorlatilag már sak a detektor prompt válasza jelenik meg. 4 (A zajvizsgálatok során szokásosnak vehető 5 Hz-es sávszélességű, 5 spektrumvonalat tartalmazó zajspektrum első vonala,98 Hz.) A bomlási séma és a prompthányad ismeretében a detektor válaszfüggvénye meglehetősen pontosan meghatározható. A detektor válaszidejének javítására nagy számban történtek, illetve történnek gyakorlati és elméleti próbálkozások [7, 7, 7], ezek azonban elsősorban az állandósult érték gyorsabb meghatározását szolgálják. Kompenzálatlan SPN detektor Árnyékolt kábel R v Ródium emitter Szigetelõ anyag. Védõburkolat és kollektor Ellenállás Kompenzált SPN detektor elrendezés Kompenzáiós vezeték Jelvezeték Árnyékolás. R R. v Külsõ kábellel kompenzált SPN detektor meghosszabbított jelvezetékkel Kompenzáiós kábel. R R. v "Live tail" (élõ farok). Külsõ kábellel kompenzált SPN detektor Kompenzáiós kábel R. R...5./3. ábra. Az SPND detektorok elvi elektromos kapsolási rajza v 4 A későjel-hányadot meghatározó bomlási út felezési ideje T = 4s. A detektor egységugrásra adott válasza ln t T I = I e, ahol I az intenzitás. Ebből a frekveniaátviteli függvény I( ω ) = I ( ω), ahol ω a T / + ω ln I I ω milyen ω értékre lesz,7. Ebből körfrekvenia. Ennek felhasználásával azt kell meghatározni, hogy ( ω) ( ) I ( ) ω ln,69 ω = = I ( ω ) T,7 4 =,3. A kapott eredményt π-vel elosztva,37 Hz-t kapunk. - -

26 A detektálás során a sugárzás egyik kellemetlen velejárója, hogy a detektor kivezető kábelében is keletkezik áram, amely meghamisítja a mérést. A kábeleffektus kompenzálására több megoldás kínálkozik. A.5./3. ábrán egy (kompenzálatlan) neutrondetektor, valamint három kábelhatást kiküszöbölő megoldás elektromos bekötési rajza látható [73]. A legkifinomultabb megoldás az, amikor a vezetékbe egy másik vezető eret, úgynevezett kompenzáiós szálat építenek be, majd ennek a szálnak a jelét kivonják a detektor jeléből. Mivel a kompenzáiós szál anyaga és útvonalának geometriája megegyezik a kivezető száléval, ezért a detektor jelére szuperponálódott nemkívánatos áramokat ilyen módon lehet a legpontosabban kiszűrni. A VVER reaktoroknál azonban még kompenzálatlan detektorok használatosak. A paksi erőműben is kompenzálatlan detektorokat alkalmaznak, és a jelvezeték módosító hatását sak számítással veszik figyelembe. Minden detektorlán mellé be van fűzve a detektorlán leghosszabb kábelű detektorával megegyező hosszúságú pótkábel. A detektorjelek, illetve az állandósult értékek korrekiója ezen a kábelen mért áram alapján történik, az egyes detektorokhoz tartozó kábelhossznak és a neutronfluxus alakjának figyelembevételével. A kompenzálatlan detektorokkal végzett zajdiagnosztikai méréseknél azonban a kábeláramnak mérésre gyakorolt hatását részletesen még nem vizsgálták meg. 5 A paksi reaktorban alkalmazott detektorok és kompenzáiós kábelek árama egymással ellentétes irányú, és a kezdeti időszakban az utóbbi kb. 6 8 %-a volt a középső szinten levő detektorok áramának. Ez az arányszám a 8-as évek végétől a régebbi detektorokat fokozatosan felváltó új típusú detektoroknál átlagosan a felére-harmadára sökkent. Az új detektorok árama a régiekhez viszonyítva átlagosan kb. 7 %-ra, a kábeláramok kb. 3 %-ra sökkentek. A.5./4. ábrán a detektorok és a kompenzáiós kábel árama látható a detektorok gyártási tehnológiájának váltása előtt, a.5./5. ábrán pedig a tehnológiaváltás után (a paksi VERONA [3, 4] zónamonitorozó rendszer arhív állományából)..5./4. ábra. A 4. blokki in-ore neutrondetektorok és kompenzáiós kábelek árama a régi típusú detektorokkal. A kábeláram a K jelzésű mezőben olvasható le 5 A vizsgálat a kábeláramnak a zajdiagnosztikai mérésekre gyakorolt hatását kívánja tisztázni, és nem azt, hogy ennek figyelmen kívül hagyása milyen interpretáiós hibákat okozhatott. Fontos megjegyezni, hogy a következőkben bemutatott vizsgálatnak a zajdiagnosztikában nem találhatók irodalmi előzményei. - -

27 .5./5. ábra. A 4. blokki in-ore neutrondetektorok és kompenzáiós kábelek árama az új típusú detektorokkal. A kábeláram a K jelzésű mezőben látható A kábeláram mértéke függ a kábelt alkotó ötvözőanyagok és nyomelemek mennyiségétől és arányától, ami a neutronfluens és az adott izotóp hatáskeresztmetszetének függvényében jelentősen megváltozhat. Az ilyen változások a kábeláram nehezen nyomon követhető időbeni változását eredményezik. (Ez a jelenség a paksi SPND lánoknál is megfigyelhető, olyannyira, hogy az új SPND lánokon néha még pozitív kábeláramok is előfordulnak, bár abszolút értékben ezek lényegesen kisebbek a normál üzemi, negatív kábeláramoknál. A vizsgálatok szerint néhány hónapos üzem után az összes kábeláram negatív értéken állandósul [74, 75].) A VERONA arhív adatokat tanulmányozva megállapítható, hogy a közel azonos állapotú, és közel azonos körülmények között üzemelő detektorlánok kábelárama jelentősen eltérhet egymástól. Ennek alátámasztására a.5./. táblázat az új detektorlánok arhív adataiból kiválasztott három olyan, hasonló előéletű detektorlánot mutat be, amelyeknek a kábelárama jelentősen eltér egymástól. VERONA arhív detektor adatok, ,. blokk, 4. kampány Detektorlán koord Detektor szint Kábel Mért áram [µa],53,66,7,7,67,59,45 -,8 Detektor kiégésre normalizált áram [µa],8,8,8,,,85,54 Átlagos teljesítmény kiválás [MW/m],87,,34,,96,57,97 Leadott össztöltés [ma per] 3,3 538,4 645,6 597,4 556,3 493,6 78, Detektorlán koord. 8-7 Detektor szint Kábel Mért áram [µa],5,66,7,7,67,59,45 -,6 Detektor kiégésre normalizált áram [µa],83,7,4,9,99,8,5 Átlagos teljesítmény kiválás MW/m],65,95,,93,7,33,83 Leadott össztöltés [ma per] 3,6 538,6 564, 538,5 5,5 47,7 4,8 Detektorlán koord. 8-5 Detektor szint Kábel Mért áram [µa],57,66,7,7,63,5,38 -,346 Detektor kiégésre normalizált áram [µa],9,,3,8,,74,47 Átlagos teljesítmény kiválás [MW/m],6,35,48,37,9,4,9 Leadott össztöltés [ma per] 57,9 65,6 745,9 78,7 79,9 467,6 83,.5./. táblázat. Detektor- és kábeláramok. A VERONA zónamonitorozó rendszer arhív adatai alapján - 3 -

28 A detektorok által leadott össztöltések alapján a detektorlánok a harmadik kampányt töltik a reaktorban. Látható, hogy az azonos detektorszinten leadott össztöltések közötti eltérések nem haladják meg a 5 %- ot, továbbá a detektorok kiégésre normalizált árama (amely a fluxus alakját írja le) 5 %-on belül megegyezik. Az első két detektorlán új, a harmadik (abszolút értékben legnagyobb áramú) pedig egy második kampányos fűtőelemben helyezkedik el. A fenti különbségekkel nem magyarázható a kábeláramok többszörös akár egy nagyságrendet is meghaladó eltérése. (A dolgozat a kábeláram okainak vizsgálatával nem foglalkozik részben a szükséges feltételek hiánya miatt, hanem megelégszik annak mértékének és hatásának tisztázásával.) A kábeláramokban tapasztalt jelentős (egy nagyságrendet is elérő) eltérések az első és második kampányos detektorok esetében is megfigyelhetők. Az arhivált adatok alapján a korábbi (8-as években használt) detektoroknál ehhez hasonló arányú eltérések fordultak elő, de abszolút értékben kb. háromszor nagyobb kábeláramok mellett (.5./6. ábra). 4. blokk. kampány blokk 4. kampány ,4%,6% 4,8% 7,% 9,%,4% 3,6% 5,8%,45%,%,98%,75% 3,5% 4,8% 5,5% 5,8%.5./6. ábra. A kompenzáióskábel-áramok gyakorisági hisztogramja a detektorlánon belüli átlagos detektoráram százalékában kifejezve A.5./6. ábra első grafikonján 987-ben a 4. blokk. kampányában, a második grafikonon 997-ben a. blokk 4. kampányában használt detektorlánok kompenzáióskábel-áramának gyakorisági hisztogramja látható az azonos detektorlánban lévő detektoráramok átlagának százalékában kifejezve. A grafikonokon jól látható, hogy a nyolvanas években használt detektorok kábelárama lényegesen, kb. háromszor nagyobb volt az új típusúakénál. Az első grafikon,4%,6%-os tartományának viszonylagosan magas, %-os értéke azt mutatja, hogy már ebben az időszakban megkezdődött az új típusú detektorok fokozatos alkalmazása. A kábeláram a zajdiagnosztika szempontjából azért bír különös fontossággal, mivel a zajjelekben a már említett detektoráram promptrésze és a kábeláram együttesen jelenik meg. Ez a leghosszabb kábelű detektor esetén extrém esetben (a 8-as években használt detektoroknál) azt is jelentheti, hogy a kábeláram járuléka bizonyos frekveniatartományokban abszolút értékben akár meg is haladhatja a detektor prompt válaszát. Ennek alátámasztására a nagyobb kábeláramú (a nyolvanas években használt) detektorokkal végzett zajdiagnosztikai mérések közül kiválasztottam egy olyan mérést, amelyben a kábeláram fluktuáiója is rendelkezésre állt. A detektorok és a kábel AC és DC áramát a.5./. táblázat foglalja össze

29 Zajdiagnosztikai mérés, 987.., 3. blokk,. kampány Detektorlán-koordináta 3-4 Detektorszint N N N3 N4 N5 N6 N7 N8 N-N8 Mért DC áram [µa],98,3 -,9,4,7,9 -,9,89 A detektorban keletkező,7,8 -,8,8,7, -,9 -, besült prompt DC áram [µa] zaj RMS [na] 4,5 5,8 -,8 3, 9, 3,4,4 7,9 A detektorjel és a kábeljel közötti fázis -5Hz-ig [fok] < 9 < 6 - > 5 > 5 > 5 > /. táblázat. Detektor- és kábeláramok zajdiagnosztikai mérési adatai A táblázatban N8 jelöli a kompenzáiós kábelt. Az N-N8 oszlop az N-es detektor és a kompenzáiós kábel idősorának a különbségéből számolt adatokat tartalmazza. (A mérési jegyzőkönyv szerint a hármas detektor vagy a hozzá tartozó elektronikai lán hibásan működött.) A táblázatban a gyártó által megadott 7%-os érték alapján a számolt prompt DC áram is helyt kapott. Az adatokból kitűnik, hogy a leghosszabb kábelű N detektor esetén, de valószínűsíthetően még az N detektornál is, a detektor (DC) kábelárama abszolút értékben nagyobb a detektor prompt DC áramánál. A táblázatban feltüntetett detektorjelek közötti fázisgörbéket a.5./7. ábra mutatja be. 8 N -N Fázis [fok] Fázis [fok] -8 8 N4 -N N4 -N Fázis [fok] -8 8 N5 -N N5 -N N5 -N4 Fázis [fok] -8 8 N6 -N N6 -N N6 -N4 N6 -N5 Fázis [fok] -8 8 N7 -N N7 -N N7 -N4 N7 -N5 N7 -N6 Fázis [fok] -8 8 N8 -N N8 -N N8 -N4 N8 -N5 N8 -N6 N8 -N7-8 5 Frekvenia [Hz] 5 Frekvenia [Hz] 5 Frekvenia [Hz] 5 Frekvenia [Hz] 5 Frekvenia [Hz] 5 Frekvenia [Hz].5./7. ábra. A 3-4-es detektorlánon mért jelek fázisdiagramjai. (A grafikon alsó sorában a fel-le ugráló görbe az alkalmazott ±8º-os ábrázolásmód következménye, és ez egyben az ellenfázis tipikus megjelenése.) A kábeláramnak a detektoráramhoz viszonyított ellentétes előjeléből következik, hogy a kábelben és a detektorban (globálisan, azaz a detektor és a kábel minden pontjában azonosan) keletkező áram ellenfázisban van egymással. Ezért egy adott frekvenián az eredő áram irányát a nagyobbik áramjel iránya - 5 -

30 határozza meg. 6 Ebből következik, hogy ha a kompenzáiós kábel és az N detektorjel között egy adott frekvenián azonos fázist tapasztalunk, akkor a kábeláram határozza meg az eredő jel irányát (azaz a kábeláram meghaladja a detektoráramot), ellenfázis esetén viszont a detektoráram határozza meg az eredő jel irányát (azaz a detektoráram nagyobb a kábeláramnál). A.5./7. ábra fázisportréi és a.5./. táblázat szerinti (N8) kompenzáiós kábel és a detektorok közötti fázisadatokból látható, hogy az N és N detektoroknál a detektorhoz satlakoztatott kábel árama a kb. 5 Hz-es tartományban valószínűleg meghaladja a detektor áramát. Ugyanis ezek a jelek közelítőleg azonos fázisban vannak, és ez azonos előjelű áramra, azaz két kábel közötti fázismenetre utal. Az N detektornál megfigyelhető nagyobb fázisérték azt jelzi, hogy itt (az N detektorhoz viszonyítva) a kábel járuléka a rövidebb kábelhossz miatt a detektor jeléhez képest már kisebb, de még éppen meghaladja a detektor áramát. Az N4 N7 detektorjelek és a kompenzáiós kábel jele közötti ellenfázis amely ellentétes irányú áramokra utal már azt mutatja, hogy a rövidebb kábelhosszak miatt a detektorok jelében a detektorkábel árama kisebb a detektor áramánál, azaz a jelben már a detektor árama marad meg. Ez egyben azt is jelenti, hogy a detektor és a kábeláram az N és N4 detektorok közötti tartományban egyenlítődik ki. A.5./. táblázat RMS értékeiből az is megállapítható, hogy a kábel RMS értéke elég nagy ahhoz, hogy az első két detektornál abszolút értékben meghaladja a detektorok áramát. 7 Az N detektor idősorából a kompenzáiós kábel idősorát kivonva jó közelítéssel megkapjuk a detektor torzítatlan jelét. Ez alapján azt kapjuk, hogy a detektor tényleges jelének RMS értéke a hozzátartozó kábel jelének 64%-át teszi ki, azaz a kábeláram meghaladja a detektor prompt jelét. A kábeláram frekveniafüggő hatásának illusztrálására a.5./8. ábrán bemutatjuk a kábel (N8), a detektor (N) és az idősorok kivonásával előállított (kompenzált) detektor (N-N8) autoteljesítménysűrűség-spektrumát (APSD). 3-4/N 3-4/N8 3-4/N -3-4/N8 8 APSD [na ] Frekvenia [Hz].5./8. ábra. A kábel (N8), a kompenzált detektor (N-N8) és a kompenzálatlan (N) detektor áramának autospektruma 6 Mivel a detektor és a kábel környezetében fellépő lokális zajok (pl. terjedő perturbáiók) által keltett áramok között fáziseltérések vannak, ezért ez nem teljesen igaz. Esetünkben a feltevésnek az ad alapot, hogy a reaktorban normál körülmények között alasony frekvenián (kb. Hz-ig) a globális háttérzaj a domináns [76], továbbá mint azt a későbbiekben látni fogjuk a kompenzáiós kábel frekveniaátvitele a kábel mentén haladó perturbáióknál kb. Hz-től már elhanyagolható. 7 Az RMS értéket a reaktor átviteli azaz a neutronzajspektrumok exponeniálisan sökkenő tulajdonsága miatt az alasonyfrekveniás komponensek határozzák meg [, 77]

31 A.5./8. ábrán látható, hogy a jel alasonyfrekveniás tartományában, kb.,5 Hz-ig, a tényleges (kompenzált) detektoráram végig kisebb a kábeláramnál. Ez már egyértelműen bizonyítja, hogy a leghosszabb kábelű (N) detektorra a bemutatott mérésnél a detektor prompt jelét,5 Hz-ig a kábeláram szolgáltatta. Az elemzett méréshez tartozó kábeláram a.5./6. ábra első grafikonjának a közepére esik. A grafikonról az is leolvasható, hogy ennél az értéknél kétszer nagyobb áramok is előfordultak, azaz a múltban a vizsgálthoz képest jelentősebb méréshibák is lehettek A hűtőközeg sebességének beslése neutronzajjelekből A neutrondetektorok jeleiben észlelhető ingadozások egy részét a reaktoron áthaladó hűtőközegben lévő perturbáiók okozzák. A haladó perturbáiók által kiváltott jelenségek és matematikai leírásuk a méréstehnikában és a zajdiagnosztikában is jól ismertek. A reaktordiagnosztikában ezeket a jelenségeket kihasználva lehetőség van a hűtőközeg-sebesség zónán belüli megmérésére. Mivel a kábeláram módosítja a detektor jelét, ezért élszerű megvizsgálni, hogy a detektor kábeláramának hatása miképpen jelenik meg a detektorlánok mentén elhaladó perturbáiók mérési eredményeiben. A vizsgálatok ismertetése előtt röviden összefoglaljuk a reaktorban áthaladó perturbáiókkal kapsolatos fontosabb ismereteket Terjedő perturbáiók vizsgálata A reaktoron átáramló hűtőközegben lévő inhomogenitások (sűrűségingadozás, bórkonentráió-ingadozás stb.) a megváltozott makroszkopikus hatáskeresztmetszeteken keresztül perturbáiót okoznak a neutronfluxusban. Ezért a detektorok előtt elhaladó perturbáió kis tranziens formájában a detektorok távolságával arányos időkéséssel megjelenik a detektorok jelében is (.5./9. ábra). perturbáió v a perturbáió sebessége i ( t ) i ( t) d l d detektorok l τ, = v a detektoráramok időjele.5./9. ábra. A terjedő perturbáió tranzitideje besülhető a detektorok időjeleinek felhasználásával A detektorok közötti tranzitidő mérésével a detektorok távolsága alapján az áramló hűtőközeg sebessége egyszerű osztással számítható. Mivel a reaktor üzemelése közben a kazettákon átáramló hűtőközeg sebességét sak áttételesen, számítások útján lehet meghatározni, ezért bizonyos esetekben fontos lehet egy olyan mérési eljárás, amelynek segítségével a hűtőközeg sebessége az adott helyen mérhető meg. A tranzitidő meghatározása történhet a terjedő perturbáiók hatására a jelek között mérhető lineáris fázis meredekségének meghatározásával vagy a jelek keresztkorreláiós függvényében a tranzitidőre jellemző sús azonosításával. A továbbiakban ismertetett formulákban, levezetésekben a következő jelöléseket használjuk: iωt i( ω ) = i( t) e dt a jel Fourier-transzformáltja, (.5..) CPSD, ( ω ω) = i ( ω) i ( ) keresztteljesítménysűrűség-spektrum vagy keresztspektrum, (.5..) - 7 -

32 APSD ( ω ω) = i ( ω) i ( ) autoteljesítménysűrűség-spektrum, röviden autospektrum, (.5..3) a várható értéket, ω a körfrekveniát és a (felülhúzás) a komplex konjugáltat jelöli. l A.5./9. ábra alapján a detektoráramokra i ( t) i ( t τ, ), ahol τ, = a két detektor közötti v transzportidő, l a detektorok távolsága és v a terjedő perturbáió sebessége. Ennek az egyenletnek a iωτ, Fourier-transzformáltja: i ω) = i ( ω) e. ( Képezve a két jel közötti keresztspektrumot: iωτ, iωτ, = i ( ω) i ( ω) = i ( ω) i ( ω) e APSDe. (.5..4) CPSD = ϕ = arg CPSD = ωτ, melynek Ebből a terjedő perturbáió lineáris fázisa (, ), nulla átmenete van, ω = ( n + ) τ, π Hz-nél (n=,,..) pedig π átmenete. nπ ω = Hz-nél τ, A reaktorban terjedő perturbáiók vizsgálatánál azonban nehézséget okoz, hogy a detektor nemsak az előtte elhaladó perturbáiót, hanem egy, a reaktor minden pontjában érzékelhető, ún. globális zajt is lát. (A lokális-globális konepióról további informáiók találhatók a [77, 78, 79, 8, 8, 8] publikáiókban.) Ez azt jelenti, hogy a detektor egyszerre egy lokális és egy globális zajmezőt mér. A továbbiakban [77] alapján felírjuk a terjedő perturbáiók globális effektust is figyelembe vevő fázismenetét. A probléma megoldására kidolgozott lokális-globális konepió szerint az in-ore neutrondetektorok által mért jelet két jól szeparálható részre lehet bontani, egy ún. lokális és egy globális részre: lo gl i( t) = i ( t) + i ( t). (.5..5) A reaktorban felfelé áramló hűtőközeg esetén a felső neutrondetektor i u (t) jele felírható mint lo gl iu ( t) = il ( t τ) + i ( t) + (...), (.5..6) ahol i lo l (t) a neutronzaj lokális komponense a reaktortartály alsó részében [ 77, 78]. Az első tag lényegében a terjedési folyamatot írja le, míg a harmadik tag a két pont közötti gőzfejlődést (ez utóbbit PWR reaktorra elhanyagoljuk). A (.5..6) egyenletet a frekveniatartományban a következőképpen írhatjuk fel: u l iωτ lo, u i ( ω) = i ( ω) e l + Ezt felhasználva (.5..4) a következő: i gl ( ω), (.5..7) iωτ gl lo gl lo l, u CPSDl, u = il ( ω) iu ( ω) = ( il ( ω) + i ( ω)) ( il ( ω) e + i ( ω)) = = i lo l = APSD iωτ lo l, u lo gl gl lo l, u gl gl ( ω) i ( ω) e + i ( ω) i ( ω) + i ( ω) i ( ω) e + i ( ω) i ( ω) gl l + APSD lo, gl, lo l, u feltéve, hogy CPSD = és CPSD gl e =. l l l lo iωτl, u lo, gl gl, lo iωτl, u gl lo iωτl, u l e + CPSDl + CPSD l e = APSD + APSDl e l iωτ iωτ =, (.5..8) Fontos megjegyezni, mivel ezt még kihasználjuk, hogy ha valamilyen ok miatt a globális hatás valamelyik detektor jelében nem jelentkezik, akkor a következő globális tag nélküli egyenletre jutunk: - 8 -

