1. Trang chủ
  2. » Luận Văn - Báo Cáo

Nghiên cứu giải pháp đo kiểm tra đánh giá độ mòn bồn chứa xăng dầu dung tích lớn sử dụng robot mang đầu dò siêu âm

187 9 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Nghiên Cứu Giải Pháp Đo Kiểm Tra Đánh Giá Độ Mòn Bồn Chứa Xăng Dầu Dung Tích Lớn Sử Dụng Robot Mang Đầu Dò Siêu Âm
Thể loại thesis
Định dạng
Số trang 187
Dung lượng 9,4 MB

Cấu trúc

  • 1. Đặt vấn đề (16)
  • 2. Ý nghĩa khoa học và thực tiễn của đề tài (17)
  • 3. Kết cấu của luận án (18)
  • Chương 1 Nghiên cứu tổng quan (20)
    • 1.1 Các phương pháp đo mòn và bản đồ mòn (20)
      • 1.1.1 Phương pháp siêu âm thông thường (20)
      • 1.1.2 Phương pháp siêu âm PA (21)
      • 1.1.3 Phương pháp 3D Scanner (22)
      • 1.1.4 Xây dựng bản đồ ứng dụng công nghệ PA (0)
    • 1.2 Thực trạng đo kiểm mòn bồn chứa ở Việt Nam (26)
    • 1.3 Tổng quan nghiên cứu trong và ngoài nước (0)
      • 1.3.1 Các nghiên cứu nước ngoài (29)
      • 1.3.2 Các nghiên cứu trong nước (38)
    • 1.4 Các tồn tại, định hướng và nội dung nghiên cứu (41)
      • 1.4.1 Các tồn tại (41)
      • 1.4.2 Định hướng nghiên cứu và nội dung nghiên cứu (0)
    • 1.5 Mục tiêu, phạm vi và đối tượng nghiên cứu (45)
      • 1.5.1 Mục tiêu nghiên cứu (45)
      • 1.5.2 Phạm vi nghiên cứu (46)
      • 1.5.3 Đối tượng nghiên cứu (46)
    • 1.6 Phương pháp nghiên cứu (46)
      • 1.6.1 Phương pháp thu thập thông tin (46)
      • 1.6.2 Phương pháp nghiên cứu lý thuyết (46)
      • 1.6.3 Phương pháp nghiên cứu thực nghiệm (47)
      • 1.6.4 Phương pháp thu thập dữ liệu (47)
        • 1.6.4.1 Thu thập dữ liệu theo 1 trục (47)
        • 1.6.4.2 Thu thập dữ liệu theo 2 trục (48)
      • 1.6.5 Phân tích hình ảnh độ mòn thu thập (49)
        • 1.6.5.1 Phạm vi chiều dày C-Scan (49)
        • 1.6.5.2 Bảng màu C-Scan (50)
        • 1.6.5.3 Các giá trị của độ mòn (52)
        • 1.6.5.4 Báo cáo kết quả siêu âm ăn mòn (56)
  • Chương 2 Quy trình thực nghiệm đo kiểm tra độ mòn bồn chứa (57)
    • 2.1 Đề xuất thông số kỹ thuật thiết kế, chế tạo robot mang đầu dò siêu âm (57)
      • 2.1.1 Yêu cầu kỹ thuật cần có của robot mang đầu dò siêu âm (57)
      • 2.1.2 Nguyên lý hoạt động của robot (57)
      • 2.1.3 Mô hình thiết kế và chế tạo thử nghiệm robot (57)
      • 2.1.4 Cơ sở định vị đầu dò siêu âm PA (0)
      • 2.1.5 Kiểm nghiệm độ tin cậy robot (61)
        • 2.1.5.1 Robot di chuyển theo phương thẳng đứng (61)
        • 2.1.5.2 Robot di chuyển theo phương thẳng ngang (64)
        • 2.1.5.3 Robot di chuyển theo phương thẳng xiên (67)
    • 2.2. Lập sơ đồ trải phân mảnh và xác định diện tích quét trên bồn chứa (69)
    • 2.3. Định vị robot trên bồn chứa (74)
    • 2.4 Đề xuất quy trình đo mòn bằng phương pháp siêu âm PA (75)
      • 2.4.1 Mục tiêu và phạm vi ứng dụng (75)
      • 2.4.2 Tiêu chuẩn áp dụng (75)
      • 2.4.3 Trình độ kỹ thuật viên (76)
      • 2.4.4 Thiết bị kiểm tra siêu âm tổ hợp pha (77)
      • 2.4.5 Đầu dò và ghi nhận dữ liệu (78)
      • 2.4.6 Chất tiếp âm (78)
      • 2.4.7 Khối chuẩn (0)
      • 2.4.8 Độ nhạy quét (Scanning sensitivity) (80)
      • 2.4.9 Chuẩn bị bề mặt (82)
      • 2.4.10 Kỹ thuật quét (83)
      • 2.4.11 Báo cáo/đánh giá kết quả thu thập (83)
      • 2.4.12 Tài liệu lưu trữ (83)
  • Chương 3 Mô hình toán quãng đường di chuyển ngắn nhất (84)
    • 3.1 Bài toán tối ưu toàn cục trên bồn chứa (84)
    • 3.2 Giới thiệu các phương án di chuyển (86)
    • 3.3 Bài toán tìm thời gian di chuyển (87)
    • 3.4 Thuật toán tối ưu bầy đàn PSO (92)
      • 3.4.1 Giới thiệu thuật toán PSO (92)
      • 3.4.2 Xây dựng hàm mục tiêu (94)
      • 3.4.3 Giải thuật tối ưu PSO (94)
      • 3.4.4 Mô phỏng thuật toán PSO bằng Matlab (96)
      • 3.4.5 Đề xuất phương án quét dựa trên kết quả PSO (100)
      • 3.4.6 Thử nghiệm robot theo phương án di chuyển PSO tìm được (100)
  • Chương 4 Nghiên cứu xây dựng bài toán ghép ảnh mòn (103)
    • 4.1 Nghiên cứu xây dựng bài toán ghép ảnh (103)
      • 4.1.1 Hình ảnh và quá trình xử lý ảnh (104)
        • 4.1.1.1 Ảnh mòn C-Scan (104)
        • 4.1.1.2 Ảnh nhị phân (104)
        • 4.1.1.3 Quá trình xử lý ảnh (105)
      • 4.1.2 Phân tích, đánh giá dữ liệu hình ảnh thu thập được (106)
      • 4.1.3 Phương án quét thu thập ảnh mòn (106)
      • 4.1.4 Phân tích hiện trạng dữ liệu ảnh mòn thu được (107)
    • 4.2 Xây dựng bản đồ mòn sử dụng phần mềm Matlab (109)
      • 4.2.1 Giải thuật ghép ảnh (109)
      • 4.2.2 Đề xuất chức năng phần mềm ghép ảnh (113)
      • 4.2.3 Đề xuất giao diện phần mềm ghép ảnh (113)
  • Chương 5 Nghiên cứu thực nghiệm đo kiểm và xây dựng bản đồ mòn (115)
    • 5.1. Thiết kế, chế tao mô hình bồn chứa (0)
      • 5.1.1 Thiết kế mô hình bồn chứa (115)
      • 5.1.2 Chế tạo mô hình bồn chứa (115)
    • 5.2. Thực nghiệm đo kiểm độ mòn (117)
      • 5.2.1 Vật liệu và thiết bị thí nghiệm (117)
      • 5.2.2 Khuyết tật mòn và tạo lưới trên mô hình bồn chứa (120)
      • 5.2.3 Hiệu chuẩn thiết bị (122)
      • 5.2.4 Phương án quét trên mô hình bồn chứa (123)
      • 5.2.5 Thực nghiệm đo mòn (124)
    • 5.3 Thực nghiệm xây dựng bản đồ mòn (125)
      • 5.3.1 Xây dựng bản đồ mòn (125)
      • 5.3.2 Kết quả và bàn luận (127)
    • 5.4 So sánh kết quả với thực nghiệm đo độ mòn bằng tay (133)
  • Tài liệu tham khảo (140)

Nội dung

Ý nghĩa khoa học và thực tiễn của đề tài

Mô hình toán học được xây dựng nhằm xác định quãng đường di chuyển ngắn nhất, dựa trên đặc điểm của phương pháp kiểm tra siêu âm PA và tính năng của robot mang đầu dò siêu âm PA.

- Đề xuất được phương án đo kiểm ứng dụng robot mang đầu dò siêu âm PA

3 kiểm tra mòn bồn chứa xăng dầu dung tích lớn dựa trên cơ sở quỹ đạo quãng đường di chuyển ngắn nhất tìm được

Đề xuất một thuật toán ghép ảnh nhằm tạo bản đồ mòn phù hợp với quy trình siêu âm PA, được áp dụng để đo kiểm độ mòn của bồn chứa xăng dầu có dung tích lớn, sử dụng robot mang đầu dò siêu âm PA.

Ứng dụng robot với đầu dò siêu âm trong việc kiểm tra độ mòn của bồn chứa giúp rút ngắn thời gian kiểm tra, giảm bớt sức lao động và nâng cao hiệu quả kinh tế Sản phẩm này không chỉ tăng cường năng suất mà còn cải thiện chất lượng kiểm tra cho bồn chứa xăng dầu.

Nghiên cứu này đóng góp vào việc tự động hóa quy trình kiểm tra và đánh giá độ mòn của bồ chứa xăng dầu, mang lại giá trị thực tiễn cao cho ứng dụng trong ngành công nghiệp.

- Giúp xây dựng bản đồ mòn của bồn chứa xăng dầu, cho phép giám sát và chủ động kế hoạch hoạt động, bảo trì bảo dưỡng bồn chứa.

Kết cấu của luận án

Kết cấu của luận án gồm các phần:

Nhu cầu thực tế về đề tài nghiên cứu này xuất phát từ tính cấp thiết trong việc giải quyết các vấn đề hiện tại Cơ sở lựa chọn đề tài được xây dựng trên nền tảng lý thuyết vững chắc và thực tiễn sinh động, nhằm đáp ứng yêu cầu phát triển trong lĩnh vực liên quan Đề tài không chỉ mang ý nghĩa khoa học sâu sắc mà còn có giá trị thực tiễn cao, góp phần nâng cao hiệu quả ứng dụng trong đời sống Luận án được cấu trúc hợp lý, giúp người đọc dễ dàng tiếp cận và hiểu rõ nội dung nghiên cứu.

Bài viết trình bày các nội dung liên quan đến độ mòn và các phương pháp kiểm tra, đánh giá độ mòn hiện nay Ngoài ra, nghiên cứu về xác định quãng đường ngắn nhất và cách thức xây dựng bản đồ cũng được khảo sát và trình bày Các công trình nghiên cứu trong và ngoài nước liên quan đến vấn đề này cũng được phân tích và đánh giá một cách chi tiết.