33 l, u iωτ iωτ iωτ CPSD, lo l, u gl, lo l, u lo l u = APSD e + CPSD e = APSD e. (.5..9) l l Vagyis a fázistolás a két pont között lo K sin( ωτ l, u ) APSDl ϕ = artg, ahol K =. (.5..) gl + K os( ωτ ) APSD l, u Az így kapható fázisösszefüggés néhány esetben jól leírja a fázisportrék, illetve azok egyes szakaszainak alakját [83, 84, 85]. Az összefüggés jól mutatja, hogy a globális hatás elmossa, illetve a nulla fázis felé kényszeríti a fázisgörbét. A fő probléma az, hogy a detektorok között mérhető fázisportrék, a vázoltakkal ellentétben, sokkal összetettebbek, és ezért az ilyen egyszerű megközelítések az esetek nagy részében nem állják meg a helyüket. A kísérletileg mért sebességek és a lineáris fázismeneten alapuló zajdiagnosztikai módszerekkel meghatározott sebességek között sok esetben jelentős eltérés mutatkozott. A témakörben megjelent publikáiókra jellemző, hogy általában egy-egy újabb fázistorzítási lehetőségre mutatnak rá, ugyanakkor a korábban már magyarázott torzítási lehetőségeket rendre figyelmen kívül hagyják. (Az elmondottakkal részletesebben a [83, 84, 85, 86, 87, 88] publikáiókban találkozhatunk.) Valójában ezeknek a hatásoknak az együttes figyelembevétele az analitikus módszerekkel gyakorlatilag lehetetlen. A zajszimulátoros kísérletekben ezeket a hatásokat együttesen lehetett figyelembe venni, kiegészítve még egy eddig elhanyagolt hatással (nevezetesen a kábeleffektussal), ami mint azt később bizonyítom is szintén képes befolyásolni a fázismeredekségből történő sebességbeslés pontosságát. Hangsúlyozni kell, hogy más zajdiagnosztikai módszerekkel pl. a korreláiós tehnikával vagy az impulzus-válaszfüggvényen alapuló sebességbesléssel pontosabb eredmények kaphatók [8] A korreláió alapú sebességbeslés A sebességmeghatározás másik módszere azon alapszik, hogy a két detektor között kiszámolt korreláiós függvényben a repülési vagy transzportidőnek megfelelő helyen a függvénynek lokális maximuma van. A korreláiós függvény elemzésénél problémát okoz, hogy a reaktor zónájában lévő neutrondetektorok jelei a reaktor globális fluktuáiója miatt erősen korreláltak. Ez a globális fluktuáió a korreláiós függvényben elfedi a transzportidőre jellemző súsot. A transzportidő meghatározásának járhatóbb útját a detektorok közötti impulzus-válaszfüggvény vizsgálata jelenti, amelyben a globális effektus kevésbé jelenik meg, ezért a transzportidőre jellemző sús könnyebben azonosítható (lásd a.5./. ábra felső és alsó grafikonjai közötti különbséget). A grafikonok vízszintes időtengelyein másodper értéknél a globális, minden detektort azonos időpontban érő zajjelek okozta sús látható, míg a,4 másodper körüli értékeknél az. és 5. szinteken levő detektorok közötti a hűtőközeg sebességére jellemző késleltetési időnek megfelelő sús. Az A és B detektorok közötti keresztkorreláiós függvényt (CORR AB ) és impulzus-válaszfüggvényt (IMP AB ) inverz Fourier-transzformáióval a következőképpen számíthatjuk ki: CORR IMP AB AB = CPSD CPSD = APSD AB A AB e e iωt iωt dω dω - F - F ( ) CPSD CPSD APSD AB A AB l, (.5..), (.5..) ahol CPSD AB az A és B detektor közötti keresztspektrum, APSD az A detektor autospektruma és - A F az inverz Fourier-transzformáiót jelöli. A (.5..5) és (.5..8) összefüggések alapján - 9 -

34 gl APSD A APSD + = APSD, (.5..3) lo A gl lo iωτ A B AB = APSD + APSD A e. (.5..4) CPSD, Ezeket behelyettesítve a (.5..) és (.5..) kifejezésekbe, a CORR IMP AB AB gl lo i A, B ( APSD + APSD e ) = F és (.5..5) ωτ A gl lo iωτ A, B gl lo iωτ A, B APSD + APSD = A e = APSD APSDA e F F + (.5..6) gl lo gl lo gl lo APSD + APSDA APSD + APSDA APSD + APSDA összefüggéseket kapjuk. A (.5..5) és (.5..6) egyenletekben a korreláiós függvények és impulzusválaszfüggvények argumentumában lévő első tag a globális rész (nulla körüli) súsát hozza létre, a második tag pedig a lokális (a tranzitidő körüli) súsért felelős. A (.5..6) egyenletben az osztás keskenyebb súsot eredményez, ezért az impulzus-válaszfüggvények kiértékelése egyszerűbbé válik (ez figyelhető meg.5./. ábra alsó grafikonjain). Erre a fejezet végén még visszatérünk. A terjedő perturbáiók okozta SPND detektorjel-fluktuáiók a nyomott vizes reaktorokban igen kisik (a detektorjel DC értékének,-, %-a), míg az egyéb, a transzportsebesség meghatározását zavaró zajjelek ennél nagyságrendekkel is nagyobbak lehetnek. Ezért azokban az esetekben, amikor ezeknek az effektusoknak (pl. egy rezgés vagy a megnövekedett 5 Hz-es zaj stb.) nagy a hatása, a perturbáiók terjedési sebességének meghatározása nem, vagy sak nagyon nagy hibával lehetséges. Erre adnak példát a.5./. ábra harmadik oszlopbeli grafikonjai, melyeken a terjedő perturbáió által keltett sús,4 másodpernél már az azonosíthatóság határán van. A középső grafikonon egy átlagosnak tekinthető, míg az elsőn egy nagyon jól azonosítható transzportidősús figyelhető meg. 6. x /N-N5 6 x /N-N5 x /N-N5 keresztkorreláió /N-N /N-N /N-N5 impulzus válasz idő [mp] - - idő [mp] - - idő [mp].5./. ábra. Detektorpárok közötti keresztkorreláiós függvények (felül) és impulzusválaszfüggvények (alul),4 másodper körüli transzportidőkkel Az SPND lánok modellezése Az in-ore neutrondetektorok detektálási folyamatának tisztázására két modellkísérlet, illetve szimuláió készült. Elsőként egy olyan egyszerű, a mérési geometriát tartalmazó zajdiagnosztikai modellt alkottam, amelyben az egyes zajösszetevők elkülönítve jelentek meg. Ennek kidolgozásánál a él az egyes zajösszetevők tulajdonságainak megértése, azok szemléletesebb bemutatása volt, valamint az, hogy alapot szolgáltasson egy esetleges mélyrehatóbb vizsgálat elvégzéséhez. Az egyszerű modellen végzett szimu

35 láiók után a vizsgálatokat egy egydimenziós reaktormodellt tartalmazó zajszimulátorral készült idősorokon ismételtem meg. A szimulátor modellrendszere egy satolt neutronkinetikai és termohidraulikai modellt tartalmaz, és így a szimulátor alkalmas arra, hogy realisztikusan írja le a reaktoron belüli legfontosabb zajterjedési folyamatokat Az SPND lánok egyszerűsített modellezése A reaktoron áthaladó perturbáiók által keltett neutronzaj SPND detektorlánal történő mérésének egyszerűsített egydimenziós zajdiagnosztikai modelljét a.5./. ábra szemlélteti. KOMPENZÁLT DETEKTOR KOMPENZÁLATLAN DETEKTOR i ki A d + + Súlyfaktorok A + i ki i ki A d + A d + + i ki A d + A + A globális hatást helyettesítõ detektor L v L d v A kábeleffektust helyettesítõ detektor P P H r Perturbáió x v P x d Detektor v P Perturbáió L d x x x d.5./. ábra. Az SPND detektorok egydimenziós zajdiagnosztikai modellje terjedő perturbáiókra, kompenzált és kompenzálatlan detektor esetén Az egyszerű modell három tényező a detektoráram, a kábeláram és a globális hatás, valamint a mérési geometria figyelembevételén alapul. Ezek együttesen alakítják ki a detektoron mérhető jelet. Az egyszerű modell nem modellezi a reaktoron áthaladó perturbáiók pontos hatásmehanizmusát. A modell egyetlen kapsolata a reaktorhoz a globális effektus elnagyolt közelítése. A modellen véletlenszerűen s kiterjedésű, v sebességű perturbáiók haladnak át, amelyeket P egységnyi szakaszra eső erősség jellemez. A legegyszerűbb esetet alapul véve a perturbáió erősségének az eloszlása P, ha vt x vt + s, p ( x, t) = (.5..7), egyébként, ahol x a perturbáió térbeli változója, t pedig az időbeli változó. A modellezéskor a megfelelő statisztikákhoz véletlenszerűen, másodperenként perturbáió lett generálva, véletlenszerű s és P paraméterekkel, egyenletes eloszlás szerint. A detektor modellezése. Az egydimenziós modellben a detektort egy megfelelő x d pozíióba helyezett l d hosszúságú szakasz képviseli, amelyet minden pontjában G d prompt detektorérzékenység (vagy elektronproduktivitás) jellemez. (A továbbiakban a detektorérzékenységet a detektor prompt áramára - 3 -

36 vonatkozólag értjük. A detektorérzékenységet a modellezés során egynek vesszük, és a többi érzékenységet ehhez viszonyítjuk.) A detektorra vezessük be az alábbi, helytől függő átviteli függvényt: Gd, ha xd x xd + ld, γ d ( x) = (.5..8), egyébként. A detektor i d (t) áramát az adott szakaszon áthaladó perturbáió és a szakasz közös részével, valamint a perturbáió mértékével vesszük arányosnak, azaz id ( t) = p( x, t) γ d ( x) dx. (.5..9) A kábel modellezése. Diagnosztikai szemszögből nézve a kompenzálatlan detektor kábele is detektornak tekinthető, amely egy nem, vagy sak nehezen leválasztható járulékot ad a detektor jeléhez. Az egydimenziós modellben a kábelt is egy olyan l hosszúságú detektornak tekintjük, amely geometriailag a tényleges detektor végénél kezdődik, és a reaktor felső részéig tart, vagyis G, ha xd + ld x xd + ld + l, γ ( x) = (.5..), egyébként. Fontos hangsúlyozni, hogy a kábelt modellező detektor árama ellentétes előjelű a detektoréhoz képest, azaz a fajlagos érzékenységre G. (A kábeláramot önkényesen három soportba soroljuk: Nagy, ha G,9. Ekkor a kábel árama meghaladhatja a detektor áramát. Normál, ha,9 > G, 3. Kisi, ha,3 > G.) A kábelt reprezentáló detektor által mért áram az előző pontban a valódi detektornál ismertetett mehanizmus szerint írható fel, azaz t) p( x, t) ( x) i ( = γ dx. (.5..) A kábelt modellező detektor árama előjelesen hozzáadódik a valódi detektor áramához. A globális hatás modellezése. A reaktor globális hatását egy H hosszúságú detektor mentén elhaladó perturbáióval modellezzük, ahol H a reaktorzóna magassága. A globális hatás modellezésére kétféle alternatíva kínálkozik. Az első változat esetén Gr, ha x H, g ( x) = (.5..) r, egyébként. A második változatban a perturbáió neutronfluxusra gyakorolt hatását a perturbáió értékességét koszinusz alakú átviteli függvénnyel közelítjük: Gr g r ( x) = πx os, H, ha x H, egyébként. (.5..3) A reaktoron bekövetkező globális (minden pontban azonosnak tekintett) Φ (t) fluxusváltozás mértékét a modellben a következőképpen adjuk meg: Φ gl t) = p( x, t) g r ( x) ( dx. (.5..4) gl - 3 -

37 Ennek alapján a globális hatásnak a valódi detektorban megjelenő hányada a következőképpen írható fel: = Φ Φ = dx x t dx x t t i d gl d gl gl d ) ( ) ( ) ( ) ( ) (, γ γ. (.5..5) Az összefüggésből látható, hogy a globális hatás a detektor jeléhez egy állandó számmal megszorozva adódik hozzá. Formailag tehát úgy tekinthető, mint ha egy ) (x g r átviteli tulajdonságú detektor árama egy = dx x A d d ) ( γ (.5..6) erősítésű erősítőn keresztül adódna hozzá a detektor jeléhez. A kábel esetén hasonló megfontolásokkal járhatunk el, azaz a globális effektus következtében a kábelben keletkező áram Φ = = Φ Φ = ) ( ) ( ) ( ) ( ) ( ) ( t A dx x t dx x t t i gl gl gl gl γ γ, ahol (.5..7) = dx x A ) ( γ. A fentiek figyelembevételével a detektoron mérhető ) (t i teljes áramot a következő alakban adhatjuk meg: ) ( ) ( ) ( ) ( ) ( t i t i t i t i t i gl gl d d =. (.5..8) A modellezés során a detektorérzékenységek a valódi detektor érzékenységére normáltak. A hossztól függő átvitel vizsgálata. A felvázolt modellből a jelek néhány tulajdonsága már megjósolható. Egy l hosszúságú detektor mentén terjedő hullám esetén a detektorban kialakuló áramra a következő összefüggés írható fel: + = + = + = = = ) os( ) os( ) os( ) sin( ), ( t l t G x t G dx x t G t i l x x l ω ω ω ω ω ω ω ω ω ω, (.5..9) ahol G a detektor fajlagos érzékenysége és a hullám sebessége. Ezt átalakítva az + = + = l t l G l t l G t i sin sin sin sin ), ( ω ω ω ω ω ω ω ω ω (.5..3) összefüggést kapjuk. Képezzük a hullám teljesítménysűrűség-függvényét az alábbi módon: t t t t t t t l t l t G dt l t l t G i = = + = + = sin 4 sin 4 lim sin sin 4 lim ) ( ω ω ω ω ω ω ω ω ω ω, (.5..3) + + = l t l t l t G i t sin 4 sin 4 sin 4 lim ) ( ω ω ω ω ω ω ω ω, ahol (.5..3) sin sin sin 4 4 lim = + + l t l l t G t ω ω ω ω ω ω. (.5..33) Tehát a teljesítménysűrűségre a következő összefüggést kapjuk:

38 G lω i ( ω ) = sin. (.5..34) ω A, m kábelhosszúságot,,4 m reaktorzóna-magasságot,, m detektorhosszt és a hűtőközeg 3, m/s-os sebességét behelyettesítve a.5./. ábrán látható görbéket kapjuk.. Kábel Globális Detektor [Magnitudó].5. G i ( v) = sin π ν l πν Frekvenia [Hz].5./. ábra. A kábeláram teljesítménysűrűség-függvényének alakja a kábel mentén haladó perturbáiók esetén A grafikonon bemutatott görbéknél a detektorérzékenységek a következők: G d =, a kábelre G =, 9 és a globális effektusra G r =. 75. A grafikonon látható, hogy a frekveniaátvitel a frekveniával fordított arányban meredeken sökken, továbbá a detektorhossz függvényében a n ν =, ( n =,,... ) (.5..35) l helyeken nulla. A (.5..3) (.5..33) összefüggésekben szereplő határérték a numerikus szimuláióban, illetve a mérések kiértékelésében sak közelíthető, vagyis a formulák véges hosszúságú kiértékelés mellett alasony frekvenián ((.5..33) miatt) sak korlátozottan érvényesek ( t >> ω 3 ). A gyakorlatban ez azt jelenti, hogy a kábel hatása terjedő perturbáiók esetén kb. Hz-től kezdve elhanyagolhatóvá válik. A globális hatást modellező detektor hossza sak kb. %-kal nagyobb a kábelénál, ezért az APSD görbéje (a kábel és a detektor G faktorainak arányát figyelembe véve) nem tér el jelentősen a kábelétól. A valódi detektornál az első zérushely a detektor kis mérete miatt 5 Hz körül van. A detektorokra merőlegesen haladó perturbáióknál a detektor átvitele a detektor tényleges átviteli tulajdonságaival egyezik meg. Esetünkben ezt, Hz felett lineárisnak vehetjük. A detektorok elrendezéséből közvetlenül adódik, hogy a reaktor teljes globális zaját amely alatt nemsak a terjedő perturbáiók által keltett zajt értjük a kábel (ellentétes előjelű árama miatt) kivonja a detektor áramából. Ebből az következik, hogy a leghosszabb kábel, meghatározott fajlagos kábelérzékenységnél (az átviteli jellemzők különbségéből eredő kisebb zavaroktól eltekintve) gyakorlatilag teljesen kompenzálhatja az adott detektorban a globális hatást. Ennek következtében a lineáris fázis tulajdonságai jelentős mértékben javulhatnak. Túl nagy kábeláram esetén viszont túlkompenzáltság léphet fel, ami azzal járhat, hogy a kábeláram a fázisportrét a π irányába kényszeríti. Ez azt is jelenti, hogy egy alkalmas súlyfaktort találva lehetőség nyílik a kompenzáiós kábel áramát a globális effektus kompenzálására felhasználni. A modellel 986-ban mért nagy kábeláramú kompenzálatlan detektorokkal készített zajdiagnosztikai mérések jeleinek reprodukálására történt kísérlet. A mérésekben a kábel okozta fázis-visszafordulás a

39 ,5 Hz-es frekveniatartományban jól megfigyelhető volt (ld. a.5./3. ábra szaggatott vonalú görbéjét). A modellezés a.5./. ábra szerinti elrendezésnek megfelelően az N és N3 detektorok jeleinek előállításával, a globális hatás modellezése pedig a koszinusz alakú átviteli függvénnyel történt. Az egyszerű modell a fajlagos detektorérzékenységek kísérleti megtalálása után 8 Hz tartományban elfogadhatóan reprodukálta a valós mérési eredményeket (ld..5./3. ábra). A szimulált fázisgörbét a.5./3. ábrán folyamatos vonal mutatja. A modellezéssel kapott görbén,5- Hz között a kábelnek tulajdonítható fázisvisszahajlás is jól megfigyelhető. 5 "szimulált" "N-N3 Fázis [fok] Frekvenia [Hz].5./3. ábra. A 5-3 detektorlán N és N3 detektorai közötti szimulált és mért fázis a PB3K.6C mérésben A kedvező eredmények ellenére az egyszerűsített modell nagy hátránya, hogy nem modellezi a reaktor termohidraulikai viselkedését, ezért,5 Hz alatt eleve nem szolgáltathatott jó eredményt. A modell hibájának tekinthető, hogy nem modellezi a globális háttérzajt ami alatt a reaktor minden pontjában jelentkező, a modellezett perturbáióktól független zajt értünk, ezért a kapott fázisgörbe egyenletesebb a valóságosnál. Globális háttérzaj figyelembevétele esetén azonban a modellezésnél már három paramétert kellene variálni. A valóságos, három dimenziós esetben a detektor jelében a perturbáiók globális és lokális komponensének aránya lényegesen nagyobb lehet, mint az egydimenziós modellben, mert a környező kazettákban áthaladó perturbáiók hatása is megjelenhet a detektor jelében. Ennek oka, hogy a nagyobb távolság miatt a perturbáió lokális komponense kisebb mértékben, míg a globális komponens teljes mértékben érvényesül. Ezért az egydimenziós modellezésnél a globális effektust nagyobb súllyal kell figyelembe venni. A felsorolt hiányosságok ellenére az eredmények meggyőztek arról, hogy a vizsgálatot érdemes nagyobb teljesítőképességű eszközzel is elvégezni. A valóságot jobban megközelítő vizsgálat végezhető a Házi és Pór által kidolgozott, egydimenziós reaktormodellt alkalmazó zajszimulátor [89] segítségével Egydimenziós reaktormodellen alapuló zajszimuláió Az egydimenziós reaktormodellen alapuló szimulátor az SPND jeleket egy satolt termohidraulikai és neutronkinetikai modellel szimulálta. A szimuláió során az elsődleges zajforrás a belépő hűtőközeg hőmérsékletingadozása volt. A szimulátorban a reaktorzóna viselkedését egy egydimenziós kétsoport diffúziós egyenlet írta le, amely egy egyszerű axiális fűtőanyag- és hűtőközeg-modellel volt összekapsolva. A soport- és a termohidraulikai paraméterek összesatolása alkalmasan megválasztott összefüggések felhasználásával történt. A modell egyenleteit speiális megfontolások alapján kiválasztott numerikus módszerek oldották meg, eredményként a neutronfluxus idősorát állítva elő. A szimulátor lehetővé tette tetszőleges méretű neutrondetektoroknak a reaktorzóna tetszőleges axiális pozíiójába helyezését. A detektorok hosszuk mentén a termikus neutronfluxust mérték. A szimulátor az egyes detektorok kábelét egy megfelelő hosszúságú és érzékenységű detektorral modellezte. A detektorokból

40 nyert idősorok a szokásos jelfeldolgozási módszerekkel kezelhetők voltak. A zajszimulátor részletes ismertetése a [89] publikáióban található. A szimulátorban az egyszerű modellnél is használt N, N3 detektorok jeleinek a modellezése történt. A szimulátorral előállított idősoroknál a kábeláramot (kis lépésekben,,5 tartományba eső a kábel fajlagos érzékenységének megfelelő szorzókkal megszorozva) a detektor idősorához hozzá lehetett adni. (A detektor fajlagos érzékenysége egynek lett választva.) Az így előállított idősorok között fázist számítva a.5./4. ábrán látható fázisgörbéket állítottam elő. Az ábra felső grafikonján azok a fázisportrék tekinthetők meg, melyek esetében a kábeláram abszolút értékben kisebb volt a detektorok áramánál, és a kábel még nem kompenzálta túl a globális effektust. Az ábrán jól látható, hogy a kábel G fajlagos érzékenységének, és ezen keresztül a kábeláramnak a növekedésével a fázisportré fokozatosan kezdi felvenni a lineáris fázisra jellemző alakot. Fázis [fok] G =. G =.6 G =.8 G =.9 G =. G = ,,, 3, 4, 5, 6, 7, 8, 9,,,, 3, 4, 5, Frekvenia [Hz] Fázis [fok] G =. G =. G =.35 G =.5 G =.75 G =. G = ,,, 3, 4, 5, 6, 7, 8, 9,,,, 3, 4, 5, Frekvenia [Hz].5./4. ábra. A kábeláram hatása a fázisgörbék alakjára Az alsó grafikonon megfigyelhető, hogy amikor a kábelérzékenység a globális hatás kompenzáiójának optimumát elérte, a fázis fokozatosan átmegy ellenfázisba. Ebben a tartományban az egyik detektor már túl van kompenzálva, a másik azonban még nins. Ha mind a két detektor erősen túlkompenzált lesz, akkor az egymást átfedő, hosszú detektorok közötti fázisgörbék jellemzői alakulnak ki. A szimuláióval kapott eredmények a.5./7. ábra fázisgörbéin is jól megfigyelhetők. Pl. az N5-N6 fázismenetnél a kis kábeláramra jellemző fázisgörbe, az N4-N5-nél a globális effektust optimálisan kompenzáló fázismenet, míg az N-N4 diagramon a túlkompenzált detektorú (a detektoráramot meghaladó kábeláramú) fázismenet figyelhető meg. A szimuláió eredményei alapján egyértelműen kijelenthető, hogy a kábeláram mértékének függvényében jelentős különbségek alakulhatnak ki az azonos körülmények között lévő detektorjelek jellemzőiben. Tehát a kompenzálatlan detektorokkal való mérések során a kompenzáiós kábel jelét mindig számításba kell venni. A következő fejezet a szimuláiókból leszűrt következtetések valós mérési adatokon való alkalmazását tárgyalja

41 Mért zajdiagnosztikai idősorok korrekiója A szimuláió során megállapítást nyert, hogy a kábeláram bizonyos határok között javítja a detektorjelek közötti lineáris fázisgörbe alakját. Így ha a valós mérésekben valahogyan megváltoztatjuk a detektor és a kábeláram közötti arányokat, és ezt úgy végezzük el, hogy a kábeláram a reaktorzaj globális komponensét lényegesen sökkentse, illetve optimális mértékben kompenzálja, akkor pl. a sebesség meghatározásához alkalmasabb jelekhez juthatunk. A kompenzálás végrehajtásához a kompenzáiós kábel áramát használjuk, kiaknázva azt, hogy a jelentősen eltérő detektor- és kábelhossz miatt a lokális és globális komponensek aránya lényegesen kisebb a kábelben, mint a detektorban. 8 Az A detektorjel i m A () t mért árama a következő összetevőkből áll: i lo gl () t i () t + i () t i () t =, (.5..36) m A A A + A ahol i lo A () t a lokális, i gl A () t a globális komponens és i A () t a kábel árama. Ez utóbbi a leghosszabb kábelű detektornál megegyezik a kompenzáiós kábel i () t áramával. A kábeláramban a lokális tagot már elhanyagoljuk. Feltevéseink alapján a (.5..36) kifejezésben a globális tag gl f i() t x i () t A (.5..37) A f alakban írható fel, ahol x A az A detektorhoz tartozó korrekiós faktor. A korrekiós faktor azt mutatja meg, hogy mennyivel kell a kábeláramot megváltoztatni ahhoz, hogy az áram azonos legyen a detektor által mért globális fluktuáió áramával. (.5..36)-ból a lokális tagot kifejezve az lo m gl i() t i () t i () t i () t A = (.5..38a) A A A összefüggést kapjuk. A kompenzáiós kábel hosszával közel megegyező hosszúságú kábelű detektoroknál ((.5..37) felhasználásával és ia() t i () t következtében) a lokális tag a következő alakú: lo m gl m f () t i () t i () t i () t i () t ( + x ) i () t i A =. (.5..38b) A A A A A A kísérletek a.5./. táblázatban már ismertetett mérési adatokkal történtek. A mérés fázisdiagramjai a.5./7. ábrán láthatóak. A detektorjelek kompenzáiója úgy történt, hogy a detektorokon mért adatsorokhoz hozzá lett adva a kompenzáiós kábel egy alkalmasan megválasztott súlyfaktorral megszorzott jelének adatsora. A súlyfaktor a lineáris fázis optimalizálásával, az egyes detektorok kábelhosszának és a jel DC szintjének figyelembevételével kísérletileg lett meghatározva. Az alkalmazott faktorokat a.5./3. táblázat foglalja össze. (Ezek a faktorok minden detektorlánra egyediek.) , 3. blokk,. kampány, 4A mérés, 3-4 detektorlán Detektor N N N3 N4 N5 N6 N7 x súlyfaktor -,5 -,5 -,8,4,55,6 f n.5./3. táblázat. A detektorjelek kompenzáiójához használt faktorok 8 Több detektorlán kompenzáióskábel-áramának átlagolásával a kábeláram lokális komponense gyakorlatilag teljesen eltüntethető, tapasztalataink szerint azonban már a vizsgált detektorlán kompenzáiós kábelének áramával is kielégítő eredmény kapható