Nghiên cứu khảo sát thực trạng đo mòn tại Việt Nam nhằm xác định các vấn đề tồn tại trong lĩnh vực này Bài viết sẽ đề xuất định hướng nghiên cứu, nội dung nghiên cứu cụ thể, cũng như xác định đối tượng và phạm vi nghiên cứu Đồng thời, các phương pháp nghiên cứu sẽ được trình bày rõ ràng để đảm bảo tính khả thi và hiệu quả của nghiên cứu.

- Chương 2: Quy trình thực nghiệm đo kiểm tra độ mòn bồn chứa

Đề xuất thiết kế và chế tạo robot trang bị đầu dò siêu âm nhằm kiểm nghiệm độ tin cậy của robot Đồng thời, thực hiện lập sơ đồ trải bồn chứa và xác định diện tích quét trên bề mặt bồn chứa để đảm bảo hiệu quả trong quá trình kiểm tra.

Nghiên cứu đề xuất quy trình thực nghiệm đo kiểm độ mòn bồn chứa dung tích lớn ứng dụng kỹ thuật siêu âm tổ hợp pha (PAUT)

- Chương 3: Mô hình toán xác định quãng đường di chuyển ngắn nhất

Giới thiệu, xây dựng bài toán tìm quãng đường di chuyên ngắn nhất ứng dụng thuật toán PSO dựa trên đặc điểm của phương pháp kiểm tra siêu âm

Robot có những đặc điểm nổi bật, giúp thực hiện việc đo kiểm và đánh giá độ mòn của bồn chứa Dựa trên mô hình toán học đã được xác định, chúng tôi đề xuất phương án di chuyển hiệu quả cho robot trong quá trình này.

- Chương 4: Nghiên cứu xây dựng bài toán ghép ảnh mòn

Bài viết trình bày kết quả phân tích và đánh giá dữ liệu hình ảnh từ thực nghiệm đo mòn Chúng tôi đề xuất một thuật toán ghép ảnh mòn để tạo ra bản đồ mòn, đồng thời cung cấp thông số mòn tại các vị trí cụ thể trong môi trường Matlab.

- Chương 5: Thực nghiệm đo kiểm độ mòn và xây dựng bản đồ mòn

Bài viết trình bày kết quả thiết kế và chế tạo mô hình bồn chứa, cùng với việc thực nghiệm kiểm tra mòn bồn chứa bằng robot trang bị đầu dò siêu âm PA Ngoài ra, bài viết cũng đề cập đến hoạt động của phần mềm xây dựng bản đồ mòn, giúp theo dõi và phân tích tình trạng bồn chứa một cách hiệu quả.

- Kết luận và kiến nghị

Kết luận chung của luận án và kiến nghị về những nghiên cứu tiếp theo

- Danh mục tài liệu tham khảo

- Danh mục các công trình đã công bố của luận án

Nghiên cứu tổng quan

Các phương pháp đo mòn và bản đồ mòn

1.1.1 Phương pháp siêu âm thông thường

Phương pháp kiểm tra siêu âm dựa trên việc sử dụng sóng siêu âm tần số cao, thường nằm trong khoảng từ 0.5 đến 20 MHz, để kiểm tra vật liệu Sóng âm được phát ra từ đầu dò và khi tiếp xúc với mặt phân giới giữa hai môi trường, phần lớn sóng sẽ phản xạ trở lại, trong khi chỉ một phần nhỏ sẽ bị khúc xạ Mức độ phản xạ này chịu ảnh hưởng lớn từ trạng thái vật lý của vật liệu được đo.

Khi chùm siêu âm gặp vùng không đồng nhất, hiện tượng phản xạ, thẩm thấu và biến đổi sóng sẽ xảy ra, từ đó giúp phát hiện các khuyết tật trong vật đo thông qua sóng âm phản hồi Phương pháp kiểm tra bằng siêu âm có khả năng xuyên sâu vào vật liệu vượt trội hơn so với kiểm tra chụp ảnh bức xạ, cho phép phát hiện các vết nứt nằm sâu bên trong Nguyên lý cơ bản của phương pháp này được trình bày trong hình 1.1.

Hình 1.1: Nguyên lý của phương pháp siêu âm kiểm tra khuyết tật vật liệu [5]

+ Có độ nhạy cao nên phát hiện được các khuyết tật nhỏ

+ Cho phép kiểm tra các chi tiết dày

+ Vị trí, kích thước, hình dạng khuyết tật khi phát hiện đạt độ chính xác cao

+ Việc kiểm tra chỉ cần tiếp xúc một bên của vật đo

+ Cho đáp ứng nhanh nên thời gian kiểm tra ngắn và dễ dàng tự động hoá công việc đo kiểm

+ Hình dạng của vật thể kiểm tra có thể gây khó khăn cho việc kiểm tra + Khó kiểm tra các vật liệu có cấu tạo bên trong phức tạp

+ Cần phải sử dụng chất tiếp âm để thúc đẩy sự truyền năng lượng âm vào vật cần kiểm tra

Để đảm bảo độ chính xác khi kiểm tra, đầu dò cần phải tiếp xúc và phù hợp với hình dạng bề mặt vật đo Hơn nữa, hướng khuyết tật cũng có ảnh hưởng đáng kể đến khả năng phát hiện chính xác các khuyết tật.

1.1.2 Phương pháp siêu âm PA

Kiểm tra siêu âm PA (siêu âm tổ hợp pha) là một kỹ thuật tiên tiến trong phương pháp kiểm tra không phá hủy (NDT) sử dụng sóng siêu âm Đầu dò siêu âm PA bao gồm từ 16 đến 256 biến tử nhỏ, cách âm và có khả năng tạo xung riêng biệt Các biến tử này có thể được sắp xếp theo nhiều hình dạng khác nhau như dải thẳng, vòng tròn hoặc hình dạng phức tạp Chúng được kích thích bằng xung điện có độ trễ được lập trình trước, cho phép sóng âm giao thoa và tạo ra chùm siêu âm với góc phát và điểm hội tụ tùy ý.