42 A.5./5. ábra olyan fázisdiagramokat mutat be, ahol a detektorpároknak sak az egyik jele lett korrigálva. A grafikonokon folytonos vonallal a korrigált jelek, pontozott vonallal az eredeti jelek fázisgörbéi láthatók. A kétfajta fázisportré összevetéséből látható, hogy a kábeláram megváltoztatásával a fázisgörbék linearitása jelentősen javul. Megfigyelhető, hogy a fázisgörbék 3 Hz tartományából eltűnt az eredeti adatsort jellemző fázis-visszafordulás. A kompenzáiós kábel jelének fázist javító (fázist rekonstruáló) hatása az alsó szinteken levő (a kompenzáiós kábellel közel azonos kábelhosszúságú) detektoroknál a legjelentősebb. A rövidebb kábelű hatos és hetes szinten lévő N6 és N7 detektorok jeleinél már nem lehet számottevő fázismenet-javulást megfigyelni, ezért az N7 detektorral vett fázisgörbéket az ábráról elhagytuk. Ez a viselkedés részben azzal is magyarázható, hogy a detektorszinteken felfelé haladva egyre nagyobb mértékű kompenzáiót kell végezni, egyre inkább eltérő kábeláram-jellemzők mellett. A.5./6. ábra fázisdiagramjai a detektorpárok mindkét jelében elvégzett korrekió után készültek. Az ábrán látható, hogy a sak egyik jelében kompenzált fázisdiagramokhoz képest a fázisok linearitása Hz-ig valamelyest tovább javult. Az azonos jelkomponens hozzáadása miatt azonban magasabb (5 Hz feletti) frekveniákon már azonos fázisú vagy ellenfázisú jelkorreláltság lép fel. A kis kábeláramú detektorok jeleinek kompenzáiójánál (elsősorban a vizsgált mérés kedvezőtlen jel/zaj viszonya miatt) a fázisportrékban számottevő javulás nem jelentkezett. Az időjeleken végrehajtott korrekiók hatása természetesen nem sak a fázismenetekben jelentkezik, hanem a jel egyéb statisztikai jellemzőiben, így például a korreláiós függvényekben is (.5./7. ábra). 8 N -N* Fázis [fok] -8 8 N4 -N* N4 -N* Fázis [fok] -8 8 N5 -N* N5 -N* N5 -N4* Fázis [fok] -8 8 N6 -N* N6 -N* N6 -N4* N6 -N5* Fázis [fok] Frekvenia [Hz] Frekvenia [Hz] Frekvenia [Hz] Frekvenia [Hz].5./5. ábra. A detektorlán jelei közötti fázisok az első (sillaggal jelzett) detektoron végzett kompenzáióval

43 8 N* -N* Fázis [fok] -8 8 N4* -N* N4* -N* Fázis [fok] -8 8 N5* -N* N5* -N* N5* -N4* Fázis [fok] -8 8 N6* -N* N6* -N* N6* -N4* N6* -N5* Fázis [fok] -8 5 Frekvenia [Hz] 5 Frekvenia [Hz] 5 Frekvenia [Hz] 5 Frekvenia [Hz].5./6. ábra. A kompenzált jelek közötti fázisok A.5./7. ábra első grafikonja az N-N4, a második az N4-N7 detektorok keresztkorreláiós függvényeit tartalmazza. Az ábrán a szaggatott vonal az eredeti idősorok, a folytonos vonal pedig a korrigált idősorok keresztkorreláiós függvényét jelzi. Az első grafikonon az eredeti jelek keresztkorreláiós függvényei a nulla közelében a globális effektus tartományában negatív értéket vesznek fel az N-es detektor nagy, a detektor jelét meghaladó kábeláramának következtében. A görbén a hűtőközeg transzportidejénél (,7 se) a transzportidő súsa még éppen azonosítható. A korrigált jelek keresztkorreláiós függvényénél a globális effektus már alig jelentkezik, míg a transzportidő súsa jól azonosítható..5 N4* -N*. N7* -N4* Idő [se] Idő [se].5./7. ábra. Az eredeti (szaggatott vonal) és a korrigált (folytonos vonal) idősorok keresztkorreláiós függvényei az N-N4 és az N4-N7 detektorok között A második grafikonon látható N4 és N7 detektorok jeleiben a kábeláram járuléka az N-hez viszonyítva lényegesen kisebb. (Az N4-es, illetve N7-es kábelárama az N-eséhez viszonyítva kisebb, mint 4%,

44 illetve mint 5%.) A kis kábeláram következtében az eredeti jelek keresztkorreláiós függvényében a globális effektus erősebb, ezért a jelek a [-,] időtartományban erősen korreláltak. A görbén a transzportidő súsát legfeljebb sejteni lehet. Az eredeti jelek keresztkorreláiós függvénye a.5./. ábrán bemutatott kis kábeláramú jelek keresztkorreláiós függvényeinek jellemzőit mutatja. A korrigált idősorok keresztkorreláiós függvényeiben a globális effektus jelentősen lesökkent, és a transzportidő súsa is egyértelműen meghatározható. A valódi idősorokkal végzett kísérleteket összegezve megállapítható, hogy a szimuláiós és a valódi mérések eredményei összhangban vannak egymással, és egyértelműen bizonyítják a kábeláram hatását. Megállapítást nyert, hogy a nagy kábeláramú detektorok jelének vizsgálatánál a feldolgozások eredményessége a kompenzáiós kábel áramának felhasználásával javítható. A kompenzáió a leghosszabb kábelű N detektornál végezhető el legpontosabban, mivel ennél a kompenzáiós kábel hossza azonos a detektor kábelének hosszával. Felhasználva a detektorhoz használt korrekiós faktort, a globális fluktuáió spektrumára (.5..37) alapján a következő közelítés írható fel: APSD f f [ X i () t ] = X APSD gl N N N F, (.5..39) f ahol F a Fourier-transzformáiót jelöli, X N pedig az N detektorhoz tartozó korrekiós faktor. A lokális fluktuáió spektruma (.5..38b) alapján a következő: APSD m f m f [ i () t ( + X ) i () t ] = APSD ( + X ) APSD lo N N N N N F. (.5..4) Visszatérve a sebesség beslésére, most már rendelkezésünkre áll egy beslés a jel globális és lokális komponensére, ezért a (.5..5) korreláiós függvényeket és a (.5..6) impulzus-válaszfüggvényeket leíró egyenletek argumentumai már kiszámíthatók. Az eredményeket a.5./8. ábra mutatja be. APSD [na /s] Globális és lokális rész globális rész lokális rész Keresztkorreláió Keresztkorreláió Globális és lokális hányad Impulzus válasz Impulzus válasz Frekvenia [Hz] Idő [se] Idő [se].5./8. ábra. A korreláiós függvények és az impulzus-válaszfüggvények számítási részletei τ =, 4 mellett A bal oldali grafikonok az argumentumok frekveniamenetét mutatják, míg a középső grafikonok az inverz Fourier-transzformáió utáni görbemeneteket tüntetik fel. A jobb oldali grafikonokon az összeg, vagyis a modellből számolt keresztkorreláiós függvény és impulzus-válaszfüggvény látható. Ha ezeket összevetjük a valós mérésekből közvetlenül nyert görbékkel (.5./. ábra), meggyőző hasonlóságot tapasztalunk. A modell jól bizonyítja, hogy a tranzitidő az impulzus-válaszfüggvényekből olvasható le a legtisztábban. Teljes egyezés a modellezett és a valós mérési eredmény között nem várható el, mivel a - 4 -

45 modell nem írja le azt a jelenséget, hogy a detektorok mentén haladó perturbáiók fokozatosan szétfolynak, illetve újabb fluktuáiók is keletkezhetnek Az SPND detektorlán vizsgálatának összefoglalása A VVER-44-es reaktorban használt kompenzálatlan detektoron végzett mérések adatait vizsgálva megállapítást nyert, hogy a detektorok kábeláramai jelentősen (akár egy nagyságrendet meghaladó mértékben is) eltérhetnek egymástól. A kábeláram prompt jellege miatt a detektorok dinamikai viselkedését jelentősen befolyásolhatja, és ez a jelek statisztikai jellemzőiben (pl. a frekveniasúsok amplitúdójában, a fázisportrék alakjában stb.) is megjelenik. A mérések tanúsága szerint a 8-as években használt detektorokkal végzett, a detektoráram prompt részét hasznosító zajdiagnosztikai mérésekben a leghosszabb kábelű detektorok esetén a kábeláram egyes esetekben meghaladta a detektor áramát. A kábeláram az új detektoroknál sem hanyagolható el, ezért a kábeláramot továbbra is figyelembe kell venni. A terjedő perturbáiókat modellezve bemutattam, hogy a kábeláram jelentősen befolyásolja a terjedő perturbáiók fázisportréját is. A szimuláiók igazolták, hogy a kábeláram a mért jelben (a kábeláram ellentétes iránya miatt) kompenzálja a reaktor globális fluktuáióját, ezért bizonyos kábeláramoknál a terjedő perturbáiókra jellemző, közel lineáris fázismenet mérhető. A modellkísérletek eredményeit mért jeleken végzett kísérletekkel támasztottam alá. A kísérletek során a detektorok idősoraihoz különböző súlyfaktorokkal megszorozva hozzáadtam a kompenzáiós kábel idősorát. A kísérletek szerint a módosított idősorok statisztikai jellemzőiben a terjedő perturbáiók tulajdonságai tisztábban jelentek meg. A reaktor zajának valódi alakját a kábeleffektustól (amely végül is kompenzálható) és a lokális eredetű effektusok súsaitól eltekintve esetünkben legjobban az SPND detektorok spektrumai tükrözik. A.5./9. ábrán egy tipikus in-ore neutronspektrum látható. e-6 e-7 "e6.48b" napsd e-8 e-9 e- e- e Frekvenia [Hz].5./9. ábra. A IV. blokki 5 3/N6 koordinátájú in-ore neutrondetektor frekveniaspektruma Végül a kábeláramnak a zajjel hitelességére gyakorolt hatását egyszerűen szemléltethetjük azzal, ha ismét megnézzük a.5./. táblázatot. A táblázat harmadik oszlopában az N3 detektorjel rossznak van minősítve. Ez annak a következménye, hogy a mérés időszakában nem vettük figyelembe a kábeláram hatását. A vizsgálat eredményéből nyilvánvaló, hogy a kábeláram miatt a detektoráram prompt része bizonyos kábelhossznál jelentősen lesökkenhet. Akkori tudásunk szerint a detektorról jövő jel nem illett a sorba, mert a szomszédaihoz képest nagyon kis jelet szolgáltatott, és az ilyen jeleket hibásnak minősítettük. Az általam végzett vizsgálatok eredményei alapján ez a jel már nem elektronikusan tekint

46 hető hibásnak, hanem azért, mert a mért jel nem a feltételezett forrásból származik. Ezért a táblázatban jónak tekintett N, N detektorok jelei sem hitelesek, mert ezek a zajjelek is döntően a detektorok kábeléből és nem a detektorból származnak Termoelemek A reaktorzóna hőmérsékleti viszonyainak, a hőmérséklet eloszlásának mérése darab, a fűtőelemkazetta kilépőhűtőközeg-áramába és 6 darab, a reaktor keverőterébe helyezett hőelemmel, úgynevezett termoelemmel (termopárral) történik. A termoelemek jeleinek kezelése valamivel nehezebb, mint más elektromos hőmérőké (pl. az ellenállás-hőmérőé), azonban a reaktorban uralkodó szélsőséges viszonyokat (a magas hőmérsékletet és az intenzív sugárzást) sak ezek a detektortípusok tudják tartósan elviselni. A termofeszültség két különböző fém érintkezési pontjánál lép fel. A termoelemek úgy készülnek, hogy két különböző anyagú drótszálat a végüknél összeolvasztanak. Ez az összeolvadási pont képezi a termoelemet. A gyakorlati felhasználhatóság érdekében az ilyen módon elkészült termoelemet szigeteléssel és védőburkolattal kell ellátni. A detektort a reaktorban lévő mérési ponthoz az ott végződő bevezető sőben (vagy védősőben) való végigtolással juttatják el. A.5.3/. ábrán egy ilyen szerkezeti felépítést láthatunk. Az említett tehnológia több mérési problémát vet fel, melyek a következők. A TERMOELEM ELHELYEZKEDÉSE A BURKOLATBAN Védõburkolat A TERMOELEM Szigetelõ anyag A termoelem vége hibás behelyezésnél Áramvezetõ szálak A termoelem vége Hegesztési pont Hûtõközeg.5.3/. ábra. A termoelem elhelyezkedése a védőburkolatban - A védőburkolat(ok) jelentősen megnöveli(k) a termoelem hőkapaitását, aminek következtében a detektor dinamikai tulajdonságai jelentősen leromlanak. A reaktorban lévő termoelemek időállandói,4,6 másodper között szórnak, amely igen alasony, Hz-es frekveniaátvitelt eredményez. - A védősőbe betolt detektor pontos helye és kontaktusa a fallal nem mindig optimális (ld..5.3/. ábra). A részlegesen betolt detektor által okozott probléma nyilvánvaló: a hőmérsékletet nem azon a ponton mérjük, ahol terveztük. Az egészen durva poziionálási hibától eltekintve (ami a mért hőmérsékletérték alapján is észrevehető) ezen eltérések az állandó hőmérsékletérték mérésében nem jelentenének nagy problémát. Ha azonban a detektor nem a kívánt pozíióba (számára kialakított helyre) kerül, akkor a detektor és a hűtőközeg közötti hőátadási tulajdonságok ismeretlen mértékben változnak meg. A kontaktus, amint az a.5.3/. ábra alapján is kikövetkeztethető, általában romlik. - A reaktorban van egy olyan jelenség, amely más hőmérsékletmérés során nem merül fel: az intenzív radioaktív sugárzás. A sugárzás a detektor anyagában elnyelődve hőt termel. Ezt a plusz hőt röviden sugárzási vagy más néven radiáiós hőnek nevezik (mivel ezt a hőt alapvetően a γ-sugárzás kelti, ezért az angol terminológia a γ heating kifejezést használja). Ha a hőellenállás kontakthiba következtében a - 4 -

47 detektor és a hűtőközeg között megnövekszik, vagyis a hőátvitel lesökken, akkor a sugárzás útján keletkező hő nagyobb szerephez jut a mért jelben, azaz a detektorban a termikus egyensúly magasabb hőmérsékleten áll be [74]. Ennek következtében a termoelem valamivel magasabb hőmérsékletet fog jelezni. Zajdiagnosztikai szempontból a jel fluktuáló tartalma a fontos. A detektornál megjelenő radiáiós hő és hűtőközeg-hőmérséklet egymástól nem teljesen független. A sugárzásban történő változás némi időkésleltetéssel jelenik meg a hűtőközeg hőmérsékletében a detektor pozíiójánál. Ez az időkésés elsősorban a hűtőközeg sebességétől függ. A legegyszerűbb magyarázat az, hogy a zónán áthaladó hősomagok által okozott reaktivitás- és az ennek következtében fellépő sugárzásváltozás akkor a legnagyobb, amikor a hősomag a zóna közepénél halad el. Ezért az átlagos időeltérés a sugárzási és a hőmérsékleti maximum között az az idő, amennyi idő alatt a hősomag a zóna közepétől eljut a termoelemig. Valamennyire rontja a képet, hogy amíg a detektort érő sugárzás a reaktor egészéből érkezik, addig a hőfluktuáió sak az adott hűtősatornából. A dinamikai tulajdonságok szempontjából meg kell még említeni, hogy a reaktor reaktivitásának negatív hőmérsékleti együtthatója miatt a radiáiós hő és a hűtőközeg hőmérsékleti fluktuáiója ellenfázisban van (illetve a fázismenet ellenfázisból indul ki). A fentebb vázolt jelenségekből kiindulva megadtam a termoelemnek egy olyan frekveniaátviteli függvényét, amely figyelembe veszi a radiáiós hőnek és a kontaktellenállásnak a módosító hatását is [55]. Az itt nem részletezett számítás eredményeként kapott átviteli függvényt a.5.3/. ábra mutatja be. Az ábrán megfigyelhető, hogy az R -vel jelölt hőkontaktus jelentős romlásának következtében a radiáiós hő miatt a termoelem átviteli függvénye fokozatosan ellaposodik, azaz az alakja egyre közelít egy külső védőburkolat, illetve védőső nélküli termoelem átviteli függvényének az alakjához. Ebből az is következik, hogy egy rossz kontaktusú termoelem időjeléből számolva az időállandót kisebb értéket kapunk, mint ha azt egy jó kontaktusú termoelem időjeléből számolnánk. A görbeseregen látható hullámzást a γ-sugárzás intenzitásának és a hűtőközeg hőmérséklet-ingadozásának fázisbeli eltérése okozza. Ennek a hullámzásnak a kimérése azonban sak egy rendkívül jó jel/zaj viszonyú mérőrendszeren lenne lehetséges. A hőkontaktus megváltozásának zajdiagnosztikai kimutatására még a termoelem és az ionizáiós kamrák jelei közötti koherenia- és fázisspektrum megváltozása ad lehetőséget. Jó kontaktus esetén a detektorok közötti jelben a hűtővíz transzportjára jellemző koherenia- és fáziskép jelenik meg. Ha a hőkontaktus a hűtőközeg irányában megromlik, ez a koherenia- és fázisspektrum ellaposodásával jár együtt [9]. Ezt a jelenséget sak nagy átlagolású, a jelenség kimutatására kiélezett mérések esetén lehet megfigyelni. Az ilyen mérések mindennapi gyakorlatba való átültetetése egyelőre nem könnyű feladat. Magnitúdó abs(uth(x,y))/a... 5 Frekvenia [Hz] R.5.3/. ábra. A termoelem radiáiós hőtől módosult frekveniaátviteli függvénye a kontaktellenállás függvényében [55]

48 Összefoglalva: A termoelem hőkontaktusának romlását három tényező jelezheti a mért hőmérsékletérték megnövekedése, az ionizáiós kamrákkal vett fázisspektrum ellaposodása és a frekveniaspektrum meredekségének sökkenése, illetve az ebből számítható időállandó sökkenése. Végezetül a.5.3/3. ábrán egy valódi mérésből készített termoelemjel-spektrum, nevezetesen egy kazetta-kilépőhőmérséklet spektrum látható. e-6 e-7 "t3.4bm" napsd e-8 e-9 e- e- e Frekvenia [Hz].5.3/3. ábra. Tipikus kazetta-kilépőhőmérséklet spektrum A.5.3/3. ábrán látható frekveniaspektrumban a termoelemek nagy időállandójával magyarázható jelentős amplitúdósökkenés figyelhető meg. Az átvitt zaj amplitúdója Hz-et elérve már három nagyságrendet sökken. A hasznos jel 5 Hz között a mérés zaja alá kerül, tehát a termoelemjelek spektrumait legfeljebb eddig érdemes vizsgálni Vibráiós- és nyomásjelek A rezgés- és nyomásmérők használata az iparban igen elterjedt. A rezgésdetektorok átviteli jellemzőit a gyártók részletesen speifikálják. A nyomásmérők átviteli jellemzői kevésbé ismertek, mivel főleg statikus mérésekre készülnek, azonban megfelelő laboratóriumban könnyen meghatározhatók. A vibráiósés nyomásjeleket főleg összehasonlító vizsgálatokra használjuk. (Németországban például a tartályra helyezett elmozdulásérzékelők jeleinek spektrális tendeniaelemzésével a zónatartó zsámoly fellazulását mutatták ki.) A vibráiós és nyomásdetektorok széles frekveniasávban visznek át. A zajdiagnosztikailag vizsgált frekveniatartományban a detektorok alsó határfrekveniája valamivel magasabb a kívánatosnál, ugyanis Hz alatt jelentősen leromlik az érzékenységük. A detektorok felső határfrekveniája messze felette van a zajdiagnosztikai szempontból érdekes frekveniatartománynak. A nyomásjel frekveniaátvitelét erőteljesen befolyásolják a mérést lehetővé tevő sősonkok (úgynevezett impulzussövek) átviteli tulajdonságai. Sajnos ezek a sövek az. és. reaktorblokk esetében kb. 4 méter hosszúak, ezért a bennük kialakuló állóhullámok frekveniái (8,5 Hz, 5 Hz stb.) éppen a mérési tartományba esnek [39]. A nyomásjeleknél a membrán sajátfrekveniája is megjelenhet a spektrumokban. A.5.4/. és.5.4/. ábrákon tipikus reaktorrezgés- és reaktornyomás-spektrumokat mutatunk be

49 . "r.48b". APSD e-5 e-6 e Frekvenia [Hz].5.4/. ábra. A 4. blokki r (tősavar) jel frekveniaspektruma e-6 e-7 "p3.48b" e-8 napsd e-9 e- e- e Frekvenia [Hz].5.4/. ábra. A 4. blokki p3 (reaktor bemenő nyomás) jel frekveniaspektruma A következő fejezetben rátérünk a jelhitelesítésre kiválasztott módszerek és a gyakran előforduló jelhibák ismertetésére

50 3. Jelminősítés A mérésfeldolgozás előtt az első lépés annak megállapítása, hogy a mért adatok, illetve idősorok valóban a valóságos folyamatot írják-e le és nem rakódtak-e rájuk olyan elektronikus vagy egyéb nem kívánt zavarok, amelyek meghamisítják a mért értékeket. Azaz feldolgozás előtt meg kell állapítani a jelek hitelességét. A zajdiagnosztikai mérések korai szakaszában a mérést végző szakember a mérőrendszer beállításakor ellenőrző méréseket hajtott végre, majd a mérési folyamatot folyamatosan figyelve végezte el a jel hitelességének megállapítását. Napjainkban az automatikus és egyszerre igen sok jelet mérő rendszereknél az adatsorok hitelességének megállapítása a hagyományos módon már nem lehetséges. A mérések kiértékelésére sok az. fejezetben már részben bemutatott jelvizsgálati módszert fejlesztettek ki, azonban a tapasztalatok azt mutatják, hogy az adatsor jelhibáktól való mentessége, illetve használhatósága sak komplex, összetett vizsgálatokkal állapítható meg. Ugyanis ha egy szempont szerint jónak találunk egy jelet az még nem jelenti azt, hogy más szempont szerint az. Erre a.5... fejezetben a kábeláram vizsgálatakor mutattunk be példát. Tehát a munka során abból indulunk ki, hogy ha egy adatsort többféle vizsgálati eljárásnak vetünk alá, és a minősítéskor több szempontot veszünk figyelembe, akkor a hibás adatsorok felderítésének nagyobb az esélye. A jelminősítés során az adatsorokat egy adott módszerrel megvizsgálva a kapott eredmények alapján nemsak jónak vagy rossznak nyilvánítjuk, hanem ezen fogalmak valamilyen keverékének is, azaz a fuzzy halmazelméletben szokásos módon egy folytonos jelminőségi ítéletet vezetünk be. Eszerint akkor tekintjük jónak, illetve hitelesnek a jelet, ha a minősítése egy adott szintnél jobb. A továbbiakban a jelhitelesítési rendszer létrehozásához, tudásbázisának felépítéséhez áttekintjük, hogy a zajjel minősítéséhez milyen jelenségeket, illetve jeltulajdonságokat lehet felhasználni, és hogy ezek vizsgálatára milyen eszközöket vehetünk igénybe. A 4. fejezetben ezen vizsgálatokat mintegy a szakértői vizsgálati döntésmehanizmust leképezve egységes rendszerbe foglaljuk, és megmutatjuk hogyan lehet a jel hitelességéről egy végső (automatizálható) megállapítást tenni. Ennek megfelelően a kombinált jelhitelesítési rendszert két részre bontjuk: Υ egyedi validáiós vagy vizsgálati eljárásokra és Υ az egyedi vizsgálati eljárások eredményeit összegző mehanizmusra. Egyedi vizsgálati eljáráson olyan módszert értünk, amely sak egy jól meghatározott, illetve jól elkülöníthető szempont szerint vizsgálja vagy minősíti a jelet. A továbbiakban az egyedi validáiós eljárásokat a vizsgálat éljának megfelelően a következő három, önkényesen kialakított felosztás vagy kategória szerint soportosítjuk: a) A zajforrás minősítése. A mért berendezés (esetünkben a reaktor) viselkedésének minősítését jelenti a mérés időtartama alatt. Ez tulajdonképpen annak a vizsgálata, hogy a mérés időtartama alatt a zajforrás (reaktor) bizonyos paraméterei a megadott (mérhetőségi) korlátok között maradnak-e. Ez azért szükséges, mert mérés sak meghatározott reaktorállapotokban lehetséges (pl. követelmény, hogy mérés alatt a reaktor staioner állapotban és teljesítményen legyen). b) A mérőlán minősítése. Az elektronikai lán egyes elemeinek készültségi, illetve működési állapotát jellemzi. Lényeges szempont, hogy ebbe a sorba nem tartozik bele a jelforrás, azaz a detektor. Helyette a hagyományos minősítési eljárásoknál a bemérés idejére a mérőlán bemenetére kapsolt referenia-jelforrás szolgáltatja a meghajtó jelet, amelyet a kimeneten megvizsgálva a lán állapota egyszerűen meg