PA có thể được thiết kế để sử dụng tiếp xúc trực tiếp hoặc kết nối với nêm, cho phép tạo ra các đầu dò với góc nghiêng tùy ý và thích hợp cho môi trường nước Dải tần số của đầu dò siêu âm PA thường nằm trong khoảng từ 2 đến 10 MHz Nguyên lý hoạt động của PA và dữ liệu thu thập từ thiết bị này đóng vai trò quan trọng trong việc tối ưu hóa hiệu suất và độ chính xác của các ứng dụng siêu âm.

Hình 1.2: Nguyên lý và dữ liệu thu thập của phương pháp siêu âm PA

Siêu âm PA là phương pháp hiệu quả để kiểm tra và phát hiện vết nứt ở các mối hàn trong nhiều ngành công nghiệp, bao gồm hàng không, năng lượng, dầu khí, chế tạo ống, và xây dựng Ngoài ra, nó còn được sử dụng để xác định độ dày trong các ứng dụng kiểm tra ăn mòn, góp phần quan trọng trong việc bảo trì và đảm bảo an toàn cho các công trình.

Phương pháp siêu âm PA sử dụng chùm tia được điều khiển, thường có dạng quét hình quạt, cho phép kiểm tra chi tiết ở nhiều góc độ khác nhau.

+ Việc kiểm tra các chi tiết có hình dạng phức tạp sẽ đơn giản hơn

Kích thước đầu dò nhỏ và khả năng quét chùm tia mà không cần di chuyển đầu dò giúp việc kiểm tra các chi tiết trong những vị trí khó tiếp cận trở nên dễ dàng hơn, ngay cả khi không có không gian để di chuyển đầu dò.

+ Các hệ thống PA đòi hỏi chi phí đầu tư thiết bị cao

+ Người vận hành phải qua đào tạo chuyên môn

Nguyên lý hoạt động của máy quét 3D dựa trên việc số hóa bề mặt quét, mang lại giải pháp đáng tin cậy cho việc đánh giá mức độ ăn mòn bề mặt ngoài, thay thế cho các máy đo chiều dày truyền thống Máy quét 3D cung cấp bản đồ số hóa chi tiết và chính xác về độ dày, cho phép thực hiện đánh giá hiệu quả về mức độ ăn mòn của bề mặt vật được kiểm tra.

Hình 1.3: Nguyên lý hoạt động và dữ liệu thu thập của 3D Scanner [7]

+ Khả năng di chuyển linh hoạt

+ Hệ thống phần mềm và thiết bị khá thân thiện, dễ sử dụng

+ Máy và vật đo không cần gá đặt cố định

+ Cung cấp thông tin khá chính xác về dữ liệu mòn ngoài của bề mặt

+ Bề mặt đo kiểm cần được làm sạch, ví dụ như phun cát, để mang lại kết quả đo kiểm chính xác hơn

+ Chi phí đầu tư thiết bị cao, kỹ thuật viên phải có trình độ phù hợp

+ Chỉ xác định được hình ảnh, độ mòn bên ngoài bồn chứa (so với mặt chuẩn ngoài của bề mặt ngoài)

+ Việc đánh giá độ mòn bên trong bồn không thể thực hiện

1.1.4 Xây dựng bản đồ mòn sử dụng công nghệ PA

Bản đồ mòn (bản đồ ăn mòn) là hình ảnh số hóa bề mặt của vật thể, cung cấp thông tin về vị trí (tọa độ) và độ dày vật liệu thông qua màu sắc Bản đồ mòn có thể được phân loại thành nhiều loại khác nhau.

- Bản đồ mòn cục bộ: là bản đồ mòn của một khu vực xác định (vùng) Đây là nơi nghi ngờ xảy ra hiện tượng ăn mòn

Bản đồ mòn tổng thể là công cụ quan trọng giúp xác định và đánh giá chi tiết độ mòn của vật đo tại bất kỳ vị trí nào Với bản đồ này, người dùng có thể theo dõi sự hao mòn một cách chính xác, từ đó đưa ra các biện pháp bảo trì và cải thiện hiệu quả hơn.

Hình 1.4: Bản đồ mòn điển hình sử dụng kỹ thuật siêu âm PA [7]

Việc xây dựng bản đò mòn là sử dụng các dữ liệu siêu âm để hình thành nên

Để xây dựng bản đồ mòn cho vật liệu, người ta sử dụng các thiết bị quét hiện đại như siêu âm 2D, siêu âm PA và máy quét 3D nhằm thu thập dữ liệu chính xác về hình dạng bề ngoài của vật thể Các hình ảnh đồ họa màu từ quá trình này giúp thể hiện rõ nét các đặc điểm của vật liệu được đo.

Hình 1.5: Các loại bản đồ mòn của phương pháp UT 2D, PA, 3D Scanner [7]

 Siêu âm 2D chỉ xác định được độ dày của vật đo tại một vùng (khu vực) xác định

 Siêu âm PA có thể tạo ra một bản đồ mòn tổng thể cung cấp các thông tin vệ toạ độ, độ dày ở bất kỳ vị trí nào

 Phương pháp 3D Scanner cho kết quả một bản đồ mòn bề mặt bên ngoài của vật đo

 Phương pháp siêu âm 2D không phù hợp để xây dựng bản đồ mòn

 Xây dựng bản đồ mòn sử dụng phương pháp siêu âm PA đòi hỏi thiết bị phức tạp, chi phí đầu tư rất cao

 Phương pháp 3D Scanner hình thành được bản đồ ăn mòn nhưng chỉ cho phép xác định mức độ ăn mòn của bề mặt vật đo

Bản đồ ăn mòn xây dựng bằng kỹ thuật siêu âm PA là phương pháp hiệu quả để biểu đồ hóa độ dày còn lại của vật liệu kim loại, sử dụng màu sắc để thể hiện và lưu trữ dữ liệu trên máy tính Phương pháp này được áp dụng rộng rãi trong ngành dầu khí, đặc biệt cho các thiết bị như bồn chứa, đường ống và vỏ tàu thủy.