51 határozható. Másik lehetőség a tényleges mérések élzott elemzése, amellyel az elektronikai lánok legkülönfélébb meghibásodása, ha áttételesen és egyben megbízhatatlanabbul is, de szintén kimutatható. ) Detektorminősítés. Olyan eljárást jelent, mely a detektorok (termopár, SPND stb.) állapotát határozza meg. Ez történhet a mérőrendszer megbontásával speiális műszerek segítségével vagy analitikus úton, pl. egy refereniadetektor jelével történő összehasonlítással, jellemző detektorparaméterek meghatározásával stb. Ezt az elkülönítést az is indokolja, hogy a reaktorba vagy a zárt térbe felszerelt detektorok és elektronikai részegységek helyszíni vizsgálatra üzem közben gyakorlatilag már nem érhetők el, így állapotuk sak közvetve vizsgálható. Az egyedi vizsgálati eljárásoktól sak azt várjuk el, hogy azok lehetőség szerint egyszerűek és megbízhatóak legyenek, akár azon az áron is, hogy az általuk szolgáltatott eredmény esetleg pontatlanabb. A végső minősítés megállapítását az egyedi eljárások eredményei alapján egy speiális felépítésű összegzési eljárás segítségével végezzük el. Végül néhány fontos szempont a minősítéssel kapsolatban. ) A vizsgálat során egyszerre nagy mennyiségű (több száz) adatsort kell megvizsgálni. ) Nagy megbízhatóságú ítéletet szeretnénk kapni. 3) A lehető legkevesebb vizsgálat alapján kívánunk döntést hozni. 4) A módszertől elvárjuk, hogy azonnali eredményeket szolgáltasson. (Ne sak hosszú távú tendeniák, adatbázisok felépítése alapján ítélkezzen.) 5) Az eljárás az igényeknek megfelelően rugalmasan változtatható legyen. 6) Az eljárás automatizálható legyen. A következőkben főbb vonalaiban áttekintjük a jelek, illetve mérőlánok vizsgálatára kifejlesztett eljárásokat. A bonyolultabb módszereket részletesebb vizsgálatnak vetjük alá. A módszerek ismertetése során javaslatokat fogalmazunk meg a vizsgálati eljárás minősítésre való felhasználásának módjáról is. 3.. A zajforrás, azaz a mért rendszer minősítése A továbbiakban azokat a lehetőségeket tekintjük át, amelyekkel megállapítható, hogy a mért rendszer (esetünkben a reaktor) vizsgált paraméterei a mérés időtartama alatt a mérhetőségi korlátok között maradtak-e DC jelek (értékek) vizsgálata A részletes tárgyalás előtt előrebosátjuk a következőket. A mért jelek DC értékei egyben a vizsgált rendszer állapothatározói, amelyek szorosan kötődnek az alkalmazott tehnológiához. Az állapothatározók minősítésére tekintettel arra, hogy a folyamat irányítása ezen változókon alapszik, és így az ipar érdekeltsége is igen erős már a legkülönfélébb hitelesítési eljárások léteznek (néhány kifinomultabb ezek közül a már bemutatott MSET [] és PEANO []), és a kutatások továbbra is jelentős erőkkel folynak. Azonban a zajjelek hitelesítésénél a DC komponensek vizsgálatára elegendőnek tartjuk a lehető legegyszerűbb megoldás alkalmazását is. A jelekben megjelenő DC szint jól meghatározott fizikai jelentéssel bír (gondoljunk az SPND-knél a neutronfluxusra, a termopároknál a hőmérsékletre stb.). Ezek a fizikai mennyiségek természetesen függenek a reaktor állapotától (egyszerűsítve a reaktor teljesítményétől). Ebből következik, hogy ismert

52 teljesítmény esetén tudjuk, hogy a detektorok által mért mennyiségnek milyen értéket kellene felvennie, helyesebben a felvett értéknek milyen intervallumba kellene esnie. A vizsgálat elvégzéséhez az alábbi lépések szükségesek: A kapott DC jelek eredeti értékének a meghatározása, azaz az erősítésértékekkel való visszaosztás. A kapott DC jelek visszakonvertálása a mért fizikai mennyiségre. Az így előálló fizikai mennyiség összevetése a várakozással. A várakozás alatt egy olyan eljárást értünk, amely a teljesítmény, a detektortípus és -helykoordináta, valamint az energiakiválás alapján egy olyan intervallumot ad meg, amelybe a kérdéses fizikai mennyiségnek bele kell esnie. Több paraméter (az előzőeken kívül pl. még a bórkonentráió, az effektív napok száma stb.) figyelembevételével pontosabb beslés adható. A függvény előállításakor néhány egyszerűsítő feltevéssel élhetünk: A kazetták kilépőhőmérsékletét mérő termoelemek normál üzemi körülmények között viszonylag szűk hőmérséklettartományban mozognak, ezért a gyakorlatban egy intervallum elegendő az összes ilyen termoelemre. Az eredmény a fűtőelemek energiakiválásának figyelembevételével tovább javítható. Az SPND-knél ugyanez nem igaz. Amennyiben nem kívánunk mélyebben belemenni pl. a neutronfluxus egyenetlenségeibe, durva beslésként megtehetjük, hogy sak egy intervallumot adunk meg. Ennek azonban elég szélesnek kell lennie ahhoz, hogy nagy valószínűséggel minden üzemi körülményt lefedjen. Ennek a közelítésnek az az ára, hogy az így kapott minősítés súlya kisi. Az elv a lényeges. Ha a függvényen tudunk finomítani, megnövelhető a kapott értékelés súlya. A DC szintek vizsgálata során idősorok állnak rendelkezésre. A fejezet eddigi megállapításai supán az idősor egy elemére vonatkoztak. A DC jelekben drasztikus változásra (az átlagértékhez képest kb. %- nál nagyobbra) nem kell számítani, hiszen a jel értéke szorosan kapsolódik a reaktor teljesítményéhez, amelyet normálüzem közben nem szokás hirtelen megváltoztatni. Ha a jelszint mégis jelentősen megváltozik, akkor ez katasztrofális hatással van az azokról leválasztott AC jelekre és a minősítés kimenetelére is. Ezért egy változásdetektálási vizsgálatot is élszerű elvégezni (a DC szint ingadozásának vizsgálatát), melynek taglalása átvezet egy másik vizsgálati módszerre, az idősorok vizsgálatára. A változás mértékének és lefolyásának alapján a reaktorszabályozás, esetleg -leállás egyszerűen elkülöníthető a merőlán meghibásodásától. A reaktorteljesítmények szinten tartásakor is történnek kisebb szabályozórúd-mozgatások. Ekkor a megmozdított szabályozórudak környezetében lévő SPND lánok jeleiben már olyan mértékű változások következnek be, amelyek túlvezérlésbe viszik a detektorokra kötött zajdiagnosztikai mérőlánokat. Az DC értékek ismeretében az elmondottak figyelembevételével már egyszerűen konstruálható egy olyan eljárás, amely a DC értékre válaszul egy minősítési értéket ad vissza. Ez a minősítő eljárás lehet tapasztalati vagy fuzzy alapú is Az üzemviteli informáiók felhasználása a minősítésben A minősítés szempontjából azok az üzemviteli informáiók fontosak, amelyek olyan jelenségre hívják fel a figyelmünket, amik kihatással lehetnek a mérésekre is. Ezek az informáiók sok esetben nem pontosan

53 meghatározottak. Ilyen lehet egy főkeringető-szivattyúnak a leállítása, szabályozási vagy szabályozórúdmozgatási kísérlet, transzformátormeghibásodás, tervezett leterhelésnek az időpontja, áramkimaradás stb. Ezek az informáiók például a következőképpen vehetők figyelembe. Vegyük azt az esetet, amikor valamelyik napra be van jegyezve egy szabályozási kísérlet, de a szabályozás pontos idejét nem ismerjük. Ez nem azt jelenti, hogy az időpont nins pontosan megadva, hanem azt a tapasztalati tényt, hogy a kísérletek ritkán kezdődnek el pontosan a kiírt időpontban. A hitelesítés során a kísérlet kiírt időpontját és a detektormérés tényleges időpontját vetjük össze. Minél közelebb vannak ezek egymáshoz, a módszer annál nagyobb valószínűséggel állítja a mérésről, hogy az problémás lehet. Itt a probléma nem az informáió matematikai kezelésében, hanem az informáió megszerzésében van. Bizonyos mértékig egy ilyen adatbázis kezelését rá lehet, sőt kisebb mértékben rá is kell bízni a felhasználóra azért, hogy a saját észrevételeit is megtehesse. Az igazi megoldás azonban az adatok számítástehnikai elérésének a biztosítása. 3.. Az elektronikai mérőlán vizsgálata és minősítése A következőkben a detektor kivételével az elektronikai lán egyes elemeinek működési állapotát felderítő megoldásokat tekintjük át. Ennek során a hardveres teszteléseken felül megvizsgáljuk az idősorban elkülöníthető olyan jellemzőket, és az ezek felderítésére alkalmas eljárásokat is, amelyek az elektronikára, illetve valamilyen elektronikai rendellenességre utalnak A mérőlán tesztelése vezérelhető jelgenerátorral A nagyszámú elektronikai mérőlánot tartalmazó rendszereknél bizonyos számú és fajtájú rendellenesség megengedhető, ha arról a felhasználó vagy az adatgyűjtő és -feldolgozó rendszer tud, és azt tekintetbe is tudja venni. Mivel a mérőrendszer viszonylag sok mérőlánot, és a mérőlánon belül sok beállítási lehetőséget tartalmaz, ezért a szükséges gyakoriságú tesztelés megvalósítása gyakorlatilag sak automatikus megoldással lehetséges. A tesztelés lényege az, hogy az elektronikai rendszer bemeneteire ismert tulajdonságú, úgynevezett tesztjelet kapsolva megvizsgáljuk a rendszer kimenetén megjelenő jelet. A bemeneti és kimeneti jelek tulajdonságainak összehasonlításával feltérképezzük a mérőrendszer állapotát. Ennek során létrehozunk egy olyan adatbázist, amely leírja ezt az állapotot, és egyben megadja a mérősatornák minősítését is. Ennek elvégzése egy változtatható refereniajel felhasználásával történhet, mely egy adott feszültségű DC jel és egy adott frekveniájú AC jel szuperpozíiója. 9 Az elektronika tesztje után már nem foglalkozunk azzal a lehetőséggel, hogy egy feltételezett anomália oka esetleg a mérőlán valamely elemében keresendő. Megjegyezzük, hogy hitelesítési eljárásunk egyik alapfeltevése az, hogy egyetlen módszertől sem várunk el tévedhetetlenséget. Ezért az elektronika öntesztje után is maradhatnak detektálatlan (nem bejegyzett) hibás elektronikai egységek. 9 A tesztjel AC komponensét képezhetné egy sweep generátor vagy egy fehérzaj-generátor jele is. Ezekkel a rendszer tesztelése ugyan kifinomultabb, de egyben bonyolultabb is lenne, mint egy egyszerű szinuszos jel alkalmazásával. Ugyanakkor mivel ez utóbbi is elegendő arra, hogy a jelhitelesítési eljárás kiindulását képezze, ezért az egyszerűség kedvéért ezt választjuk

54 3... Automatikus erősítésállítás Minden egyes detektorfajta jeléhez (adott körülmények között) tartozik egy olyan optimális erősítésérték, amelynél a jel a legdinamikusabb. Ez az az erősítésérték, amelynél a digitalizált jel felbontása a legnagyobb, és még nem fordul elő túlvezérlés. Az automata erősítésállítás ennek a tartománynak a megtalálását szolgálja. Az erősítésállítás folyamata olyan informáiókat tartalmaz a mérőrendszer és a jel állapotára vonatkozólag, amelyeket a jel minősítésére is felhasználhatunk. Automata erősítésállításra már a hardvereszközök is képesek. Használatuk azonban a kiértékelő rendszer részét képező szoftveres eljárásokkal ellentétben mégsem élszerű, mégpedig a következők miatt: Nem mindig optimális a beállítási idejük. Ez a nagyszámú állítási igény miatt tetemes időveszteséget okozhat. Továbbfejlesztésük nehéz vagy nem lehetséges. Nem szolgáltatnak informáiót a beállítás folyamatáról, a beállítási problémákról. Nem képesek hibatáblázatot kezelni. (Ez tartalmazná a kiesett részegységek listáját.) Tehát a minősítési eljárás szempontjából a szoftveres erősítésállítás legnagyobb előnye a hardveres erősítésállítással szemben a folyamat értékelésének a lehetősége. Az automatizmus menete egyszerű (ld. 3../. ábra). ALAP- BEÁLLÍTÁS MINTAVÉT. KIÉRT. BEÁLLÍTÁS NAPLÓ FÁJL 3../. ábra. Az automatikus erősítésállítás felépítése A beállító rendszer egy alapbeállításból kiindulva mintavételez egy rövid idősort, amelyet egy kiértékelő modul megvizsgál. A vizsgálat eredménye alapján a rendszer vagy befejezettnek tekinti a beállítást, vagy állít az erősítőkön. Az állítást követően megismétli az eljárást. A beállítási folyamat addig tart, amíg a beállítás sikeres nem lesz, de legfeljebb egy meghatározott iklusszámig. A kiértékelés során a beállítási folyamatról egy informáiós állomány is készül. A beállítási folyamat értékelése Bontsuk szét a problémát külön a DC és külön az AC erősítések beállításának a kérdésére. DC erősítésállítás eredménye DC) DC) DC3) Rendben. Minden fokozatban túlvezérlés. Sikertelen vagy befejezetlen beállítás (Time-out). AC erősítésállítás eredménye AC) AC) AC3) Rendben. Minden fokozatban túlvezérlés. Nagyon kis RMS érték

55 AC4) Sikertelen vagy befejezetlen beállítás (Time-out). A rendben alatt az optimális erősítésérték megtalálását értjük. Ez vagy annál az erősítőfokozatnál van, amelyiknél a jel még nins túlvezérelve, de a következő erősítőfokozat már túlerősítené a jelet, vagy a legnagyobb erősítő fokozat, ha a jel még nins túlvezérelve. A DC) és AC) pontokhoz nem kell külön magyarázat. Ugyanis ha a szoftveres erősítésállító stabilan be tud állni egy olyan erősítésértékre, ami megfelel a jeltípushoz tartozó várakozásnak, akkor az erősítésállítás sikeres. A DC) és AC) esetek hasonlóak. Akármilyen kis erősítésértéket is állít be az eszköz, mindig talál szignifikáns túlvezérlést. (Ennek az esetnek a megítélésénél már figyelembe kell venni a mérőlán tesztjének eredményét. Ugyanis előfordulhat, hogy az adott elektronikai lán erősítése nem állítható megfelelően.) Az AC3) két esetben fordulhat elő. Az első eset az előző bekezdésben tárgyaltak ellenkező oldalról való megközelítése. A második lehetőség, hogy a mért fizikai folyamatnak valóban kisi az RMS értéke, azaz a maximális erősítés is elégtelen az optimális jelszinthez. Ilyenkor még esetleg felhasználhatók a jelek, bár a mintavételezés után sökken a felbontásuk. Ilyen lehet: neutronjel esetén a rendszer az úgynevezett kábeláramot méri (pl. elkötés miatt), a kábel zárlatos, a detektor sérült, az előerősítő rossz, nins tápfeszültség stb. A DC3) és AC4) esetben az erősítő nem tud egy stabil értékre beállni, azaz az automata a rendelkezésre álló lépésszámban (állítási lehetőségen belül) nem találta meg az optimális erősítés értékét. Az erősítésállító ilyenkor az utolsó állításban marad, de visszajelzést küld, mely utal arra, hogy a jel nem stabil. Ez arra mutat, hogy a jelszint ugrálva nagyságrendeket változik, azaz a jel leng. Ez nehezen magyarázható valós fizikai folyamattal (a mérőlán hibáján kívül), ezért egy ilyen jellegű hibajelzés nagy súlyt kaphat. Az okok például a következők lehetnek: kábelszakadás vagy kontaktushiba (szakadásos jel), elektronikai meghibásodás, időszakosan fellépő erős jelszintnövekedés (pl. triggerjel burst vagy akár fizikai folyamat eredményeképpen). A fentiek alapján minősítésre felhasználható legfontosabb informáiók a sikertelen beállítás (time-out) és az erősítés szélsőérték (hibás beállítás) Refereniasatorna alkalmazása és vizsgálata A mérőrendszer és a jelhitelesítés biztonsága jelentősen javítható egy refereniasatorna létrehozásával. Ekkor az egyik mérőlán bemenetére állandó jelleggel egy ismert tulajdonságú jelet kapsolunk. Ez lehet egy olyan értékű stabil DC jel, amely a többi satornán nem fordul elő. Lényeges szempont, hogy a refereniajel a jelkisatoló egységben kapjon helyet, és annak az alasony feszültségű tápellátását használja fel. Azt a veszteséget, ami egy mérősatorna elvesztésével jár, bőven ellensúlyozzák azok az informáiók, amelyeket a refereniasatorna elemzésével kapunk. Ezek az előnyök a következők: - 5 -

56 ) Csatornakeveredés felismerése. (Korábban gyakran előforduló hibajelenség volt, hogy az AD konverterbeli vagy a külső multiplexer tévesztett, ezért a digitalizált idősorban a jelek eltolódtak.) Ekkor a refereniasatornában egy másik satorna fluktuáló jele jelenik meg. Ez könnyen felismerhető egyszerű limitfigyeléssel, vagy pl. a jel szórásának és átlagértékekének a megváltozásából. ) Szekrény tápellátás-kimaradásának, illetve az elektronikus tápegység meghibásodásának észlelése. Ekkor a refereniasatorna értéke nullára esik le. Felismerése egyszerű. 3) A tápegység részleges meghibásodásának felismerése. A feszültségérték lesökken és elzajosodik. 4) Refereniajel-elzajosodás detektálása. A jel középértéke megegyezik a refereniajel értékével, de ingadozása a refereniajel szokásos stabilitásához képest jelentősen megemelkedik. A jelek közötti áthallás növekedése (pl. a tápegységen keresztül), esetleg az árnyékolás vagy a földelés meghibásodása okozza. 5) A jelszint szakadásos ingadozásának észlelése. Elektronikai hibára utal. Az említett jelenségek sak nagy valószínűséggel rendelhetők a megadott hibaokokhoz vagy hibákhoz. Más lehetőségek és kombináiók is előfordulhatnak, tehát a hibás magyarázatnak is van esélye. A fent említett hibák azonban egyértelműen a mérőrendszer ellenőrizetlen működésére, hibáira utalnak. Tehát a mérés megismétlése és a jelenség tisztázása szinte mindegyik esetben indokolt. Természetesen az az eset sem zárható ki, hogy sak a refereniasatorna lána hibásodott meg. Az említett jel-elváltozások egyszerű idősorvizsgálati módszerekkel felismerhetők. A refereniasatorna első alkalmazására a kalinyini atomerőműbe szállított KARD zajdiagnosztikai rendszerben került sor []. A telepített diagnosztikai rendszer a mérhető sztohasztikus fluktuáiókat A/D konverzió útján alakította a programrendszer által feldolgozható digitális adatsorrá. (Adatsor alatt a létrehozott adatállomány tartalmát, idősor alatt pedig ezen adatsor egy satornáról származó adatait értjük.) A KARD rendszerben adatsor tulajdonképpen 64 idősor összefésüléseként állt elő, azaz az adatsorban minden 64. adat tartozott azonos satornához. A fejlesztés idején a rendszer követelményeinek megfelelő hardverelemek nem léteztek vagy megfizethető áron nem voltak hozzáférhetőek, ezért az egész adatgyűjtő és jelkondiionáló rendszer hazai fejlesztés volt. Az adatállomány létrehozásában kétféle multiplexer is részt vett (lásd 3..3/. ábra). Az egyik multiplexer (a 3..3/. ábrán 64/6 MUX-nak rövidítve, a továbbiakban 64/6 satornás vagy AC multiplexer) 4 jelsoportot soportonként 6 satornát kapsolt váltakozva az A/D 6 satornás bemenetére. A másik multiplexernek (a továbbiakban 3/-es vagy a DC satorna multiplexere) 3 satornás bemenete volt, ezek jeleit kapsolgatta váltakozva a 64/6 satornás multiplexer egyik bemenetére, amelyet DC satornának neveztünk. A 3/-es multiplexer a 64/6-os multiplexer minden negyedik léptetése után lépett egyet, azaz akkor, amikor a 64/6-os multiplexer már végigléptetetett az összes jelen

57 64/6 MUX. MUX 8/ 8 AC A/D 6 6. MUX 8/ 8 AC Számítógép 7. MUX 8/ 7 AC Ref. ( 4V) 7 AC 8. MUX 3 DC 8/ MUX 3/ Ref. ( 4V) 3..3/. ábra. A kalinyini KARD rendszer adatgyűjtőjének sematikus felépítése Mindkét multiplexer egyik bemenete egy úgynevezett refereniabemenet volt, amelyre a fenti szempontoknak megfelelően állandóan ugyanaz az egyenszintű jel (refereniajel) volt satlakoztatva. A refereniajel -4V-os volt azért, hogy a lehető legjobban eltérjen a mért jelektől. A DC satornán belül a multiplexált jelek a refereniajel kivételével mind pozitív értékűek voltak. Az adatgyűjtő rendszer hibájának és a gyenge földelési rendszer miatti elektronikus zavaroknak tulajdoníthatóan a multiplexálás során előfordult, hogy a 64/6-os multiplexer nem váltott át a következő satornasorozatra, vagy pedig átugrott egy vagy több satornasorozatot, és ezzel az adatsor keveredését idézte elő. A keveredés (adatelsúszás) nemsak a teljes adatsoron belül, hanem még az adatsor DC jelén belül is előfordult. A multiplexer tévesztésére a 3..3/. ábrán mutatunk be egy tipikus példát. 3..3/. ábra. A multiplexer hibájából bekövetkezett satornakeveredés. A multiplexer léptetésének kimaradása miatt a 33. satornán látható refereniajel a 7. satornára került át A 4 voltos refereniajel a grafikon harmadik idősorán a 33. satornán látható. A grafikonon nyomon követhető, hogy 33,7 másodperkor (a grafikon közepén) a multiplexer tévesztésének következtében a refereniasatorna jele a 7-es satornára (az ábra második idősorára) ugrik át. A 7. satornán az átugrás előtt egy alasony jelszintű vagy hibás detektor jele látható. (A rendszerben a refereniajel a 49. satornára volt kötve, az ábrán már a multiplexer második tévesztését láthatjuk.) Azaz az adatsorban minden jel 6 satornával tolódott el. A grafikon negyedik idősorán (a 49. satornán) az is jól megfigyelhető, hogy az azonos tulajdonságú jeleknél a szakadás alig jelenik meg, azaz a jelbeli változást sak bonyolultabb vizsgálati eljárás, pl. SPRT, mutathatná ki. A kalinyini rendszerbe egy olyan automatikusan futó program került beépítésre, amely a refereniasatornát elemezve megállapította az idősor meghibásodását, valamint multiplexálási hibák esetén az

58 idősorban a refereniasatorna jelét megkeresve képes volt az adatsorok helyreállítására is. A program által kijavított idősoroknál a feldolgozás után az eredményekben a javításnak betudható eltérést, illetve minőségromlást nem lehetett tapasztalni. Rossz esetben satornánként 64 ezer mintát tartalmazó idősorban 6-7 satornaelsúszás is előfordult. A rendszer üzemeltetetése során a refereniajelen alapuló jelhitelesítés és jelhelyreállítás a diagnosztikai rendszer egyik létfontosságú elemének bizonyult. Hasonló problémák jelentkeztek a paksi CARD diagnosztikai rendszerek telepítési szakaszában az Advanteh gyártmányú egységekből felépített adatgyűjtő moduljainál is. A satornatévesztés átlagosan satornánként félmillió mintavételnél fordult elő. A refereniasatorna jóvoltából a hiba azonnal kiderült. A módosított adatgyűjtő program az idősort valós időben korrigálja. A fentebb ismertetetett gyakorlati alkalmazás során szerzett tapasztalatok is azt támasztják alá, hogy a módszert a döntéshozatal során nagy súllyal élszerű figyelembe venni. Ezt az is indokolja, hogy a felhasználó a refereniasatorna helyszíni ellenőrzését, ellentétben a zárt térben lévő detektorokkal és elektronikákkal, könnyen el tudja végezni. Mivel azonban a vizsgálati eljárás független a jeltulajdonságoktól (azaz pl. a jel jó tulajdonságairól nem tud informáióval szolgálni), sak általános hibadetektálásra használjuk. Ezt úgy valósítjuk meg, hogy a módszer sak egy küszöbszint elérése (pl. a refereniajel szórásának meghatározott mértékű megnövekedése) esetén aktivizálódik Az idősorok vizsgálata (Time Domain Analysis) Ezzel a módszerrel részlegesen a jelforrásról is kapunk informáiót. A mért jelet tranziensek torzíthatják, melyek közül a leggyakrabban előfordulók: ) Szakadás. A jelben történt hirtelen, átmenet nélkül bekövetkező szinteltolódás. A DC jelben történő hirtelen változás egy meredek szinteltolódást idéz elő az AC jel idősorában, amelynek megszűnése az erősítőlán felüláteresztő szűrőjének időállandójától függ. Hasonló jelenséget okozhat még valamilyen rövid időre előforduló kontaktushiba (lebegő földpoteniál kialakulása) vagy valamilyen elektronikai alkatrész (kondenzátor, tranzisztor) meghibásodása során fellépő esetleges feszültségugrások rárakódása a jelre. Egy exponeniálisan lesengő additív jel hatása az t t τ yt () = y() t + Ae formulával írható le, ahol τ az elektromos körre jellemző időállandó, t pedig a feszültségugrás időpontja. Ezek az értékek nem mindig ismertek. Az elmondottakból is következik, hogy a szakadásos jel kialakulásának helye (pl. a bemenetnél vagy a kimenetnél) jelentősen kihat a szakadás mértékére és meredekségére. Ha a DC jelben látható időállandó értéke lényegesen nagyobb az elektronikai lánénál, akkor nagyon valószínű, hogy reaktorszabályozás történt. A reaktorszabályozás során a kétszerezési idő egészen kis teljesítmény mellett is nagyobb 6 másodpernél. A hősokk elkerülésére a vészleállástól eltekintve a teljesítménysökkentés és -növelés is lassú. A leállás egyébként is könnyen azonosítható, mert ekkor sak a neutronjelek sökkennek drasztikusan, a többi jelszintben nem történik nagymértékű változás. A 3..4/. ábra alsó grafikonján egy tipikus elektronikai meghibásodásból származó szinteltolódásos, szakadásos idősor-részlet látható. ) Tüske vagy impulzus. Az idősorból élesen kiemelkedő impulzus, amely esetenként sak néhány mintavételnyi hosszúságú. Általában elektronikai eredetű. A paksi blokkokon régebben az

59 úgynevezett HINDUKUS rendszer lekérdező jele váltott ki ilyen tranzienst. A 3..4/. ábra felső grafikonján ez a jelenség figyelhető meg. 3..4/. ábra. Impulzus-rárakódásos és szakadásos adatsor- (idősor-) részletek 3) Burst ( kitörés ). Az idősorban hirtelen megjelenő, esetenként exponeniális lesengésű, nagyfrekveniás tartalmú jelnövekedés (lásd a későbbiekben, az SPRT kísérleteknél bemutatott 3..4/. ábrát). Normális esetekben ilyen jelalakot okoznak a mért rendszerben bekövetkező mehanikai (fel)ütközések, ütődések. Hibajelenségként a vezeték mentén keletkező külső zavarok, például ívkisülés, hegesztés, szikrázás, a vezetékek közelében működő valamely nagyfrekveniás berendezés (adóvevő), strikiós áram (a kábelt ért valamilyen mehanikus, pl. torziós vagy nyíró hatás) okozhatnak hasonló jelenséget. 4) Kikoppanás vagy rövid idejű túlvezérlés. Az erősítő időszakos túlvezérlése esetén nem tudja követni a bemenetén lévő jelszintet. Ez a kimeneten a jel stagnálásában mutatkozik meg. Néhány korábbi, rosszul megszerkesztett (hibás konstrukiójú) AD konverter esetében a túlvezérlés a konverter túlsordulását okozta, amely a jel erőteljes ugrálásában nyilvánult meg (ld. 3..4/. ábra). 3..4/. ábra. Időszakos túlvezérlés hatására bekövetkezett túlsordulás Az időjeltranziensek egyedi vizsgálata A leggyakoribb tranziensek az ) 4) modellekkel elég jól leírhatók. Ezért az idősorok vizsgálatát le lehet szűkíteni néhány tipikus esetet vizsgáló módszerre. A leszűkítésnél szem előtt kell tartani, hogy a módszerek legyenek robusztusak, így nagy valószínűséggel a nem szokványos jelenségekre is alkalmazhatóak lesznek. A tranziens típusa mellett még mérvadó a tranziens időtartama és a jelen belüli előfordu

60 lások száma. A módszerek által hozott ítéleteknek valamilyen szinten tükrözniük kell a jelben bekövetkezett esemény mértékét. Ugyanis egy rövid idejű tranziens még nem feltétlenül teszi lehetetlenné a feldolgozást, azonban egy bizonyos szint felett már nins értelme a jelet feldolgozni. A túlvezérléseket egyszerű szintfigyelési eljárással (határértéksértés figyelésével) vehetjük észre. A vizsgálati módszer figyeli, hogy a jel valamilyen tulajdonsága nem lép-e túl egy határt. Ezekre néhány egyszerű példa: Kikoppanás-vizsgálat. Ha a mért érték néhány százalékra megközelíti az AD konverter maximális vagy minimális értékét, akkor a módszer hibát jelez. Ennek súlya függhet a kikoppanások számától. Szakadás- és burst-vizsgálat. Az idősor változási sebességét és/vagy szórását vizsgáljuk. A vizsgált paramétert figyeljük, hogy nem lép-e túl egy korlátot. Például a változási sebesség vizsgálatakor a következőképpen járhatunk el. Képezzük az idősor differeniáját. Szakadásos jel esetén egy impulzusos idősort, burst esetén pedig egy impulzussorozatokat tartalmazó idősort kapunk. Ezen idősor impulzusainak két jellemzőjét a magasságukat és az egymást követő impulzusok távolságának a tapasztalati eloszlását vizsgálva megkülönböztethető a burst a szakadástól. SPRT (Sequential Probability Ratio Test). Egy refereniamodell használatával vagy a jel egy korábbi, normálisnak tekintett szakaszát refereniaként használva próbálunk következtetni arra, hogy a jel egy későbbi szakaszának viselkedése megfelel-e a refereniaszakasz által előre jelezhető viselkedésnek. Annak érdekében, hogy az eljárás minél általánosabb legyen, a refereniamodell előállítására élszerű minél kevesebb detektorspeifikus ismeretet felhasználni. Ezért a modellt egy statisztikus leírás (pl. autoregresszív modell) szolgáltathatja, a döntési eljárást pedig a szekveniális módszer adhatja Az egyváltozós autoregresszióval összekapsolt SPRT módszer A változásdetektálás élja annak megállapítása, hogy egy állandósult, normális állapotban lévő rendszer viselkedése mikor tér ki normális állapotából. Ennek a feladatnak a megvalósításához a szekveniális valószínűségi vizsgálatot hívtuk segítségül. A teszt esetünkben annak megállapítására irányul, hogy a vizsgált idősorok jellemző statisztikai paraméterére (konkrétan az idősorok szórására) tett két hipotézis közül melyik teljesül a jel adott szakaszára. A vizsgálat elvégzésére az egyváltozós autoregresszióval (Univariate Autoregression, UAR) kombinált SPRT-t választottuk. Az autoregresszióval összekapsolt SPRT (UAR+SPRT) alkalmazhatóságát a zajjelek vizsgálatára az általam megtervezett és összeállított laboratóriumi eszközzel, illetve kísérletekkel és a kísérlet éljára megírt programrendszerrel ellenőriztük. A kísérletben használt jeleket fehérzajjal gerjesztett alumíniumrúdra szerelt rezgésdetektorok adták. A kísérleti elrendezés a következő anomáliák előidézését tette lehetővé: a gerjesztés mértékének és a pála sajátfrekveniáinak változtatását, továbbá a detektor fellazulását és a rúd felütődését. A reziduális idősort UAR modellel állítottuk elő, míg a hipotézisvizsgálatot a ma már klasszikusnak számító, Wald Ábrahám magyar származású matematikus által 947-ben megalapozott [4] SPRT-vel végeztük A módszer leírása A reziduális idősor előállítása. A vizsgálat alapját képező úgynevezett reziduális idősort egy jónak tekintett jel, illetve jelszakasz UAR modelljének a felhasználásával határozhatjuk meg. (Az UAR-t részletesebben az időállandó beslésével foglakozó szakaszban tárgyaljuk.) A reziduális idősor képzése úgy történik, hogy a vizsgált jelre illesztett UAR modell felhasználásával előre jelezzük egy t + k, k jövőbeli időpontra az idősor y ˆ ( t + k) értékét, majd ebből az értékből kivonjuk az adott időponthoz tartozó tényleges értéket. Azaz

61 yˆ = r i i j= yˆ y, i n u j i y i j, (3..4.) ahol y i a mért jel értékeit, u j az UAR modell együtthatóit, n az UAR modell rendjét, r i pedig a reziduális idősor értékeit jelöli. Az UAR modell rendjét az AIC (Akaike Information Criterion, lásd később a fejezetben) segítségével határozhatjuk meg. Az így kapott reziduális idősor lényegében a rendszert gerjesztő zajforrást írja le. Nyilvánvaló, hogy ha pl. a gerjesztőforrás erőssége megváltozik, akkor a fenti módon előállított reziduális idősor statisztikai jellemzőiben is változás következik be. Hasonlóan megváltozhatnak a statisztikai jellemzők, ha a rendszer fizikai tulajdonságaiban áll be változás. Ugyanis a normális állapotra illesztett autoregressziós modell már pontatlanul fogja megjósolni az időközben megváltozott rendszer idősorának jövőbeli értékeit, így a rendszer járulékának, azaz a determinisztikus résznek az eltávolítása az idősorból pontatlanná válik. Az említett elváltozások kimutatása statisztikai próbával történhet. Szekveniális hipotézisvizsgálat. Valamely valószínűségi változó eloszlására, illetve annak egy paraméterére vonatkozó feltevést statisztikai hipotézisnek, az ennek ellenőrzésére szolgáló módszert pedig statisztikai próbának nevezzük. A próba élja, hogy dönteni tudjunk arról, elfogadjuk-e vagy elvessük az adott feltevést. A statisztikai próbával hozott döntés kétféle módon lehet hibás: ) A próba eredménye alapján a helyes feltevést vetjük el. Ez az elsőfajú hiba, aminek a valószínűségét α -val jelöljük. ) A helytelen hipotézist a próba alapján elfogadjuk. Ezt másodfajú hibának nevezzük, és valószínűségét β -val jelöljük. A statisztikai próbák alkalmazása során a Wald által kidolgozott szekveniális analízis segítségével a rögzített mintaelemzésen alapuló eljárásokhoz képest lényegesen kevesebb mintaelemszámból vonhatunk le kielégítő biztonsággal következtetéseket. Az alábbiakban röviden áttekintjük a módszert arra az esetre, amikor a nullhipotézis és az ellenhipotézis is egyszerű feltevés (részletesen ld. [4, 9, 9]). Legyen f ( x, a) az X valószínűségi változó eloszlását jellemző sűrűségfüggvény, ahol a valamilyen paraméter. Tekintsük az a paraméterre a következő egyszerű hipotéziseket: H : a = a nullhipotézis és H : a = a alternatív hipotézis, ahol a és a konstans. A élunk annak megállapítása, hogy melyik hipotézis igaz. Egymást követő megfigyeléseket végezve a következő három döntés valamelyikét hozhatjuk: ) A H nullhipotézist elfogadjuk. ) A H alternatív hipotézist fogadjuk el. 3) Újabb megfigyelést hajtunk végre, azaz folytatjuk az informáiószerzést. A szekveniális módszer esetén adottak az α elsőfajú és a β másodfajú hibák. Tekintsük a következő döntési korlátokat: β A =, amelyet a továbbiakban elutasítási küszöbnek és (3..4.3a) α β B =, amelyet pedig elfogadási küszöbnek nevezünk. (3..4.3b) α

62 Ha az első megfigyelés eredménye x, akkor meghatározzuk a H és H hipotézisekhez tartozó p ( x H ) és p ( x H ) valószínűségeket, azaz a sűrűségfüggvény ismerete alapján meghatározzuk az f ( x,a ) és f ( x,a ) függvényértékeket. Ezután kiszámoljuk a következő L likelihood (valószínűségi) hányadost: p( x H ) f ( x, a ) L =. (3..4.4) p x H f x, a ( ) ( ) Az L B esetben a H, az L A esetben a H hipotézist fogadjuk el. Ha viszont B < L < A, akkor újabb megfigyelést hajtunk végre. Ekkor a következő megfigyelés x eredménye alapján (3..4.4)- nek megfelelően kiszámítjuk az L likelihood hányadost, majd képezzük az L = L L szorzatot. Ha a kapott értékre megint a B < L < A feltétel teljesül, akkor ismét tovább folytatjuk a megfigyelést egészen addig, amíg végső döntésre nem jutunk. Ha az n-edik lépésben jutunk végső döntésre, akkor az L valószínűségi hányados a következő alakú lesz: L L L L p( x, x,..., xn H ) p( x, x,..., x H ) i= = n = n n n i= f ( x, a ) i f ( x, a ) i. (3..4.5) A próba egyszerűbb végrehajtásához az L likelihood hányadosnak a logaritmusával szokás számolni, mivel így a szorzások összeadásra egyszerűsödnek, és lehetővé válik, hogy a számításokat rekurzív módon lehessen elvégezni. A Λ log-likelihood hányados Λ = ln L = ln L + ln L ln Ln alakú. A jel szórásának szekveniális hipotézisvizsgálata. A változásdetektálásra előállított reziduális idősorokról feltesszük, hogy σ szórású, nulla várható értékű, Gauss-eloszlású adatsorok. A vizsgálat során a folyamatra a következő két hipotézist tesszük: H : σ = σ nullhipotézis és H : σ = q σ ; q > alternatív hipotézis. Itt a q paraméter tartalmazza azt, hogy a szórás milyen mértékű megnövekedése esetén következtetünk változásra. A hipotéziseknek megfelelően a következő valószínűségi függvényeket kapjuk: n p( x, x,..., xn H ) = exp n r i σ i= πσ ( ) ( ) és (3..4.6) n ( ) = p x, x,..., xn H exp ri, (3..4.7) n qσ i= πqσ ahol r i a (3..4.) reziduális idősor értékeit jelöli. Az L n likelihood hányados (3..4.7) és (3..4.6) hányadosaként előállítva a következő: n ( ) n p x, x,..., xn H q Ln = = q exp ri. (3..4.8) p x, x,..., xn H σ q i= ( ) Ennek felhasználásával az n-edik lépésben a log-likelihood hányadosra a következő értéket kapjuk: n q n Λ n = ln( Ln ) = ri ln( q) (3..4.9) σ q i=

63 A (3..4.9) összefüggésből az (n+)-edik log-likelihood hányados értékére a következő rekurzív formulát kapjuk: q ln( q) Λ n+ = Λ n + r n+, (3..4.) σ q ahol Λ n az n-edik log-likelihood hányados és a kezdőérték Λ =. Folyamatos jelfigyelés során Λ nulla értéket kap, ha döntés történt a hipotézisről, azaz a képzése a következőképpen történik: ) Kiszámoljuk Λ n értékét a (3..4.) rekurzív formula segítségével. ) Ha Λ n ln( A), akkor a jelet hibásnak tekintjük, és Λ n = értéket állítunk be. Ha Λ n ln( B), akkor a jelet jónak tekintjük, és szintén Λ n = értéket adunk. 3) A következő mintaelemre lépünk. Λ n sorozat Az algoritmusból nyilvánvaló, hogy a Λ n sorozat minden eleme az ( ln( ), ln( B) ) Kézenfekvő, hogy a mintának azon tartományait tekintsük normálisnak, melyekben n ( ln( B), M ] abnormálisnak pedig azokat, melyekben Λ ( M, ln( A) ), ahol M az intervallum középpontja. Megjegyezzük, hogy azonos α és β esetén M = teljesül A kísérlet összeállítása n A intervallumba esik. Λ, A laboratóriumi kísérletben a változásdetektálás vizsgálatához egy alumínium rúd (ZR-6 fűtőelempálamodell) rezgését használtuk fel. A rúd rezgését fehérzajjal gerjesztett rázópad idézte elő. A kísérleti adatsorok számítógépes analóg-digitális konverzióval a következő öt jelről készültek (ld. 3..4/3. ábra): Ch) A vizsgálat elsődleges jelét adó változtatható rögzítettségű (D) detektor jele. A detektor B&K 4375 típusú. Ch) Fixen felerősített (D) refereniadetektor jele. A detektor B&K 4375 típusú. Ch3) A D detektor rögzítettségét változtató fűtőáram. Ch4) A rázópad rezgését mérő detektor jele. A detektor B&K 4375 típusú. Ch5) A fehérzaj-generátor jele. A kísérleti berendezéssel előidézhető anomáliák: E) A gerjesztés mértékének változtatása. Ez a zajgenerátor jelszintjének megnövelésével történik. (A kísérlet elsősorban a vizsgálati módszer q szórásparamétertől való függésének vizsgálatát szolgálja.) E) A rúd sajátfrekveniáinak megváltoztatása, a rázópaddal átellenes vég befogási módjának mérés közbeni tetszőleges megváltoztatásával az alábbi lehetőségek szerint: a) suklós megfogás, b) merev megfogás, ) szabad vég, d) átmenet az a) és b) esetek között. A kísérlet alatt a rúd rázópad oldali vége végig suklós megfogású. (A kísérlet elsősorban a vizsgálati eljárás regressziós modelltől való függését tisztázza.) E3) Detektorfellazulás előidézése. Ehhez a kísérlethez a 3..4/3. ábrán a kinagyított részben látható kísérleti eszközt készítettük el. A detektort egy nagy szakítószilárdságú, rugalmas ellenálláshuzallal rögzítettük. Az ellenálláshuzalon áramot vezetve a huzal hőtágulásának köszönhetően a huzal

64 feszítettsége a merev rögzítéstől a teljes elszakadásig folyamatosan változtatható. (A kísérletnél reverzibilisen, az ellenálláshuzal sérülése nélkül, kb. - mm detektorfellazulást lehetett modellezni.) A kísérlet során a detektor teljes leszakadásának előidézésén kívül a 3..4/3. ábrán a detektorrajz feletti áramdiagram szerinti állapotokat idéztük elő. Ahol: I. Normális állapot. A detektor mereven rögzített. II. Lassú felfűtés. A detektor fokozatosan fellazul. III. Állandósult állapot. A detektor fellazult, de még nem szabadult el. IV. Az áram gyors sökkenése. A detektor rögzítése visszaáll a normális állapotba. E4) Pálafelütődés, illetve a korábban már ismertetett burst előidézése, amely egy kalapásal a rúdra mért ütéssel történik. Az ábrán nins külön feltüntetve az ütés pillanatának meghatározási módja. Ezt a kalapáson és a rúdon átvezetett fűtőáramkör zárulásának figyelésével oldottuk meg (elhanyagolhatóan kis fűtőáram mellett). B&K 635 D3 det. B&K 4375 Rázópad Áram Fűtés I. II. III. IV. I. Előerősítő MMF LV 3 erősítő Rúd Idő Ellenállás huzal Fehérzaj generátor Kalapás Rezgés det. Előerősítő Számítógép A/D Szűrő B&K 635 B&K 635 D Ref. det. B&K 4375 D Modell Fűtés Rúd Változt. megfogás 3..4/3. ábra. A kísérleti elrendezés és a változtatható rögzítésű detektor rajza A kísérleti eljárás a következő előnyöket biztosítja: A vizsgálatok során nem sérül meg a detektor. Egy jelen belül tanulmányozhatóak különböző állapotok és azok átmenetei (pl. normális állapot, a degradáió kezdete, abnormális állapot, a mérőrendszer hibája stb.) A normális állapot ugyanazon mérésen belül tetszőlegesen visszaállítható annak ellenőrzésére, hogy a hipotézisvizsgálat képes-e folyamatában felismerni a normális abnormális, illetve az (ellenkező) abnormális normális állapotba való átmenetet. A mesterségesen előidézett változások időpontja pontosan ismert, ezért lehetőség van a változásdetektálás késlekedésének vizsgálatára is. A számítógépes program A mérési adatok kiértékelése egy C programozási nyelven írt, DOS és Windows operáiós rendszer alatt futtatható, általános élú UAR+SPRT programsomaggal történt. A programrendszer a következő mennyiségek kiszámítását tette lehetővé: UAR együtthatók (gyakorlatilag a modellrendre való korlátozás nélkül), AIC függvény, teljesítményspektrum, - 6 -

65 korreláiós függvény, reziduális idősor, log-likelihood arány. A programrendszer különböző input adatok fogadására képes, konkrétan: idősor, teljesítményspektrum, korreláiós függvény, UAR együtthatók. A programrendszer szervezése megengedi, hogy a vizsgált idősorhoz különböző formátumú refereniamodelleket rendeljünk hozzá, azaz minden olyan input függvény alkalmas refereniamodellnek, amelyből az autoregressziós együtthatók kiszámíthatók. Például a teljesítménysűrűség-spektrumból inverz Fourier-transzformáióval vagy az idősorból közvetlenül korreláiós függvény (COR) állítható elő, amelyből az autoregressziós együtthatók közvetlenül kiszámolhatók. A vizsgálati eljárás menetét vázlatosan a 3..4/4. ábra szemlélteti. Refrenia idősor Teszt idősor COR Felhasználó által megadott paraméterek {p,q,α,β} UAR együtthatók p {u i} Rezidual generálás r k σ Log-likelihood arány SPRT Kijelző Λ k {q,α,β} UAR+SPRT Programrendszer 3..4/4. ábra. A programrendszer vázlata A felhasználó által megválasztható paraméterek: p UAR modellrend, q szórásparaméter, α elsőfajú hiba (a téves riasztás valószínűsége), β másodfajú hiba (az elmulasztott riasztás valószínűsége). A { p, q, α, β} paraméterek különféle értékei mellett lehetőség nyílik az UAR+SPRT eljárás érzékenységének a vizsgálatára Kísérleti eredmények A kísérleti eszköz által biztosított lehetőségeknek megfelelően négyféle kísérletsoportot hajtottunk végre. A kísérleti eredményeket a következő három mennyiségen keresztül mutatjuk be: a vizsgált jel, a vezérlőjel és a logaritmikus valószínűségi hányados. A kísérleti adatsorok harminezernél több mintából állnak, ezért sak a jellemző részletek bemutatására szorítkozunk. A jelekről készített idősorok 5 ms-os mintavételezéssel és ±5V bemeneti érzékenységű ±48 felbontású analóg-digitál konverterrel készültek. (Mivel a szekveniális módszer alkalmazása - 6 -