10 a) Xây dựng bản đồ mòn trực tiếp trên thiết bị siêu âm PA

Việc xây dựng bản đồ mòn phụ thuộc nhiều vào thiết bị siêu âm PA được sử dụng Một số máy siêu âm hiện đại đi kèm với phần mềm có chế độ cộng dồn (ghép ảnh), cho phép kết hợp các hình ảnh liên tiếp để tạo ra bản đồ mòn Phương pháp này thường được áp dụng để xây dựng bản đồ mòn cục bộ, nhằm đo kiểm các khu vực nghi ngờ có hiện tượng mòn xảy ra.

Bản đồ mòn được hình thành trên thiết bị

Hình 1.6: Bản đồ mòn được xây dựng trực tiếp trên OmniScan MX2 [3] b) Xây dựng bản đồ mòn gián tiếp với phần mềm TomoView

TomoView là phần mềm tích hợp trong hệ thống siêu âm PA OmniScan MX2, cho phép tạo lập bản đồ mòn gián tiếp trên PC Khi quét vật đo bằng phương án 1 hoặc 2 trục (Clicker, 2 encoder), phần mềm thu nhận hình ảnh mòn dạng C-Scan và lưu trữ dữ liệu trong thư mục xác định, được mã hóa tự động theo thời gian quét Sau khi đồng bộ với PC, TomoView cho phép ghép các hình ảnh liên tiếp để tạo thành bản đồ mòn, hiển thị vùng ăn mòn bằng màu sắc khác nhau, giúp xác định mức độ ăn mòn của vật liệu Người dùng có thể sử dụng con trỏ chuột để xác định vị trí, kích thước và chiều dày vật liệu còn lại tại các vị trí có mòn.

Hình 1.7: Bản đồ mòn được xây dựng trên phần mềm TomoView [9, 10]

Thực trạng đo kiểm mòn bồn chứa ở Việt Nam

Trong quá trình sử dụng bồn chứa, ăn mòn kim loại thường gặp chủ yếu do các điều kiện vật lý và hóa học, dẫn đến sự hình thành các khuyết tật trên bề mặt bồn Các dạng ăn mòn này bao gồm ăn mòn đều, ăn mòn không đều, ăn mòn điểm và ăn mòn do khí quyển.

Hình 1.8: Các dạng ăn mòn bồn chứa [11]

Hiện tượng mòn thân bồn chứa làm giảm chiều dày thành bồn, ảnh hưởng trực tiếp đến khả năng vận hành Diện tích mòn trên thân bồn chứa, dù lớn hay nhỏ, cũng được đánh giá theo tiêu chuẩn API 653 Việc kiểm định chất lượng bồn chứa và kiểm tra chiều dày còn lại là cần thiết để xác định mức độ mòn và diện tích ăn mòn.

Hình 1.9: Ăn mòn bồn chứa [11]

Hiện tượng ăn mòn trong bồn chứa xăng dầu là vấn đề nghiêm trọng, do các chất gây ăn mòn có thể làm giảm tuổi thọ và hiệu suất của bồn Để đảm bảo an toàn, cần thực hiện kiểm tra và bảo trì định kỳ mỗi 4-5 năm, đánh giá mức độ mòn qua từng giai đoạn sử dụng Nếu mức độ ăn mòn vượt quá giới hạn cho phép, bồn chứa có thể gặp phải tình trạng rò rỉ, biến dạng hoặc hư hỏng, ảnh hưởng đến khả năng vận hành và an toàn trong suốt quá trình sử dụng.

Hình 1.10: Ảnh hưởng của ăn mòn làm biến dạng bồn chứa [13]

Việc đánh giá chất lượng bồn chứa hiện nay chủ yếu dựa vào kỹ thuật siêu âm thủ công, tuy nhiên, phương pháp này gặp nhiều khó khăn do kích thước lớn của bồn Để thực hiện kiểm tra một cách hiệu quả, cần thiết phải xây dựng hệ thống giàn giáo phụ trợ và sử dụng dây cáp treo.

Kiểm tra chất lượng bồn thủ công là một bước quan trọng nhằm đảm bảo an toàn lao động, bởi nó tiềm ẩn nhiều nguy cơ nếu không được thực hiện đúng cách Việc này không chỉ giúp phát hiện sớm các vấn đề mà còn yêu cầu nhiều thời gian để dựng giàn giáo một cách an toàn và hiệu quả.

Việt Nam b) Kỹ thuật viên kiểm tra chất lượng bồn với thiết bị thủ công

Hình 1.11: Kiểm tra bồn chứa bằng phương pháp thủ công [2]

Hiện nay, kỹ thuật viên siêu âm trong nước đang thiếu hụt và chưa được cập nhật công nghệ mới như siêu âm PA Để đào tạo kỹ thuật viên lành nghề, cần có trình độ chuyên môn cao và khả năng ngoại ngữ tốt Hơn nữa, việc đào tạo và đầu tư vào thiết bị siêu âm PA đòi hỏi nguồn kinh phí lớn Môi trường làm việc khắc nghiệt, quy trình kiểm tra nghiêm ngặt và áp lực công việc cao do thời gian dừng vận hành bồn chứa ảnh hưởng đến kế hoạch kinh doanh.

Công việc kiểm tra đánh giá trực tiếp tại hiện trường ít thu hút kỹ thuật viên, dẫn đến số lượng kỹ thuật viên tham gia thực hiện công việc này rất hạn chế.

Một giải pháp hiệu quả để khắc phục tình trạng thiếu kỹ thuật viên là các công ty thực hiện phân tích đánh giá hình ảnh siêu âm tại phòng thí nghiệm Điều này cho phép sử dụng công nhân hoặc kỹ thuật viên cấp thấp để thu thập dữ liệu siêu âm trong quá trình kiểm tra mòn Các kỹ thuật viên này sẽ quét dữ liệu mòn trên thân bồn chứa, lưu trữ trong thiết bị nhớ và chuyển về phòng thí nghiệm để đánh giá Tuy nhiên, chất lượng ảnh đầu vào ảnh hưởng lớn đến kết quả đánh giá, và khi phát hiện sai sót như ảnh không đạt độ phân giải hoặc không liên tiếp, việc tổ chức siêu âm lại sẽ gặp khó khăn.

Tổng quan nghiên cứu trong và ngoài nước

Trong quá trình kiểm tra mòn bồn chứa tại Việt Nam, các công ty chưa chú trọng đến việc xây dựng phương án đo do phụ thuộc vào giàn giáo và việc đo đạc thực hiện thủ công, dẫn đến khó khăn trong việc di chuyển ở các góc vuông Điều này khiến cho việc tự động hóa quá trình đo trở nên không khả thi Thực tế, các công ty thường chỉ xác định mòn ở những khu vực nghi ngờ thông qua phương pháp cảm quan, và chỉ tiến hành đo ở những khu vực đó Kỹ thuật viên dựng giàn giáo và sử dụng đầu dò siêu âm 2D để kiểm tra, nhưng quy trình này tốn nhiều thời gian và dữ liệu thu thập thường không chính xác, phụ thuộc vào tay nghề kỹ thuật viên và điều kiện thời tiết Hơn nữa, việc chỉ kiểm tra các khu vực nghi ngờ không cung cấp đủ dữ liệu để xây dựng bản đồ mòn bồn chứa.

1.3 Tình hình nghiên cứu trong và ngoài nước

1.3.1 Các nghiên cứu nước ngoài

Robot Scorpion B-Scan được thiết kế để kiểm tra khuyết tật hàn và mức độ ăn mòn của bồn chứa xăng dầu Với kích thước 385 mm chiều dài, 222 mm chiều rộng, 102 mm chiều cao và trọng lượng 4.74 kg, robot này được trang bị bốn bánh xe hoạt động nhờ bốn động cơ độc lập 12 VDC, cho phép di chuyển với tốc độ 25 mm/s Robot có khả năng di chuyển theo phương thẳng đứng và ngang, cùng với lực hút nam châm vĩnh cửu khoảng 13.6 kg Được trang bị đầu dò siêu âm, robot thu thập dữ liệu dưới dạng A-Scan và B-Scan, giúp xác định vị trí và loại khuyết tật một cách nhanh chóng Phần mềm B-Scan Scorpion hỗ trợ phân tích nhanh quá trình quét và đánh giá chính xác độ ăn mòn Tuy nhiên, robot hiện tại vẫn cần sự điều khiển trực tiếp từ con người và chưa có phương án di chuyển tự động trên bồn chứa.

15 a) Robot Scorpion B-Scan [14] b) Phần mềm lập bản đồ mòn của B-

Hình 1.12: Hệ thống đo kiểm của robot Scorpion [14]

Robot RMS2 (Rinaldi Mechatronic Systems) là thiết bị kiểm tra độ ăn mòn của bồn chứa bằng phương pháp siêu âm PA Thiết bị sử dụng chức năng hiển thị C-Scan để xác định độ dày và đánh giá mức độ ăn mòn của bồn chứa cũng như các đường ống có đường kính lớn Hệ thống điều khiển chuyển động và bộ mã hóa X/Y được tích hợp trong phần mềm máy tính, cho phép robot di chuyển từ dưới lên theo phương thẳng đứng kết hợp với quét ngang của đầu dò, với chiều cao quét lên tới 50 m Robot RMS2 có khả năng thu thập dữ liệu dạng A-Scan, B-Scan, C-Scan và lập bản đồ tình trạng ăn mòn.

Hình 1.13: Kiểm tra đánh giá độ mòn bồn chứa bằng robot RMS2 [15]

Bài báo “Path planning & measurement registration for robotic structural asset monitoring” của S G Pierce và các cộng sự (2014) [16] đã trình bày một cách

Bài báo trình bày 16 phương pháp ứng dụng CAD/CAM để thiết lập một kế hoạch đo lường và lưu trữ dữ liệu hình ảnh trên mô hình CAD Robot được trang bị đầu dò siêu âm sẽ di chuyển theo quỹ đạo thẳng hoặc tròn trên bề mặt phẳng, đồng thời có khả năng tránh các chướng ngại vật để thu thập dữ liệu Nội dung bài viết tập trung vào việc xây dựng một phương án đo lường phù hợp với hình dạng vật thể cụ thể Các khuyết tật và độ mòn được thể hiện dưới dạng bản đồ mòn đơn giản, chỉ ra vị trí mòn và độ dày còn lại tại các vị trí đó Thông tin được cung cấp ở dạng điểm, không phải hình ảnh liên tục Cách tiếp cận này được thử nghiệm trên mô hình thí nghiệm và chưa có thông tin về ứng dụng thực tế.