66 szempontjából a valós fizikai mértékegységek érdektelenek, az idősorok grafikonjain nem tüntettük fel az időléptéket, sak a mintavételek sorszámát.) Az eredményekkel együtt a { p, q, α, β} paramétereket is feltüntetjük a kapsos zárójelen belüli sorrendnek megfelelően. Terjedelmi okokból a kísérleti eredmények bemutatásánál sak a fő lépések leírására szorítkozunk, a részletes ismertetés [54]-ben található. A mérőrendszer alapállapoti jelei idő- (első grafikon) és frekveniatérben (második grafikon) ábrázolva a 3..4/5. ábrán láthatóak. 3..4/5. ábra. A mérőrendszer alapállapoti jelei Az első két jel a teszt (D) és a refereniadetektor (D) jele. A jelek FFT spektrumaiban a rúd sajátfrekveniái tisztán láthatóak. A két jel amplitúdójának eltérése a detektorok pozíiójának eltéréséből adódik [3]. A rázópad spektrumában (3. spektrum) a rázópad kedvezőtlen alasonyfrekveniás átvitele és a rúdrezgés visszasatolódása figyelhető meg. Az utolsó grafikonon a fehérzaj-generátor spektruma látható, amely jól mutatja a fehérzaj egyenletes frekveniaeloszlását. I. kísérlet Az első kísérletnél a gerjesztőzaj mértéke a 3..4/5. ábrán bemutatott normális állapotból (kb. a 88. mintától kezdve) fokozatosan növekedett, majd hirtelen (kb. a. mintától) visszaállt a normális szintre. (A gerjesztés változásának lefolyása a fehérzaj-generátor jelének RMS értéke alapján ellenőrizhető. A kísérlet a rúd suklós megfogása mellett történt.) A normális állapotban az AIC függvény -es UAR modellrendnél mutatott minimumot. A döntési határokhoz α=, és β=, értékeket állítottunk be. A kísérlet eredményét a 3..4/6. ábra mutatja be. 3..4/6. ábra. A log-likelihood arány változó erősségű gerjesztőzaj esetén A módszerrel előállított görbe az elvárásoknak megfelelően a gerjesztőzaj mértékének függvényében az abnormális tartományban egyre sűrűbb fűrészfogakat ír le, majd a gerjesztés normális szintre esésével hirtelen visszatér a normális tartományba. Ez annak tulajdonítható, hogy a növekvő gerjesztési amplitúdó gyakorlatilag a q szórási paraméter növekedésének felel meg. A változás kezdetének, azaz a normális - 6 -

67 abnormális (N A) átmenet kezdetének és a normális állapotba való visszatérés (A N) kezdetének a q paramétertől való függését a 3..4/. táblázat mutatja. q N A A N, 94 5, , /. táblázat. A normális abnormális (N A) és abnormális normális (A N) átmenetek kezdete a q függvényében Mivel a zajgenerátor erősítése fokozatosan növekedett, majd egy állandósult szakasz után hirtelen állt vissza a normális állapotba (hasonlóan a 3..4/3. ábrán bemutatott áramdiagramhoz), ezért az A N átmenet a N A átmenettel ellentétben egyértelmű, határozott átmenetet képez. A táblázatból is látható, hogy a hirtelen és viszonylagosan nagy változás kimutatása alig érzékeny q értékére. A változás kezdetét (kb. a 88. minta) természetszerűleg a legkisebb q érték közelíti meg, azaz a változás kimutatásának érzékenysége függ q-tól. Említésre méltó, hogy a N A átmenet kialakulásától kezdve már egyik q paraméterre sem fordult elő az elfogadási küszöb elérése. II. kísérlet A kísérlet során a fizikai rendszerben (a rúd sajátfrekveniáiban) idéztünk elő változást, és az így kapott jeleket vizsgáltuk a szekveniális módszerrel. A változást a kísérleti elrendezést ismertető fejezet E) pontjában ismertetett módon a rúdvég rögzítési módjának megváltoztatásával idéztük elő. Az egyes rögzítési módokhoz tartozó sajátfrekveniák a 3..4/7. ábrán tekinthetők meg. 3..4/7. ábra. A rúd sajátfrekveniái a rúd végének különböző rögzítései esetén Az ábrán jól látható, hogy a különböző befogási módokhoz tartozó spektrumok és a sajátfrekveniákat jelző súsok jelentősen eltérnek egymástól, ezért az átmenetek során készített adatsorok a változásdetektálás, vagyis a szekveniális módszer vizsgálatához alkalmasnak ígérkeznek. (A rúd sajátfrekveniáit a befogás függvényében részletesebben ld. [3].) A négy lehetőség több kísérleti megoldást tesz lehetővé. Az elvégzett kísérletek közül egyet ismertetünk. A kísérletben a pála befogását folyamatos, állandó gerjesztés mellett suklós befogásból fokozatosan merev megfogásba vittük át. A kapott adatsoron két szekveniális vizsgálatot hajtottunk végre. Az egyik esetben a merev megfogáshoz tartozó UAR modellt, a másikban pedig a suklós megfogás UAR modelljét használtuk fel. A kísérlet

68 során megvizsgáltuk az egyes rúdmegfogási módokhoz tartozó AIC függvényeket (ld. 3..4/8. ábra). A négy vizsgált esetre az optimális modellrend a 6-tól 44-ig terjedő intervallumba esik. 3..4/8. ábra. Különböző rúdmegfogási módok mellett számolt AIC függvények A 3..4/8. ábrán látható, hogy a második oszlopbeli görbék esetén nem határozható meg egyértelműen az optimális modellrend. Az általános tapasztalat szerint az AIC függvény a minimumhely körül gyakran ellaposodik. A kísérleti eredmények azonban azt mutatták, hogy hatos modellrendtől kezdve (a még vizsgált -as modellrendig) a szekveniális teszt gyakorlatilag azonos eredményre vezetett. Nyilvánvaló, hogy egy adott modellrend alatt (ez esetünkben hat volt) a regressziós modell már nem képes leírni a vizsgált rendszer fő tulajdonságát, így a szekveniális teszt eredménye sem lehet elfogadható. A vizsgálat eredményét a 3..4/9. ábra mutatja be. A vizsgálat paraméterei {p=5; q=,4; α=,; β=,}. 3..4/9. ábra. Átmenet a suklós-suklós megfogásból a suklós-merev megfogásba A 3..4/9. ábra felső grafikonsorán a merev megfogású modellel, az alsón pedig a suklós megfogású modellel készített SPRT diagram látható. Mivel a kísérlet suklós megfogásból indul, ezért a suklós megfogásos modellben a log-likelihood érték az elfogadási (normális) tartományban mozog, ellenben a merev megfogású modellben az elvárásainkkal összhangban az elutasítási (abnormális) tartományban ingadozik. A középső átmeneti tartományban mind a két diagramon bizonytalanság figyelhető meg, azaz a görbék mind a két tartományban ingadoznak. A harmadik oszlopbeli grafikonokon a kezdeti állapot ellentettje látható, ami a megfordult helyzetnek a következménye. Az eddigiek alapján megállapítható, hogy a módszer sikeresen detektálja a fizikai rendszerben bekövetkező változásokat. III. kísérlet A harmadik kísérletsorozat annak tisztázására irányult, hogy a szekveniális módszer képes-e észlelni a detektálási folyamatban valamilyen rendellenesség miatt bekövetkezett olyan mértékű változást,

69 amelynél a jel alaptulajdonságai még megmaradnak. A laboratóriumi kísérletekben a detektor (pontosabban detektálás) mehanikai jellegű meghibásodását idéztük elő a már ismertetett detektorfellazulást modellező kísérleti eszközzel. A detektor fellazulásának vizsgálatára több forgatókönyv szerint készült mérés, ezek közül egy tipikusat mutatunk be. A kísérlet végrehajtása az I. kísérlethez hasonlóan történt, azzal a különbséggel, hogy itt a gerjesztőforrás erőssége helyett a detektort rögzítő ellenálláshuzal fűtését növeltük fokozatosan, egészen a detektor,5- mm-es fellazulásáig, majd a fűtést viszonylag rövid ideig állandó értéken tartva, hirtelen megszüntettük a fűtőáramot. (Mivel a detektor teljes fellazulásánál az ellenálláshuzal a magas hőmérséklet és a detektor mozgása miatt már túlzottan erős igénybevételnek volt kitéve, ezért ezt az időtartamot minimalizálni kellett a szál elszakadásának az elkerülése végett.) A kiértékelésnél használt paraméterek {5;,3;,;,} voltak. A kísérlet eredményét a 3..4/. ábra mutatja be. 3..4/. ábra. A detektorfellazulás SPRT diagramja A 3..4/. ábrán felülről lefelé a tesztdetektor, a fűtés és az SPRT ( Λ n log-likelihood arány) összetartozó adatainak három különböző részlete látható. Az első részleten az abnormális állapot kialakulásának kezdete mutatkozik. A kezdeti szakaszon még a normális állapot figyelhető meg: az ellenálláshuzal nyúlása még nem érte el a kritikus szintet. A normális állapotot a beállított paraméterértékek miatt viszonylagosan gyakori döntéshozatal jellemzi. A változás kimutatásának kezdete az első részlet második harmadára tehető. (Ekkor a detektor fellazulását már jól hallható zörgő hang kíséri. Gyakorlatilag ez a hang jelzi az abnormalitás kialakulásának kezdetét is.) Tehát a döntéshozó eljárás minimális késéssel mutatja az elváltozást. A második részleten egy köztes állapot figyelhető meg. Ekkorra az abnormális állapot már egyértelműen kialakult, a fűtőáram értéke állandósult. A harmadik részlet első harmadában a fűtőáram hirtelen megszűnik, a normális állapot a szál kihűlési idejének megfelelően (,5- se.) gyorsan visszaáll. (A harmadik részlet középső szakaszán igen gyors egymás utáni döntések láthatók, amiket a normális rögzítettségre hirtelen visszaálló detektor mozgása vált ki.) A grafikonok azt is megmutatják, hogy a tesztdetektor adatsorán szemmel látható változás nem figyelhető meg. Az eredményt összegezve megállapítható, hogy a szekveniális teszt sikeresen mutatta ki a mesterségesen előidézett abnormalitást. IV. kísérlet A rúd ütögetésével megzavarjuk a rendszer alapállapoti viselkedését, azaz a jelben a már ismertetett burst jelenséget idézzük elő. A kísérletben a mérésleírásban elmondottak szerint az előidézett tranziensek kezdete pontosan rögzített. A hipotézisvizsgálat alkalmazhatóságának megállapítására a tranzienseket tartalmazó adatsorokat szekveniális hipotézisvizsgálatnak vetettük alá. A vizsgálat ered

70 ményéből a 3..4/. ábrán két reprezentatív adatsor-részletet mutatunk be. A kiértékelésnél használt paraméterek {5; 3;,;,}. 3..4/. ábra. Az ütődéssekkel előidézett tranziensek adatsora és SPRT diagramja Az ábra felső görbéin a D tesztdetektor idősora látható. A középső görbéken a lefelé mutató tüskék az előidézett tranziensek kezdetét jelzik. A szekveniális teszt eredményét az ábra alsó görbéi mutatják. A teszt eredményéből az látható, hogy a módszer biztonságosan, késés nélkül kimutatja a tranzienseket. A grafikonokon jól látható, hogy a szekveniális teszt olyan helyen (nyíllal jelzett második tüskepár ) is kimutatta az ütődést, amely szemmel nem vehető észre. A jelzett tranzienst közvetlen idősorvizsgálati módszerekkel pl. limitfigyelési eljárással sem mutathatnánk ki. Az eljárás természetéből fakadóan azonban olyan eset is előfordul, amikor a módszer hibásan jelez. A vizsgálatot különböző q paraméterek mellett hajtottuk végre. A bemutatott tesztben használtnál kisebb q paraméterekre a módszer érzékenyebbé vált, azonban ennek következményeként növekedett a hibásan detektált tranziensek száma is Az UAR+SPR vizsgálatának összefoglalása A kísérletsorozatban mesterségesen előállított tranzienseket vizsgáltunk az egyesített UAR+SPRT módszer gyakorlati alkalmazhatóságának tisztázására. A kísérletekből két kérdésre vártunk választ: ) Alkalmazható-e az eljárás valós zajdiagnosztikai adatsorok vizsgálatára? ) Milyen, a felhasználó által állítható paraméterek befolyásolják a vizsgálat eredményességét? A kísérleti berendezés négy valósághű tranziens előidézését tette lehetővé. Az eredmények alapján megállapítható, hogy a vizsgálati módszer eredményesen mutatta ki a laboratóriumi körülmények között előidézett anomáliákat. A módszer hátránya, hogy nem tud különbséget tenni az egyes tranziensek között, így azt sem tudja megkülönböztetni, hogy pl. a gerjesztőforrás erőssége vagy a fizikai rendszer változotte meg. Ez azért hátrányos, mivel előfordulhat, hogy a vizsgált rendszerben a gerjesztőzaj megváltozása megengedett. Összegzésként megállapítható, hogy azokban az esetekben, amikor az anomália okának ismerete nem szükséges, az ismertetett eljárás egyszerűsége folytán könnyen és hatékonyan alkalmazható Csoportos vizsgálat (a tranziensek egyidejűségének vizsgálata) Több satorna, illetve jel egyidejű viselkedésének vizsgálatával a tranziensek forrására nagyobb biztonsággal következtethetünk. Az eljárás lényege a következő:

71 Ha a vizsgálati módszer a jel adott szakaszán tranzienst észlel, akkor ellenőrzi, hogy a többi jelben a kérdéses helyen (esetleg kis időeltéréssel) szintén fellelhetőek-e a tranziensek. A zavar forrása bizonyos valószínűséggel meghatározható annak alapján, hogy milyen típusú a tranziens, és hogy milyen jelforrástípusokban jelentkezik. Mint már említettük, pl. a reaktor szabályozása a különböző detektorok jeleiben másképpen jelentkezik, és ez módot ad az elektronikai hibától való megkülönböztetésre. Amennyiben a vizsgálati módszer a zajforrás (a reaktor) viselkedésével kapsolatban érzékel hibát (pl. ha a jelek döntő többsége túlvezérelt vagy a jelekben egyidejű túlvezérlések, szakadások stb. vannak, és így vélhetően valamilyen szabályozási folyamat zajlott le az erőművi blokkon), akkor a zajforrást hitelesítő modul automata üzemmódban megismételteti a mérést. A végtelen iklus elkerülése érdekében azonban limitálandó a megengedett ismétlések száma, például legfeljebb háromban. A kiértékelés folyamán azt is meg kell jelentetni esetleg figyelembe is kell venni, hogy hányadik ismétlésre történt sikeres mintavételezés, illetve azt, ha az utolsó ismétlés sem hozott megnyugtató eredményt. Az idősorok frekveniatartománybeli vizsgálata során szintén megfigyelhetők olyan jellegzetességek, amelyek a detektor és az elektronika tulajdonságaira, illetve állapotára egyaránt jellemzőek Detektorminősítés A továbbiakban olyan jelenségeket és eljárásokat tekintünk át, amelyek a detektorok (termopár, SPND stb.) állapotáról adnak informáiót. Egyrészt a mérőrendszer megbontásával speiális műszerek segítségével, illetve analitikus úton (például egy refereniadetektor jelével történő összehasonlítással) végzett vizsgálatokat ismertetünk. Másrészt az idősorból és annak statisztikai jellemzőiből (pl. spektrumokból, kohereniákból vagy jellemző detektorparaméterek meghatározásából stb.) levonható következtetéseket foglaljuk össze Az időállandó vizsgálata A detektorok egyik jellemző paramétere a válaszidő vagy időállandó, amely közvetlenül a jelből is meghatározható. Mint minden alternatív módszerre, az időállandó vizsgálatára is igaz, hogy valamilyen mértékben hozzájárul a végleges ítélethez. Az időállandó kisi változása önmagában még nem sokat jelent, mivel nagyon nehéz a mögötte rejlő okokat feltárni, különösen, ha nins megfelelő fizikai modellünk. A termoelemekkel kapsolatosan a.5.3. fejezetben már bemutattunk egy lehetséges hibás mérést, amely megfelelő minőségű mérőrendszerrel a detektor időállandója alapján kimutatható. A bemutatott hiba mögötti fizikai jelenség, nevezetesen a rossz kontaktus, azonban nem okoz az időállandóban jelentős változást. Ugyanakkor ha a mért jel nem az adott fizikai folyamatot, hanem valamilyen hibajelenséget vagy egy rossz helyre bekötött detektor viselkedését tükrözi, akkor az idősorból számolt időállandó jelentősen eltérhet az eredeti, hibátlan jel időállandójától. Erre a 3.3./. ábrán mutatunk be egy példát. Az ábrán vastag vonallal ábrázoltuk egy hibátlan termoelemjel spektrumát, amelynek a számított időállandója,5 másodper. Vékony vonallal ugyanennek a detektornak a spektruma látható meghibásodott AC erősítő esetén. A hibás jelre számított időállandó sak,6 másodper. Mint a példa is mutatja, az ilyen típusú jelenségek az időállandó vizsgálatával jól diagnosztizálhatók, ami szintén indokolja ezen vizsgálatok létjogosultságát

72 e-7 e-8 't3.4ak' 't3.49f' napsd e-9 e- e- e Frekvenia [Hz] 3.3./. ábra. A grafikonon vastag vonallal egy jó időállandójú termoelemjel spektruma látható, vékony vonallal ugyanezen detektor spektrumát láthatjuk elromlott AC erősítés esetén A jelek (spektrumok) egy másik soportjánál (az SPND-k és ionizáiós kamrák esetében) nem egy valódi detektor-időállandóról, hanem a jel alapján számolt időállandóról beszélhetünk. A mért neutronjelben a reaktor termohidraulikai és neutronkinetikai viselkedése társul a detektor átviteli tulajdonságaival. Azonban a tapasztalat szerint az időállandó kiszámítása ilyen jeleken is jól meghatározható, jellemző mennyiséget eredményez, amely felhasználható a detektor jelének hitelesítéséhez. Fontos hangsúlyoznunk, hogy a minősítéshez nem szükséges a valós időállandók meghatározása, mivel a élunk elsősorban olyan mennyiségek keresése, amelyek érzékenyek a normális állapottól való eltérésre. A minősítés menete: Minden detektortípushoz hozzárendelünk egy jellemző időállandót és egy tűrést, melyekkel a jelből számított adat összevethető. Az időállandót UAR, MAR vagy ARMA modellek segítségével határozhatjuk meg [65, 93]. Az időállandó meghatározására a következő szakaszban mutatunk be egy lehetséges megoldást Az időállandó számítási módszere Az időállandót egyváltozós autoregressziós (UAR) modell felhasználásával számoljuk ki. Első lépésként meghatározzuk a k autokorreláiós függvényt. Jelölje az idősor elemeit ψ i, átlagértékét ψ, az idősor elemeinek számát N, a korreláiós időt pedig k max. Ekkor: N = N k i= k ( ψ ψ ) ( ψ ), k,,..., k. k i i+ k ψ = Jelölje r k a normalizált autokorreláiós függvényt: max (3.3..) r k = k. (3.3..) Az autoregressziós modellt a következő formában állítjuk elő: y = a y + v k M i= i k i k, (3.3..3) ahol a i az autoregressziós együtthatókat jelöli, y k = ψ k ψ, M az autoregressziós modell rendje és v k a gerjesztő fehérzaj. A regressziós együtthatók a Durbin rekurzív formula [65] alapján a következők:

73 a p+, p+ r = p+ i p = p i= a a p, i p, i r r p+ i a p, i a p, i a p, p a p, p i, i =,,..., p, + = i, (3.3..4) ahol p az iteráiós lépéseket, i az autoregressziós együttható sorszámát jelöli. Az iteráiót az optimális modellrendig élszerű végezni. Az optimális modellrendet az AIC (Akaike Information Criterion) függvény minimumhelye alapján határozhatjuk meg: AIC p = N p i= a p, i ri + p. (3.3..5) (A modell részletes ismertetése pl. [65]-ben található.) Az autoregressziós modell segítségével kiszámíthatjuk az egységugrás függvényre adott átmeneti függvényt (step response, az ábrákon rövidítve STP), amely M vi =, ha i <, si = ak si k + vi, ahol (3.3..6) v =, ha i. k= i Az időállandót az átmeneti függvény végtelenben vett határértékének 63,%-ához, pontosabban (-/e)- ed részéhez tartozó abszisszaérték adja meg, amennyiben a határérték létezik. A számítási módszer részletes kidolgozása a [93, 94] munkákban található. Az ismertetett módszer hiányossága, hogy a numerikusan kiszámolt átmeneti függvény határértéke nins meghatározva, ezért az időállandó leolvasásához az idősort olyan hosszan kell kiszámolni, hogy az már sak elhanyagolható mértékben változzon. Hiányzik a módszer gyakorlati alkalmazhatóságának a vizsgálata is. További hiányosság, hogy ha a számított átmeneti függvényben oszilláió alakul ki, akkor az időállandó leolvasása nagyon pontatlanná válhat (lásd a 3.3./. ábra bal oldali grafikonját). Az általam kidolgozott és a következőkben bemutatott eljárás kiküszöböli a fenti problémákat. A módszer pontosítható, ha meghatározzuk az idősor határértékét. Ez egyszerűen megtehető, ugyanis, ha a (3.3..6) sorozat konvergens, a végtelenben vett K határértékre igaz, hogy K lim s = lim s ; k [,.., M ], ahol M a modell rendje. (3.3..7) = i i k i i A (3.3..6) egyenletből határértéket képezve és a K értéket behelyettesítve átrendezés után a K határértékre a következőt kapjuk: K = M. (3.3..8) a = k k Ha a K értékkel elosztjuk a (3.3..6) alapján számolt idősort, akkor megkapjuk az átmeneti függvény -re normált alakját, ahol az időállandó a,63 ordinátaértékhez tartozó abszisszaérték lesz. A határérték-számítási és az esetleges numerikus osztási problémák elkerülhetők, azaz egyszerűbb és könnyebben kezelhető megoldáshoz juthatunk, ha a negatív egységugrásra (az egységnyi sökkenésre) adott átmeneti függvényt (drop response függvényt, az ábrákon rövidítve DRP) vizsgáljuk, amelyről biztosan tudjuk, hogy nullához tart. Ennek alakja a következő:

74 d i M = a d + v, vi =, ha i, ahol. (3.3..9) vi =, ha >. k i k i k= i A pozitív és negatív egységugrás függvények átmeneti függvényei egymásnak az y =, 5 egyenes menti tükörképei. Ez, a numerikus számítási hibáktól eltekintve, az autoregressziós számítással kapott átmeneti függvényekre is igaz (lásd a 3.3./. ábra első grafikonját). Egy τ időállandójú rendszer vagy detektor egységnyi sökkenésre adott átmeneti függvényének analitikus alakja t τ y = e, (3.3..) ahol t az időt jelöli. Az egyenlet logaritmusa egy iránytangensű egyenes. Ebből következik, hogy a τ numerikusan számolt adatsor logaritmusának is egy egyenes mentén kell elhelyezkednie (lásd a 3.3./. ábra második grafikonját). Ezért az időállandó reiprokát a (3.3..9) alapján kapott függvényértékek logaritmusára illesztett egyenes iránytangensének abszolút értékeként számítástehnikailag könnyebben és pontosabban kaphatjuk meg. Azaz: n [ ln( d ) ] ( ) i= i D xi x = n τ, (3.3..) ( x x) i= i n n t ahol xi = i t x = i t = ; D = ln( di ) n + n + mintavételezési ideje. ;, továbbá t az idősor i= n i=.9.8 STP DRP.7 DRP illesztett.6 y = e x Idő [se] ln(drp) ln(drp) illesztett y = x Idő [se] 3.3./. ábra. Negatív és pozitív egységugrás függvények számított átmeneti függvényei a negatív átmeneti függvényre illesztett függvénnyel (balra). A negatív egységugrás függvény átmeneti függvényének természetes alapú logaritmusára illesztett egyenes (jobbra) A 3.3./. ábra bal oldali grafikonján vastagabb vonallal a negatív egységugrás függvényre fektetett görbe látható, ami a jobb oldali grafikonon bemutatott illesztés eredményének felhasználásával állt elő. A valós adatsorok alapján számított átmeneti függvények általában eltérnek az ideálistól, ezért a logaritmus értékekre fektetett egyenesek nem feltétlenül haladnak át az origón. Ha megköveteljük, hogy a számított értékekre illesztett átmeneti függvényeknél az exponeniális tag együtthatója egy legyen, amit a (3.3..) összefüggésben ki is kötöttünk, akkor a logaritmikusértékekre illesztett egyenesnek az origón át kell mennie. Az origón való áthaladást megkövetelő illesztésnél a (3.3..) egyenlet a következő alakú lesz: - 7 -