Hình 2.31: Quỹ đạo di chuyển của robot và vị trí các khuyết tật [16]

Hình 1.14: Phương án đo và quỹ đạo di chuyển qua mô hình CAD [16]

Bài báo “Solving the Path Planning Problem in Mobile Robotics with the Multi-Objective Evolutionary Algorithm” của tác giả Yang Xue, Jian-Qiao Sun

Năm 2018, một mô hình toán học đã được phát triển để lập kế hoạch đường dẫn trên các tuyến đường có vật cản, với thông tin về điểm bắt đầu và điểm mục tiêu Mô hình này ứng dụng thuật toán tiến hóa đa mục tiêu MOEA (Multi-Objective Evolutionary Algorithm) nhằm tối ưu hóa quá trình tìm kiếm lộ trình.

Bài báo đã thực hiện mô phỏng và tính toán các kết quả liên quan đến độ dài, độ an toàn và độ trơn tru của đường dẫn, đảm bảo rằng không xảy ra va chạm với vật cản.

Hình 1.15: Đường dẫn ngắn nhất ứng dụng thuật toán MOEA [17]

Hạn chế của thuật toán này:

- Thuật toán chỉ phù hợp với bài toán lập kế hoạch đường dẫn ngoại tuyến

- Chưa đề cập việc lập kế hoạch đường dẫn cho một mô hình thực tế và thí nghiệm so sánh với mô hình thực tế

- Chi mới thức hiện về mặt lý thuyết, mô phỏng mà chưa triển khai thử nghiệm trong thực tế với một mô hình thực, một robot xác định

Hình 1.16: Kết quả mô phỏng độ dài, độ an toàn và độ trơn tru của đường dẫn [17]

Tác giả HaiyanWang, Zhiyu Zhou đã giới thiệu trong bài báo “A Heuristic Elastic Particle Swarm Optimization Algorithm for Robot Path Planning” (2019)

Mô hình toán A* được xây dựng để tìm quãng đường ngắn nhất cho robot MT-R với đường kính 50cm và tốc độ tối đa 2.5 m/s Robot hoạt động hiệu quả trong môi trường có bề mặt phẳng, như trong nhà, và ứng dụng thuật toán tối ưu hóa bầy đàn (PSO) nhằm cải thiện khả năng điều hướng.

Hình 1.17: Mô phỏng đường dẫn tối ưu sử dụng thuật toán PSO [18]

Hạn chế của việc tìm kiếm đường dẫn tối ưu là chưa xem xét đến yếu tố an toàn và độ trơn tru của lộ trình, đồng thời cũng không chú ý đến các đặc điểm riêng biệt của robot.

Firas A Raheem và cộng sự trong công bố “Path Planning Algorithm using D*

Bài viết "Phương pháp Heuristic Dựa trên PSO trong Môi trường Động" (2018) đã giới thiệu một phương pháp cải tiến cho thuật toán tìm kiếm đường đi D* bằng cách ứng dụng PSO, nhằm tối ưu hóa việc di chuyển trong môi trường động có chướng ngại vật đến điểm đích cuối cùng.

Hình 1.18: Quãng đường di chuyển khi ứng dụng D* và D* dựa trên PSO [19]

Kết quả mô phỏng cho thấy rằng việc áp dụng phương pháp tìm kiếm đường đi D* dựa trên thuật toán PSO mang lại đường dẫn tối ưu hơn về độ dài, độ an toàn và sự trơn tru so với thuật toán D* truyền thống.

Một hạn chế của thuật toán này là nó chưa xem xét việc lập kế hoạch đường dẫn để đo kiểm, chủ yếu chỉ áp dụng cho robot di chuyển trên mặt phẳng và tránh các vật cản.

Bài báo "Thuật toán Lập kế hoạch Đường đi ngắn nhất - Phương pháp Tối ưu hóa Tập hợp Hạt (PSO)" của tác giả Patience I Adamu và các cộng sự (2018) đã trình bày phương pháp lập kế hoạch đường đi cho robot di động trong môi trường đã biết với các chướng ngại vật tĩnh Nghiên cứu đã chỉ ra cách sử dụng thuật toán PSO để xác định đường dẫn tối ưu từ điểm khởi đầu đến điểm kết thúc trong một khu vực xác định.

Thuật toán này có hạn chế là chưa bao gồm việc lập kế hoạch đường đi cho robot trong quá trình đo kiểm, cũng như khả năng hạn chế tránh vật cản trên bề mặt phẳng xy.

Hình 1.19: Kết quả mô phỏng đường dẫn ngắn nhất khi tránh 3 vật cản [20]

The article "Robot Path Planning with Avoiding Obstacles in Known Environment Using Free Segments and Turning Points Algorithm" by Imen Hassani and colleagues (2018) presents a method for planning the path of mobile robots, focusing on length and safety while accounting for known starting and ending points amid obstacles This research is limited to the xy-plane and obstacle avoidance, with no mention of measurement validation or specific scanning methods.

Hình 1.20: Kết quả mô phỏng xác định đường dẫn ngắn nhất [21]

Khi xây dựng bản đồ mòn, người dùng thường sử dụng phần mềm đi kèm với thiết bị quét thủ công, như TomoView™, chạy trên nền tảng PC Phần mềm này, do công ty Olympus phát triển, được tích hợp trong các thiết bị siêu âm của họ, chẳng hạn như hệ thống siêu âm PA OmniScan MX2 TomoView™ cho phép thu nhận hình ảnh dạng C-Scan, thực hiện ghép ảnh, hiển thị hình ảnh màu theo thời gian thực và phân tích dữ liệu một cách hiệu quả.

Hình 1.21: Kết quả xử lý ảnh khi ứng dụng TomoView trong thực tế [22]

Các tồn tại, định hướng và nội dung nghiên cứu

Hiện nay, việc đánh giá độ mòn của bồn chứa phụ thuộc vào nhiều yếu tố quan trọng như trang thiết bị, trình độ kỹ thuật viên, phương pháp đo kiểm, phần mềm xây dựng bản đồ mòn và các điều kiện đặc biệt khác Các yếu tố này đóng vai trò quyết định trong việc xác định mức độ an toàn và hiệu quả của bồn chứa.

- Thiết bị: việc kiểm tra đánh giá độ mòn hiện nay chủ yếu sử dụng phương pháp siêu âm thông thường hoặc siêu âm PA

Robot đã được áp dụng trong quy trình kiểm tra siêu âm, chủ yếu để phát hiện khuyết tật hàn và độ mòn của đường ống Ngoài ra, robot còn có khả năng đo độ mòn của bồn chứa, góp phần nâng cao hiệu quả kiểm tra và bảo trì.

Kiểm tra đánh giá độ mòn tại một khu vực cụ thể là rất quan trọng, tuy nhiên, phương án đo kiểm và ghép ảnh gián tiếp thường không được chú trọng Hơn nữa, chi phí cho công nghệ bản quyền trong lĩnh vực này cũng rất cao.

- Kỹ thuật viên: phải được đào tạo từ các chuyên gia nước ngoài

- Phương án đo kiểm: chưa thấy đề cập đến phương án đo cụ thể cho từng loại robot

Nhiều nghiên cứu đã đề cập đến quãng đường di chuyển ngắn nhất, tuy nhiên, phần lớn chỉ dừng lại ở lý thuyết hoặc đơn thuần là quét trên mặt phẳng và tránh vật cản Một số nghiên cứu nổi bật đã áp dụng các thuật toán như PSO và GA để tối ưu hóa vấn đề này.

Để xác định phương án di chuyển tối ưu nhằm tìm quãng đường di chuyển ngắn nhất hoặc tránh vật cản, hiện nay vẫn chủ yếu dựa vào mô phỏng và thực nghiệm trên mô hình thực tế Tại Việt Nam, việc đánh giá mức độ ăn mòn bồn chứa chưa có công bố nào áp dụng phương pháp đo kiểm với quãng đường di chuyển ngắn nhất; thay vào đó, phương pháp thủ công di chuyển đầu dò bằng tay để thu thập hình ảnh mòn vẫn được sử dụng chủ yếu.

Bản đồ mòn được tạo ra chủ yếu bằng cách ghép ảnh trực tiếp trên thiết bị siêu âm hoặc gián tiếp trên PC với bản đồ mòn cục bộ, sử dụng phần mềm độc quyền Điều này dẫn đến chi phí đầu tư ban đầu rất cao và công nghệ chỉ được chuyển giao thông qua các gói dịch vụ Hiện tại, chưa có công bố nào về xử lý ảnh nói chung cũng như ghép ảnh để xây dựng bản đồ mòn cho đường ống dẫn và bồn chứa.

Quá trình kiểm tra siêu âm tại nước ngoài đã phát triển mạnh mẽ với việc áp dụng robot trong việc đo độ mòn bồn chứa xăng dầu Tuy nhiên, các robot này hoạt động khác nhau do mục đích riêng biệt, và chưa chú trọng đến phương án đo kiểm nhằm giảm thiểu thời gian kiểm tra, tăng độ tin cậy và cải thiện chất lượng hình ảnh Thêm vào đó, do robot chỉ hoạt động trong phạm vi nhỏ để phát hiện mòn, việc lập bản đồ ăn mòn tổng thể vẫn chưa được quan tâm đúng mức.

1.4.2 Định hướng và nội dung nghiên cứu

Phương pháp siêu âm PA đang được áp dụng rộng rãi tại Việt Nam, tuy nhiên, việc sử dụng thiết bị đắt tiền và yêu cầu đào tạo nghiêm ngặt cho nhân viên kiểm tra là một thách thức lớn Các quy trình đo và kinh nghiệm giải mã hình ảnh cần được chuyển giao công nghệ hoặc mua bản quyền, do đó, việc đánh giá độ mòn bằng phương pháp thủ công hiện tại có năng suất và độ chính xác thấp, tiêu tốn nhiều thời gian và tiềm ẩn nguy cơ an toàn lao động Trong bối cảnh nền kinh tế Việt Nam phát triển mạnh mẽ, số lượng bồn chứa xăng dầu lớn tăng cao, yêu cầu kiểm tra và bảo trì định kỳ ngày càng trở nên cấp thiết Do đó, nghiên cứu trong luận án sẽ tập trung vào việc triển khai công nghệ đo kiểm tiên tiến, đảm bảo độ tin cậy và an toàn trong quá trình kiểm tra.

Nghiên cứu về bồn chứa xăng dầu lớn và các khuyết tật mòn thường gặp là rất quan trọng Bài viết tập trung vào các phương pháp đo kiểm độ mòn, đặc biệt là việc kiểm tra độ mòn bằng phương pháp siêu âm PA, nhằm đảm bảo an toàn và hiệu quả trong việc quản lý bồn chứa xăng dầu.

Nghiên cứu này tập trung vào việc phân mảnh bồn chứa bằng cách sử dụng thiết bị đo khoảng cách laser và thiết bị cân bằng độ vuông góc để xác định các diện tích quét Đồng thời