75 n i= i= ( d ) xi ln i = τ n. (3.3..) x i A 3.3./. ábrán látható rossz minőségű átmeneti függvény esetén a két illesztés közötti eltérés (,595-,576=,9) kisebb egy százaléknál. Ennél nagyságrenddel nagyobb eltérések adódhatnak pl. az autoregressziós együtthatók és az idősor mintavételezési idejének megválasztásából A számítási eljárás vizsgálata A gyakorlati bevezetés előtt a módszert alkalmazhatósági vizsgálatnak kell alávetni. Ennek során meg kell vizsgálni, hogy az eljárás mennyire alkalmazható valós mérési körülmények között, illetve milyen feltételek teljesülése esetén várható el, hogy megfelelő eredményeket adjon. Az időállandó számításának eredményére az alábbi tényezők lehetnek befolyással: A zajdiagnosztikai mérések sávja alulról és felülről korlátozott. A jeleknek az elektronikai mérőlán LP (felüláteresztő) szűrője miatt nins konstans összetevője (DC értéke). Bizonyos mérésbeállításoknál vagy rosszul méretezett szűrőknél az átviteli sáv elején a szűrő hatása túlzott mértékben érvényesülhet. A felső határfrekveniát a vizsgálandó jelenségekhez szükséges mérési követelmények és a mérőrendszer képességei határolják be. Ez diagnosztikai mérések esetén néhány száz Hz. A paksi mérések során a legáltalánosabb az 5 Hz-es spektrumok készítése. A digitalizált mérések sávszélessége és a mérésekből készített spektrumok felbontása korlátozott. A Pakson végzett zajdiagnosztikai mérések idősoraiból döntően 5 frekveniavonalból álló spektrumok készülnek. Az alkalmazható mintavételezési és szűrőfrekveniák általában adottak. A vizsgált rendszer, illetve detektor bemenetére kerülő jelek spektruma nem pontosan ismert. Az elektronikai mérőrendszer zaja rárakódik a mért jelre. A tesztelési adatsor előállítása Az időállandó számításának ellenőrzése ismert tulajdonságú, mesterségesen előállított bemenő adatok segítségével történhet. Az alkalmazott módszer menete a következő: Az LP szűrők átvitele jól ismert [66]. Ez alapján egy fehérzajjal gerjesztett τ időállandójú, H ( ω) frekveniaátvitelű rendszer kimenetén mérhető teljesítménysűrűség-spektrum (APSD) felírható mint APSD = H ( ω) = =, ahol ω = πf a körfrekvenia. (3.3..3) + iωτ + ω τ A 3.3./3. ábrán egy a (3.3..3) összefüggés szerinti tipikus frekveniaspektrum látható, amelyen, Hz tartományban a szűrőkre jellemző frekvenialetörés (a spektrum lehajló szakaszára illesztett egyenes és a felső abszisszatengely metszéspontja) is jól megfigyelhető

76 .E+.E- napsd.e-.e-3.e-4.. Frekvenia [Hz] 3.3./3. ábra. Egy τ=,5 se időállandójú rendszer kimenetén mért normált teljesítménysűrűségspektrum (napsd) logaritmikus ábrázolásban, ha a bemenő jel fehérzaj Az autoregressziós együtthatók kiszámításához szükséges C(t) autokorreláiós függvény a teljesítménysűrűség-spektrum inverz F Fourier-transzformáltjaként is előállítható. - Azaz C = iωt e F. (3.3..4a) + ω τ + ω τ () t = dω Szimmetrikus, kétoldalú teljesítménysűrűség-spektrumok esetén a transzformáió egyoldalú alakkal is közelíthető (lásd [6]), amely alapján az autokorreláiós függvény a következő alakú lesz: os( ωt) C() t = d ω. (3.3..4b) + ω τ A numerikus kísérletekhez a korreláiós függvényben a korreláiós időközt a mérési gyakorlathoz igazodva a mintavételi idővel azonosnak választjuk. A számításokban az f frekvenia és a t mintavételi idő közötti kapsolatot az alábbi összefüggések adják meg: t = =, (3.3..5) f f m max ahol f m a mintavételi frekveniának, f max pedig a spektrum legnagyobb frekveniavonalának az értéke. A frekveniaspektrum f felbontása f max f = =, ahol n a frekveniavonalak száma. (3.3..6) n n t A számítási eljárás vizsgálatához a fenti ( ) összefüggések felhasználásával különböző τ időállandókhoz tartozó autokorreláiós függvények készíthetők. A próbához a kiindulási teljesítménysűrűség-spektrumokat a zajdiagnosztikai gyakorlatban megszokott n = 5 frekveniavonalat tartalmazó spektrumokként állítjuk elő, amelyben f az első spektrumvonal frekveniája. Az időállandó függése az adatsor mintavételi idejétől A számítás ellenőrzéséhez ismert időállandókhoz tartozó, különféle mintavételi frekveniával készített korreláiós függvények sorát készítettük el. A korreláiós függvényeken az időállandó számítását elvégezve a 3.3./4. ábrán bemutatott görbéket kaptuk. A számítás az AIC kritérium által visszaadott optimális modellrenddel történt. Ez minden esetben háromnak adódott. Az inverz Fourier-transzformáió alapját a [6]-ban közölt eljárások képezték

77 Időállandó [se] T=,9 se T=,7 se T=,5 se T=,3 se T=, se T=,5 se Időállandó [se] T=,9 se T=,7 se T=,5 se T=,3 se T=, se T=,5 se. Mintavételi idő [ms] Mintavételi idő [ms] 3.3./4. ábra. Modellezett időállandók számított értékei a mintavételi idő függvényében, az AIC szerinti optimális (3-as) modellrenddel számítva, logaritmikus és lineáris időtengely mentén Az ábrán jól látható, hogy a számítás pontosságát a mintavételi frekvenia befolyásolja. A grafikonról leolvasható, hogy az ábrázolt görbéknél a vizsgált időállandóhoz tartozó optimális mintavételi frekvenia fél nagyságrendű eltérése kb. % eltérést okoz a számított időállandóban. Megfigyelhető, hogy a görbesereg a grafikon origója felé halad, azaz egyre kisebb és kisebb mintavételi időt használva ha a számítás az időállandóhoz képest egyre rövidebb korreláiós hosszon történik a számított időállandó is egyre kisebb lesz. Ennek egyszerű magyarázata az, hogy a mintavételi idő sökkenésével (rögzített spektrumszélesség, spektrumvonalszám esetén) a normált korreláiós függvények alakja dimenzió nélkül összerajzolva egyformává válik (lásd 3.3./5.ábra) Fmax=KHz; st=.ms Fmax= KHz; st=.5ms Fmax=5Hz; st=.ms Fmax=5Hz; st=.ms Fmax=5Hz; st=3.33ms Fmax= 8Hz; st=6.5ms Fmax= 4Hz; st=.5ms Fmax= Hz; st=5.ms Fmax= Hz; st=5ms együttható sorszám 3.3./5.ábra. τ =, 3 se időállandóhoz tartozó, különböző t mintavételi idővel numerikusan készített normált korreláiós függvények alakja az együtthatók sorszáma szerint ábrázolva. (Az ábrázolt görbék a feltüntetett görbeelnevezések sorrendjének megfelelően egymás alatt helyezkednek el.) Az autoregresszión alapuló számítás sak a korreláiós görbe alakját veszi figyelembe, és a számított időállandó a mintavételi-, illetve a korreláiós idő lineáris függvénye. Ennek következménye, hogy egy meghatározott értéknél kisebb mintavételi időkre amikor a korreláiós függvény alakja már elhanyagolható mértékben változik a számított időállandó közel lineárisan sökken a mintavételi idővel. (Valós méréseknél a spektrum sak a mérőrendszer alapzajáig sökkenhet, azaz itt az időállandó számított sökkenése a háttérzaj frekveniamenetétől függően meg is állhat, sőt emelkedésbe válthat át.) A korreláiós függvények alakjának egymásba esése a következők alapján könnyen belátható. Ha ωτ >>, akkor a szűrő frekveniaspektruma H ( ω) = (3.3..7) + ω τ ω τ

78 alakba megy át (ez a 3.3./3. ábrán is megfigyelhető, ha gondolatban a vízszintes tengely kezdőpontját Hz-ig eltoljuk). Ennek az inverz Fourier-transzformáltja (3.3..4b) alapján a következő: C() t = fmax f fmax ( ) 3 os πft os( πft) ( πft) ( πft) df = πt πft + 4π f τ π τ f f 3 3! 5 5! 5... fmax f. (3.3..8) Az integrálást elvégezve és a ( ) összefüggéseket behelyettesítve a következőt kapjuk: πt πt os os n t t () = C t πt ( ) π τ π π k = n t t A korreláiós függvényt t i t, i = [... n] k + k πt πt t n t ( k ) ( k )! = lépésközönként számítjuk ki: πi n t os n t os( πi) ( ) = C i t πi t ( ) π τ π π k = k + k. (3.3..9) k k ( ) πi πi n ( k ) ( k )!. (3.3..) A fenti összefüggésben a t mintavételezési idő kiemelhető, azaz a korreláiós együtthatók a t mintavételi időtől lineárisan függenek. Ez egyben azt is jelenti, hogy az r k normalizált autokorreláiós függvényben a t mintavételezési idővel egyszerűsíteni lehet. Azaz az k ( k t) rk = max[ ( i t )] i i [.. n] (3.3..) adatsor minden mintavételezési időre azonos értéket vesz fel. Diszkrét inverz Fourier-transzformáiót használva a nulla időponthoz tartozó értéket is visszakapjuk, a fenti számítás azonban a t = időre (illetve i = -ra) nem érvényes. Ezt az értéket sak határérték-számítással kaphatnánk meg. Ettől eltekintve a korreláió hasonlóságát bizonyítottnak tekintjük. A továbbiakban vizsgáljuk meg, hogy mi történik, ha egyre nagyobb mintavételi idővel (azaz egyre kisebb mintavételi frekveniával) végezzük az adatgyűjtést. A mintavételi idő növekedésével a frekveniaspektrum balra tolódik, azaz a spektrum konstans értékhez kezd közelíteni, aminek következtében a szűrő frekvenialetörési sávja fokozatosan eltűnik a spektrumból. (Ilyet láthatunk, ha a 3.3./3. ábra frekveniaspektrumának felső határfrekveniáját, Hz alá visszük.). A jelenséget frekveniatérben vizsgálva fejtsük Taylor-sorba a szűrő (3.3..3) frekveniaspektrumát H ( ω ) = = + ω ω τ + ω + ω τ +... (3.3..) + ω τ Ha olyan frekveniasávot választunk, amelyben ωτ <<, akkor a spektrum ebben a frekveniasávban egyhez közeli értéket vesz fel, azaz a spektrum kifehéredik. Ennek az a következménye, hogy az autokorreláiós függvény a nulla pozíió ( r = érték) után rögtön igen kis (vagy abszolút értékben kisi) negatív értékeket vesz fel (lásd 3.3./5. ábra), tehát a korreláió jellemzői is a fehérzajhoz közelítenek. (A fehérzajra számított időállandó nulla.) Az időállandó számítása ilyen korreláiós értékekre instabillá válik, mert az átmeneti függvényekben oszilláió jelentkezik és/vagy a függvények divergenssé válnak. A negatív egységugrás átmeneti függvénye negatív tartományba is átmegy, ami már a logaritmus

79 kiszámításában is problémát okoz. Kisebb mértékű oszilláiók szükségmegoldásként esetleg pontelhagyással kezelhetők. Az optimális mintavételi idő meghatározásához a tényleges időállandó és a mintavételi frekvenia arányának függvényében ábrázoltuk a számított időállandók relatív hibáját (lásd 3.3./6. ábra). Relatív hiba [%] T=,9 se T=,7 se T=,5 se T=,3 se T=, se T=,5 se Időállandó / Mintavételi idő 3.3./6. ábra. Modellezett időállandók számított értékeinek relatív hibája a tényleges időállandó és a mintavételi idő arányának függvényében Az ábráról leolvasható, hogy a modellezési feltételek mellett az optimális mintavételi idő minden időállandónál az időállandó tizennyolad része, azaz az adott feltételek mellett azonos. Az időállandó függése a modell rendjétől A modellrend növekedésével az autoregresszió egyre pontosabban írja le a vizsgált rendszer tulajdonságait. Minél magasabb modellrenddel készítjük el például a jel autospektrumát, annál finomabb részletek jelennek meg benne, azaz az autoregressziós spektrum az FFT spektrumot egyre jobban kezdi megközelíteni. Az időállandó számításához nem szükséges, sőt zavaró a jel minél pontosabb modellezése, ehelyett elegendő a jel alaptulajdonságainak a leírása. A modellrend megválasztásának hatását az időállandó számításának eredményére a 3.3../7. ábrán mutatjuk be. Időállandó [se] T=,9s; ST=5,ms T=,7s; ST=35,7ms T=,5s; ST=7,8ms T=,3s; ST=6,7ms T=,s; ST=5,56ms T=,5s; ST=,5ms Modellrend 3.3./7.ábra. Optimális mintavételezési idővel számított időállandók a modellrend függvényében Az ábrán látható, hogy a számítás szempontjából ideális tulajdonságú adatsoroknál a modellrend feltüntetett tartományában a számított időállandó a jelmagyarázatban feltüntetett pontos érték 5%-os környezetében váltakozik. Az időállandó hármas modellrendnél közelíti meg legjobban a pontos értéket, ez egybeesik az AIC-vel kapott optimális modellrenddel. Valós adatsoroknál probléma lehet, hogy az AIC által visszaadott adatsor a minimumhely körül ellaposodik, emiatt nehezebben határozható meg az optimális modellrend. Felvetődik az is, hogy olyan mért idősorok esetén, melyekben más folyamatok

80 hatásai (és időállandói) is jelen vannak, az AIC-vel meghatározott optimális modellrend nem feltétlenül optimális az időállandó meghatározására. Az időállandó számításának ellenőrzése mért adatsorokon A módszer gyakorlati teszteléséhez egy,6 se időállandójú rendszeren (RC körön) fehérzajt vezettünk át. A kijövő jelet különböző mintavételi időkkel digitalizáltuk. Az adatgyűjtést, Hz-es felüláteresztő szűrő közbeiktatásával készítettük. A vizsgálatot az alasonyabb mintavételi idejű méréseknél a szűrő kiiktatásával is végrehajtottuk. A számításokat az idősorokból készített autokorreláiós függvényeken végeztük el. Ezek eredményét a 3.3./9. ábra mutatja be.,7,6 Időállandó [se],5,4,3, T=,6 se; HP=, Hz, T=,6 se; HP sz. nélkül Mintavételi idő [ms] 3.3./9. ábra. Mért adatsorokból számított időállandók a mintavételi idő függvényében Az ábrán jól látható, hogy a görbe fő vonulata jelentős mértékű egyenetlensége ellenére hasonló a numerikus szimuláióval kapott görbékhez. A feldolgozás tapasztalatai szerint a görbe egyenetlensége elsősorban az AIC alapján számított optimális modellrendből származik. (A modellrend választásának függvényében -5%-os eltérések adódtak.) Másodsorban az okozza, hogy a mérőrendszer aluláteresztő szűrője sak meghatározott értékekre állítható, és a beállított érték nem mindig esik egybe a mintavételi frekvenia által megkövetelt értékkel. Az ábra jól demonstrálja, hogy ha a felüláteresztő szűrő levágási sávja eléri a spektrum első vonalait, akkor a számított időállandókra kisebb értékek adódnak. Ez figyelhető meg 5 ms-tól, ahol a görbék elágaznak Konklúzió A tesztelési eredmények alapján megállapítható, hogy az időállandó meghatározásának módszere kellő körültekintéssel, sak a megfelelő modellrend és a mérendő időállandóhoz optimalizált mintavételezési idő meghatározása mellett használható. A módszert pontatlansága ellenére is érdemes használni, mivel az időállandó beslését a mérőrendszer megbontása nélkül, a jel ingadozó komponensének felhasználásával teszi lehetővé. A valósághoz közel álló eredmény érdekében a gerjesztőzaj spektrumát is figyelembe kell venni. Az időállandó számításának szempontjából optimális modellrend meghatározására és a nem fehér bemenő zajoknak a számított időállandóra gyakorolt hatásának tisztázására azonban még további vizsgálatok szükségesek

81 3.3.. Spektrumvizsgálatok Az idősorok vizsgálata mellett jelentős szerepet szánunk a frekveniatartományban történő vizsgálatoknak is. Ebben az esetben az idősorokhoz képest egy lényegesen kisebb adathalmazunk van, nevezetesen a jel spektruma. Mint a.4. fejezetben már említettük, a spektrumokat generáló algoritmusok többfélék lehetnek. (A spektrumot leggyakrabban diszkrét Fourier-transzformáióval határozzuk meg, de lehetőség van más módszerekkel, pl. UAR, MAR vagy ARMA modellekkel való számolásra is.) A vizsgálat szempontjából legkézenfekvőbb jellemző a spektrum alakja, vagyis a frekveniagörbe menete. Azt, hogy a vizsgálat tárgyát képező görbe alakjában egy szakértő milyen jellegzetességet lát, vagy miképpen különbözteti meg azt egy másik görbétől, igen nehéz a matematika nyelvén általánosan megfogalmazni. Ez egy alakfelismerési probléma, amelynek megoldására nagy intenzitással folynak a kutatások. Az alakfelismerés, illetve osztályozás ígéretes eszközei a mesterséges neurális hálózatok vagy neurális hálók (artifiial neural networks). A továbbiakban a neurális háló kifejezést használjuk. A dolgozatban nem bosátkozunk a neurális hálók elméletének részleteibe, hanem a módszer alkalmazási lehetőségeit egy kész neurális háló segítségével vizsgáljuk meg Neurális háló Egy rendszer állapothatározóiban beállt változások kimutatására a rendszert leíró pontos modellekre vagy megfelelő szakértői tudásra van szükség, amely tudás mibenlétét esetenként nehéz pontosan körülhatárolni, és még nehezebb automatikusan döntést hozó algoritmusokra lefordítani. A neurális hálókat éppen az tette vonzóvá, hogy a változások észrevételéhez nins szüksége a mögöttes tehnológia fizikai modelljére, hanem sak a normálállapotok megtanulására. (A reaktor folyamatváltozóinak minősítésére jól működő neurális háló alkalmazást készített P. Fantoni és A. Mazzola a Halden Reator Projet keretében [49].) Az ipari alkalmazásoknál a neurális hálók tréningje mindenképpen nehezebb feladat, mint pl. a karakterfelismerésé. (Amíg pl. egy postai feldolgozóban tetszőleges számban lehet a legkülönbözőbb kézírással írt számokhoz, illetve betűkhöz jutni, addig egy nagy ipari berendezés a normális működési tartományának is sak egy szűk sávjában mozog, és ezen aligha változtatnak egy neurális algoritmus tanítása érdekében.) Bizonyos esetekben a neurális háló azon előnye, hogy nem tartalmaz fizikai modelleket, egyben hátránya is, mivel így tudását a tanítási folyamat alapossága határozza meg, ez pedig magában hordozza a tévedés lehetőségét is. Az eljárással szemben idegenkedést válthat ki, hogy a módszer döntési folyamata az ember számára nem áttekinthető. Ennek ellenére ott, ahol egy esetlegesen téves ítéletnek nins súlyos következménye, a módszer nyugodtan alkalmazható. Tapasztalatszerzés éljából megvizsgáltuk, hogy a neurális háló mennyire alkalmazható zajspektrumok osztályozására. A vizsgálat eredményét a következő fejezetben foglaljuk össze. A minősítés alapgondolata: A neurális hálóval egy spektrumosztályozást végzünk, melynek során a hálót megtanítjuk a különböző jeltípusok spektrumainak esetleg még a jeltípuson belüli alosztályoknak a felismerésére. Ezt követően a minősíteni kívánt jel spektrumát bevisszük a neurális hálóba. Egyszerű alkalmazásnál a neurális háló a bevitt spektrumra egy típusazonosítóval válaszol. Ha ez a visszaadott spektrumazonosító nem egyezik meg a spektrumtípus azonosítójával, akkor a jelet hibásnak minősítjük. A neurális háló alkalmazásával kapsolatban az a fő probléma, hogy nehéz nagy szoftverrendszerekhez kapsolható, gyors, megbízható neurális háló szoftverhez jutni. Bár a neurális hálóval a spektrum egyedi tulajdonságai is megtaníthatók, élszerű egyéb vizsgálati módszereket is alkalmazni, hogy a lehető legtöbb módszerre támaszkodhassunk. A 3.3./. ábrán példaként egy jó és egy elektronikailag részlege

82 sen meghibásodott jel spektruma látható. A neurális hálótól azt várjuk, hogy az ilyen mértékű eltéréséket már biztonsággal megkülönbözteti. e-6 e-7 't3.57' 't3.5' e-8 napsd e-9 e- e- e Frekvenia [Hz] 3.3./. ábra. A grafikonon egy olyan termoelemjel spektruma (vastagabb vonal) látható, amely egy másik mérésben jeltovábbítási probléma (szakadásos idősor) miatt jelentősen eltorzult (vékony vonal) Neurális háló gyakorlati alkalmazása spektrumosztályozásra A vizsgálatot egy kereskedelmi forgalomban kapható termékkel végeztük el. (Ezzel a tapasztalatszerzés egyszerűbbnek ígérkezett, ugyanakkor az így megszerzett tudás lehetővé teszi egy jobb megoldás későbbi kidolgozását.) A neurális hálók elméletével és gyakorlati alkalmazásával számos szakkönyv és szakikk foglalkozik (ld. [95]), ezért ezek részleteit nem tárgyaljuk. A lehetőségeket számba véve a választásunk a GERENIA Shell szoftverre esett. A választott rendszer az ún. Classitron modellre épül [96]. Ez a többrétegű pereptron továbbfejlesztett változata, a következő változtatásokkal: ॐ nem kell előre definiálni az arhitektúrát, ॐ az arhitektúra a tanítási folyamat alatt dinamikusan épül ki, ॐ egyetlen neuronnal indul, ॐ sak a minimálisan szükséges neuronszámot tartalmazza. Az utolsó pontban leírt tulajdonság következtében a háló rendkívül gyors. Ennek elérésére egyrészt a kiépülő struktúrában mindazon kapsolatok, amelyek egy adott határ alatt lévő súllyal vesznek részt, lebomlanak. Másrészt, ha egy neuron minden kapsolatát elveszíti, törlődik az arhitektúrából. Ilyen módon elérhető, hogy supán azok a neuronok maradnak meg, amelyek ténylegesen részt vesznek a feldolgozásban. A neurális hálók hatékony működésének egyik legfontosabb feltétele és egyben a beüzemelési munka első feladata a háló megfelelő tréningje. Ennek a munkának az első lépése a tanuló-adatbázis összeállítása, melynek során a különféle szempontok szerint összeválogatott spektrumokat a neurális háló bemeneti speifikáióihoz igazodó egész értékű mintasorokká kellett átalakítani A tanuló- és tesztadatbázis létrehozása A rendelkezésre álló méréseket átvizsgálva a neurális hálón folytatott kísérleteinkhez választásunk egy VVER- reaktorból származó digitális mérési adatokra esett, mivel ezek a vizsgálat idején a paksi VVER-44-es mérésekhez képest nagyobb mennyiségben és jobb minőségben álltak rendelkezésünkre. Egyedileg megvizsgálva a rendelkezésünkre álló mérés hozzávetőleg 3 spektrumát, a kifogástalannak talált spektrumokból hét soportra osztva 75 spektrumot tartalmazó adatbázist

83 válogattunk össze. (A válogatás során a hibás vagy téves adatok kiszűréséhez a spektrumok szakértői vizsgálatát is el kellett végezni. Ennek részleteit a fejezetben ismertetjük.) A soportokon belül egy tanuló- és egy tesztadatbázist hoztunk létre (lásd 3.3./ táblázat). N Típus Azonosító Tanulás Felismerés In-ore neutron IN 5 95 Ex-ore neutron EN Huroknyomás LP Termoelem TC X soport rezgés GV 5 6 Hurok rezgés LV Be- és kimenő nyomás IP /. táblázat. Spektrumtípusok a hozzájuk rendelt azonosítókkal, valamint a tanulásra és felismerésre előkészített minták számával. (Az in-ore neutron az SPND detektorokat, az ex-ore neutron pedig az ionizáiós kamrákat jelöli.) A kísérleti mintasorhoz a reaktoron mérhető tipikus zajjeleket válogattuk össze. A legnagyobb számban a zónán belüli neutrondetektorok (SPND detektorok) spektrumait használtuk. (Megjegyezzük, hogy a zónán belüli lánoknál lehetőség nyílt annak kipróbálására is, hogy a neurális háló hogyan mutatja ki az egyes lánok közötti kisebb különbségeket.) A második legnagyobb soportot az ionizáiós kamrák jelei képezik, amelyeknek a spektrumai általában jellegtelenek, frekveniasúsoktól mentesek. A harmadik soportként kiválasztott huroknyomás-spektrumok általában markáns frekveniasúsokat tartalmaznak, és jellegükben erősen eltérnek a neutronjelek spektrumaitól. A negyedik nagyobb soportot a termoelemjelek képezik. Ezeknek a legnagyobb az alaki hasonlósága a neutronjelekhez, legalábbis a tesztadatbázisban. Az adatbázisba bevett többi adatsor rezgés- és nyomásjel, melyek elsősorban a típusválaszték bővítését szolgálják. A kiválasztott spektrumok változatossága lehetővé teszi, hogy a neurális háló képességeit típusok közötti különbségek és hasonlóságok kimutatásában egyaránt próbára lehessen tenni. Az összeválogatott adatok a jelek DC értékére normált 5 spektrumvonalból álló frekveniaspektrumok, amelyekben az első spektrumvonal értéke,98 Hz, az utolsó pedig 5 Hz. A spektrumok közös jellegzetessége a mindegyikben egyaránt jelen lévő 4 Hz-es frekvenialetörés, amit a mérőrendszer aluláteresztő szűrője okoz. A minták általános jellegzetességének megismerésére a 3.3./. ábra négy grafikonján bemutatjuk a táblázat első négy spektrumtípusának alakját 4-4 spektrum együttes ábrázolásával. A grafikonon jól látható a reaktorok spektrumait jellemző (a kezdeti szakaszon meredeken sökkenő, majd stagnáló) frekveniamenet. (Ez a hasonlóság várhatóan sökkenti az osztályozás sikerességét.) A grafikon függőleges tengelye mentén a spektrumok logaritmikus léptékűek. Az ordinátaskála azért nins feltüntetve, mert minden egyes spektrum a saját minimális és maximális értékének skálája szerint lett ábrázolva, ez pedig a függőleges tengely mentén minden spektrumra más és más

84 3.3./. ábra. Összefésült spektrumok A választott lineáris-logaritmikus ábrázolás a zajdiagnosztikai elemzések szokásos megjelenítési módja, mert tapasztalataink szerint a spektrumok diagnosztikai értékű jellegzetességei ilyen skálázás esetén láthatóak a legjobban. Ugyanis lineáris ordinátaskála alkalmazása esetén a neutronzaj-spektrumok kezdeti szakaszának meredek, logaritmikus sökkenése miatt néhány frekveniavonal után a spektrumvonalak értékei nagyon kisivé válnak, ezért a spektrum részletei már nem vehetők ki. Kézenfekvő, hogy akársak a szakértőt, úgy a neurális hálót is olyan spektrumokkal lássuk el, amelyeknél a típusok jellemző tulajdonságai hangsúlyozottabban jelennek meg. Ahhoz, hogy a spektrumokat a neurális háló szoftver bemenő adatává alakíthassuk, a spektrumértékek logaritmusát ugyanabba az intervallumba transzformáltuk úgy, hogy a minimális és a maximális értékek minden egyes spektrum esetén az intervallum végpontjaiba kerüljenek. Ezt két dolog miatt tehetjük meg. - Az egyik, hogy a zajdiagnosztikai élra használt reaktorspektrumok fokozatosan sökkenve 4-8 nagyságrendet ölelnek át. (Ez azért fontos, mert a közel konstans értékű spektrumok minimális és maximális érték közötti ábrázolása a véletlenszerű ingadozások miatt az esetek nagy részében gyakorlatilag áttekinthetetlen.) - A másik ok, hogy azonos felépítésű, jó mérőlánok esetén a minimális értékek az aluláteresztő szűrő miatt a mérési alapzajra esnek, ami jeltípuson belül gyakorlatilag azonos. A maximális értéket pedig a legtöbb jelnél a DC érték és az aluláteresztő szűrő paraméterei határozzák meg, ami típusonként szintén hasonló. (Természetesen ezek az értékek többszörösen eltérhetnek egymástól, de az ábrázolt spektrumok hat nagyságrendet felölelő dinamikája mellett ez nem tekinthető jelentősnek.) A transzformáió javára írható, hogy eltünteti a kampány során fellépő, de normálisnak tekinthető fokozatos zajszintnövekedést, valamint azokat a normálási, illetve mérési pontatlanságokat is, amelyek (pl. az SPND detektorok esetén) a detektor prompt válaszának eltéréséből adódhatnak. Az adatok átalakítására egy másik lehetőség, hogy a minimális értéket vesszük alapul, és ehhez viszonyítva ábrázoljuk az adatokat, de ezen kívül még sok egyéb megoldás is elképzelhető. Azonban mindkét adatátalakítási megoldás esetén egyaránt lényeges, hogy minden spektrumnál azonos transzformáiót kell alkalmazni, méghozzá lehetőleg olyat, amely a típuson belüli hasonlóságot és a típusok közötti különbségeket egyaránt kiemeli

85 A grafikonokat vizsgálva a minták transzformálásából származó alaki hasonlóság miatti tévesztést az SPND detektorjelek és a termoelemjelek között várhatunk. A transzformáiót a gyakorlatban a következőképpen hajtottuk végre. A GENERIA Shell neurális hálóban egy mintát egy típusazonosítóval és legfeljebb 79 egész számmal lehetett jellemezni. A kísérletekhez az adatbázis spektrumait a háló bemenő adatformátumának eleget tevő adatsorrá kellett alakítani. Első lépésként az 5 vonalat tartalmazó spektrumokat nyol-nyol egymást követő adat összeadásával 64 vonalas spektrumokká alakítottuk át. Az így kapott spektrumvonalak értékeinek logaritmusát a [,] intervallumba normáltuk, majd egész értékűre kerekítettük. A spektrumok átalakítására a 3.3./3. ábrán mutatunk be egy példát. napsd E -7 E -8 E -9 E- E- E- Kiindulási spektrum Kondenzált spektrum Frekvenia [Hz] 3.3./3. ábra. Tipikus 5 vonalas in-ore neutronspektrum (bal skála) és vastag vonallal a neurális háló bemeneti követelményeihez átalakított, 64 elemet tartalmazó adatsor (jobb skála) A 3.3./3. ábrán látható, hogy bár a tömörítéssel (a spektrumvonalak nyolankénti összeadásával) a spektrum finomabb részletei elvesznek, fő tendeniája megmarad A neurális háló tanítása A bemenő adatok előállítása után a neurális háló tanítását végeztük el. Ennek során a tanulóiklusokat, azaz a mintafájl beolvasását addig ismételtük, amíg a háló minden mintát sikeresen osztályozott. Helyes tanulóminta használata esetén az osztályozás statisztikája folyamatosan javul, azaz egyaránt sökken a tévesztések, bizonytalanságok, és az osztályba nem sorolt esetek száma (lásd 3.3./4. ábra) ,,8 helyes/összes,6,4,, Tanulási iklus 3.3./4. ábra. Az osztályozás helyességének alakulása a tanulási iklus függvényében Rosszul kiválasztott, ellentmondásosan összeállított tananyag nem, vagy sak nagyon rossz hatékonysággal dolgozható fel, azaz a betanítás alatt az osztályozás statisztikája a tanulási iklusok során romlik. Ez akkor fordul elő, ha a kiválasztott osztályok átfedik egymást. A GENERIA használatakor a hibás - 8 -

86 tananyagra két tény figyelmeztet. Az egyik a már említett statisztika romlása. A másik, ennél közvetlenebb jelzés a felhasznált neuronok számának alakulása. Ugyanis hibás, ellentmondó tanulóminták alkalmazásakor a tanítási iklusok során a kiépülő neuronszám ugrásszerűen megnövekszik. (A tanítási folyamat vizsgálatával részletesebben a [97] irodalom foglalkozik.) A spektrumfelismerés A háló spektrumfelismerési képességének kipróbálására más időpontban, kismértékben eltérő reaktorállapotok mellett készített méréseket használtunk fel (lásd 3.3./. táblázat). N Típus Azonosító Azonosításra Felismert [%] In-ore neutron IN Ex-ore neutron EN Huroknyomás LP Termoelem TC X soport rezgés GV Hurok rezgés LV /. táblázat. A spektrumfelismerés eredménye A táblázatból látható, hogy a neurális háló a spektrumok felismerését sikeresen hajtotta végre. Pl. a 95 in-ore neutron spektrumból 83-at helyesen ismert fel. A vizsgálat eredménye azt mutatja, hogy a többitől jól megkülönböztethető, egyedi jellegzetességgel rendelkező spektrumtípusokat (pl. huroknyomás, ld. 3.3./. ábra) a háló %-os biztonsággal ismerte fel. A tévesztések általában annak tudhatók be, hogy a rosszul felismert spektrumok (illetve a spektrumokból készített minták) alakja nagyon hasonlít valamely más osztálybeli spektrumok alakjára. Ez is azt mutatja, hogy mennyire fontos a spektrumok transzformálását úgy elvégezni, hogy az egyes típusokhoz tartozó minták különbözősége a lehető legnagyobb legyen A neurális háló alkalmazási próbájának összefoglalása A pereptron alapú neurális hálóval folytatott kísérleteinkben jó eredménnyel sikerült spektrumosztályozást végezni [97]. A kísérlethez egy tanuló- és egy tesztadatbázist állítottam össze. Az 5 vonalas spektrumot 64 vonalas spektrummá vontam össze, majd a kompresszált spektrum vonalainak értékeit logaritmálás után a és közötti egész számok halmazára vetítettem. Az így készített mintát (egész értékeket tartalmazó vektort) adtuk meg a neurális háló inputjaként Tapasztalati (szakértői) spektrumvizsgálat Ez a vizsgálati módszer a spektrum bizonyos tartományainak és néhány jól meghatározható jellemzőjének az elemzését jelenti (ld. 3.3./4. ábra). A tapasztalati spektrumvizsgálatok közül néhány: White tail. A reaktorzónából származó jelek döntő része fokozatosan ereszkedő sökkenő jellegű. Bizonyos elektronikai meghibásodások, az erősítők elzajosodása stb. a spektrumok második részének (farok vagy white tail: a spektrum azon része, ahol a reaktorzaj már az egyéb zajok alá sökken) a megemelkedéséhez vezetnek. A 3.3./5. ábrán erre láthatunk példát. Megjegyezzük, hogy ezt a megemelkedést az egyéb módszerek általában nem értékelik hibaként. Algoritmikus úton lehetőség van a háttér (white tail) emelkedésének felismerésére is. A hiba forrása elektronikus zajok felerősödése, szűrőmeghibásodás stb. lehet. (A 3.3./4. ábra esetében a white tail sávba eső szűrőletörés miatt a white tail helyett inkább a pink tail (rózsaszín farok) elnevezés lenne helyesebb.) - 8 -

87 napsd e-6 e-7 e-8 e-9 e- e- e- RMS Primerköri állóhullám súsa Állandó tehnológiai zaj Plató "uda.6p" White tail Szűrő letörés Frekvenia [Hz] 3.3./4. ábra. VVER--es reaktor SPND zajspektruma a fontosabb spektrumtartományokkal. A szűrő letörési frekveniája ebben a spektrumban a paksi spektrumokhoz képest jobban megfigyelhető e-6 e-7 "e3.489" "e3.48p" e-8 napsd e-9 e- e- e Frekvenia [Hz] 3.3./5. ábra. SPND spektrum fehérzaj-tartományának megemelkedése (szaggatott vonal) az elektronika elzajosodásának következtében Csúseltűnés. Bizonyos tehnológiai és elektromos zajok állandóan jelen vannak a spektrumokban. Ezek az esetek nagy részében jól meghatározható helyen, stabilan jelentkeznek, és jelentős amplitúdóval rendelkeznek, mint pl. a főkeringető-szivattyú lapátfrekveniája (5 Hz), a hálózati 5 Hz, primerköri állóhullám, impulzusvezeték sajátfrekveniái (a nyomásspektrumokban). Ezek igen keskeny sávú, harmonikus zajok. Amennyiben a detektor jeléből ezek a jelek eltűnnek, akkor valamilyen hibára (pl. a detektor leszakadására, erőteljes háttérnövekedésre) lehet gyanakodni. Keskeny sávú, nagy amplitúdójú súsok megjelenése. Ezek a hasznos jelre külső forrásokból rárakódó nagyfrekveniás zajok, amelyek olyan nagy intenzitásúak, hogy az AD konverter LP szűrője nem tudja teljesen kiszűrni őket, ezért az aliasing effektus következtében megjelennek a spektrumban. Példaképpen egy, a szokásosnál lényegesen nagyobb nagyfrekveniás sugárzást kibosátó monitor miatt keletkezett súsokat mutatunk be a 3.3./6. ábrán

88 e-6 e-7 e-8 "e5.48b" "e5.48g" napsd e-9 e- e- e- e Frekvenia [Hz] 3.3./6. ábra. Szaggatott vonallal egy olyan SPND spektrumot ábrázoltunk, amelynél a mintavételezés alatt a feldolgozórendszerhez közel egy erősen sugárzó monitor volt. A folytonos vonallal ugyanennek a detektornak a spektrumát látjuk a zavart okozó monitor kikapsolása után készítve RMS (Root Mean Square) érték figyelés. A reaktorzónából származó jel fluktuáló hányadának döntő része a jel alasonyfrekveniás összetevőire, azaz a spektrum kezdeti szakaszára (gyakorlatilag annak néhány vonalára) konentrálódik. (A teljesítményreaktorok átviteli függvényeiről és kísérleti meghatározásáról részletesen Keepin könyvében olvashatunk [].) Fontos kiemelnünk, hogy ennek kapsán nem négyzetes, azaz teljesítményspektrumokról, hanem közönséges amplitúdóspektrumokról beszélünk. Az RMS érték figyelési módszer a spektrumok kezdeti szakasza vizsgálatának felel meg. A zajspektrumoknál az amplitúdóértékek nehezen kapsolhatók össze a kiváltó folyamat intenzitásával, ezért az amplitúdót általában más amplitúdókhoz (mennyiségekhez) viszonyítva és trendként érdemes tanulmányozni. Az RMS érték ennek a kezdeti szakasznak az integrálja. Neutronjelek esetén egy VVER- reaktor zajának RMS értéke a DC jelszint %-át teszi ki, a VVER-44 típusnál az arány ennek a harmada, azaz néhány ezrelék. Az RMS szint figyelését a DC értékek vizsgálatához hasonlóan végezhetjük azzal az eltéréssel, hogy itt a vizsgálatba a jel DC jelszintjének értékét is bevonhatjuk. Megjegyezzük, hogy a spektrum RMS tartományának vizsgálatát áttételesen az időállandó alapján történő minősítő eljárás is elvégzi, tehát bizonyos mértékben ez az RMS érték figyelés alternatív módszere Koherenia (korreláió) alapú vizsgálat Az eddig bemutatott részvizsgálatok a detektorokat izolált jelforrásnak tekintették. A detektorminősítési módszerek egy másik, bonyolultabb fajtája a kérdéses detektorjelet (illetve a detektort) egy detektorhalmaz egyik elemének tekinti [98]. Ebben az esetben a legkézenfekvőbb az FFT-alapra épülő koherenia- (esetleg fázis-) vizsgálatok végzése. A vizsgálat alapját az képezi, hogy a detektorok egy satolt fizikai rendszert mérnek. Ezért a jelekben jelentős a közös eredetű zajösszetevők intenzitása. A kohereniaspektrum vizsgálata ezen összetevők azonosítását teszi lehetővé. Ismert, hogy a reaktorzónában lévő detektorok jelei a globális fluktuáió miatt a 3 Hz tartományban erősen korreláltak [76]. Ez a korreláltság az SPND detektorok jeleiben jól felismerhető [99]. A termoelemek nagy tehetetlenségi ideje miatt a jelenség sak kb. Hz alatt, és sak kis intenzitással figyelhető meg

89 A korreláión alapuló eljárás lényege, hogy két jó detektor között normális körülmények esetén a globális fluktuáió miatt minden esetben jelentkezik koherenia. A vizsgálat során detektorhalmazokat állítunk fel, melyeken belül páronként kiszámolva a kohereniákat, egy egyszerű szintfigyelési eljárással meghatározzuk azokat a detektorpárokat, amelyeknek a jelei a vizsgált frekveniatartományban korreláltak. Így a megmaradó nem korrelált jelek valamilyen hibás mérésből származnak. A 3.3.3/. ábra két SPND detektor közötti kohereniát mutat. A folytonos görbe azt az esetet ábrázolja, amikor mind a két detektor megfelelően működött. Ekkor a koherenia az elmondottaknak megfelelően alakult. A szaggatott vonallal rajzolt görbe azt az esetet mutatja, amikor a kettő közül az egyik detektor mérőlána meghibásodott. Az ábrából látható, hogy ebben az esetben a koherenia a globális tartományban közel nullára sökkent "a5d5.5e" "a5d5.4t" Frekvenia [Hz] 3.3.3/. ábra. SPND kohereniaspektrumok. Folytonos vonallal két jó detektor közötti koherenia látható. A szaggatott vonal azt az esetet mutatja, amikor az egyik mérőlán meghibásodott Gyakran előforduló hibajelenség az is, hogy az elektronikai lánok valamilyen meghibásodás miatt jelentősen egymásra hatnak, vagy valamilyen külső elektronikus zajt szednek fel. Ekkor a jelek közötti koherenia széles tartományban esetenként az egész spektrumra kiterjedően lényegesen magasabb a normális értéknél. (A gerjedések leggyakrabban a spektrumok felső tartományában jelentkeznek.) Ez a jelenség a kohereniaértékekben egy egyszerű algoritmussal felismerhető. A koherenia alapú minősítés gyakorlati megvalósításakor egy olyan adatbázis készítendő, amely a detektorpárok közötti jellemző kohereniákat tartalmazza. Az adatbázis segítségével sak egyidejűleg mért jelek értelmezhetők. Természetesen a koherenia mellett rendelkezésre áll a fázisinformáió is. Ennek felhasználása supán távlatilag képzelhető el. A fázisinformáió feldolgozását nehezíti, hogy a különböző típusú elektronikai lánok közötti fázisviszonyok nehezen értékelhetők ki. Az ok főleg az elektronikák okozta különböző fázistolásokban keresendő, melyek kompenzáiója, illetve figyelembevétele ipari körülmények között nehezen valósítható meg Tendeniafigyelés A trendelemzés bizonyos kritériumok alapján kiválasztott és időrendbe állított adatokra támaszkodva egy adott mennyiség, illetve jelenség hosszú távú időbeni viselkedését vizsgálja. Az elemzés alapját az adja, hogy egy viszonylag nagy ingadozású mennyiségben egy kismértékű tendeniózus változás meghatáro

90 zott idő elteltével már annyira felhalmozódik, hogy észrevehetővé, kimutathatóvá válik. Ilyen változások történnek pl. anyagfáradás, detektorelhasználódás stb. esetén. A zajdiagnosztikai értelemben vett trend végső soron egy olyan idősor, amelynek viszonylagosan nagy az időléptéke, és amely részben ezért viszonylag kevés adatból áll. A változás az ezen idősoron alkalmazott súszóátlag képzésével (mint a nagy frekveniájú ingadozások kiszűrésére alkalmazható legegyszerűbb eljárással) mutatható ki. A trendépítés fő nehézsége az időben nagy kiterjedésű és nagyszámú adatot tartalmazó adatbázis létrehozása. Ez azt is jelenti, hogy viszonylag hosszú időnek kell eltelnie, hogy a trendvizsgálaton alapuló módszerek eredményt produkáljanak. Így például ezzel a módszerrel kampányfüggő mennyiségek kampány elején nem vizsgálhatók, hanem sak az előző kampányhoz hasonlíthatók. A tendeniavizsgálatokat a tudomány számos területén és szinte minden hosszabb zajdiagnosztikai méréssorozat kiértékelésekor is alkalmazzák. (Trendelemzési példákkal elsősorban a rendszerelváltozások vizsgálatával kapsolatban rendelkezünk. Az eljárás szempontjából abban azonban nins különbség, hogy a vizsgálat a mérőrendszer paramétereinek vagy egy rendszer állapothatározóinak a figyelésére vonatkozik-e.) Egy számított mennyiség tendeniavizsgálatára a hűtőközeg-sebesség meghatározása kapsán mutatunk be egy jellegzetes példát (lásd 3.3.4/. ábra). 3,6 3,4 4. kampány 5. kampány [m/se] 3, 3,,8,6,4, Referenia oldal Csökkent forgalmú oldal, Dátum 3.3.4/. ábra. A referenia- és a sökkent forgalmú satornák átlagos hűtőközeg-sebességének a trendje Az ábrán a reaktorzóna két felén mért átlagos hűtőközeg-sebesség tendeniája látható. A grafikonon jól nyomon követhető, hogy a sebesség-aszimmetria a kampány folyamán megmaradt, illetve kis ingadozások mellett valamelyest növekedett. Ez az aszimmetria a következő kampány indításakor megszűnt, azaz az aszimmetriát kiváltó okot az átrakás során sikerült megszüntetni. A statisztikai jellemzők tendeniájának leggyakoribb fajtája az idősorok FFT spektrumainak a vizsgálata. A trendépítésnek frekveniaspektrumok vizsgálatára való alkalmazására két lehetőség kínálkozik: ॐ Frekveniasús eltolódásának figyelése. Bizonyos folyamatok frekveniái olyan jól meghatározható mennyiségek, amelyeknek (a frekveniaspektrumokban gyakran sús formájában megjelenő) mért értéke független a mérőrendszer átviteli jellemzőitől. Ezért hibadetektálás terén súseltolódás-figyeléssel jó eredményeket lehet elérni. Ilyen módszerrel egy KWU gyártmányú 3 MWe PWR-en a zónatartó zsámoly fellazulását sikerült időben észlelni (lásd 3.3.4/. ábra). A vizsgálat eredményét a rendelkezésünkre bosátott mérési adatokon elvégzett saját elemzéseink is megerősítették. ॐ A spektrum valamely tartományának vagy súsának az amplitúdójában bekövetkező változás figyelése. Bár a spektrumvonalak amplitúdóinak egy részéhez még ma sem tudjuk mennyiségileg hozzárendelni a mögötte lezajló eseményt, a relatív változások mégis fontos jelentéssel bírnak. Az amplitú

91 dóváltozás-figyelés menete vázlatosan a következő. Méréssorozatokkal feltérképezzük a rendszer normálállapotát, majd a továbbiakban ezen állapothoz viszonyítjuk a változások mértékét. Gyakran azonban sak tapasztalatilag dönthető el, hogy a fellépett rezgés mértéke meghaladja-e a biztonságos mértéket. Egy kiemelten fontos területen, a zónatartó kosár mozgásának monitorozása kapsán már sikerült olyan módszert kidolgozni, amellyel a mozgás mértéke a zónán kívüli neutronjelekből számszerűen meghatározható. Meg kell azonban jegyezni, hogy a magnitúdótrend-vizsgálat a frekveniatrend-vizsgálatoknál kevésbé hatékony módszer, mivel a spektrumsúsok mért amplitúdója sokkal több paramétertől függ. Frek. [Hz] Riasztási küszöb Javítás előtt Javítás után Dátum 3.3.4/. ábra. KWU 3 MWe reaktor zónatartó-szerkezetének rezgése az idő függvényében [7] Összefoglalásként megállapítható, hogy a tendeniaelemzés a diagnosztikai vizsgálatok egyik fontos, általános vizsgálati eljárása Műszeres detektorvizsgálat Az előerősítő előtt megbontva a mérőlánot a detektorok néhány tulajdonsága műszerrel közvetlenül vizsgálható. Az elektronikai mérőlánok megbontása biztonsági okokból sok erőműben nem elfogadott, bár a tehnikai lehetősége adott. Ugyanis kellően szeparált mérőlánok esetén gyakorlatilag nem fordul elő, hogy az összes mérőlán meghibásodjon a beavatkozás következtében, a vezérlőrendszerek pedig néhány lán kikapsolását el tudják viselni. Rendszeres műszeres méréseket neutrondetektorokon a VVER-44 és a nyugati típusok közül tudtunkkal a kanadai CANDU reaktorokon végeznek []. A műszeres mérések főleg a detektor ellenállásának a meghatározására szorítkoznak. A CANDU reaktoroknál a neutrondetektorokat a mérés alapján akkor minősítik rossznak, ha az ellenállásuk kisebb mint KΩ. (Ez az érték természetesen gyártmánytól függ.) Nyilvánvaló, hogy ha az ellenállás értéke túl nagy (például néhányszor MΩ), akkor szakadásgyanús a detektor. A paksi reaktorokon régebben néhány hónapos gyakorisággal történtek detektorellenállás-mérések a következő műszaki megoldással. A neutrondetektorok áramkörébe egy MΩ-os ellenállás van sorba kötve, amelyet normálüzemben egy kapsoló zár rövidre (ld /. ábra). A detektorellenállás meghatározása a zárt és a nyitott kapsolóálláshoz tartozó detektoráramok összevetésével történik (ld. a VERONA felhasználói kézikönyvét []). A detektor ellenállását a 3.3.5/. ábra alapján a következőképpen kapjuk: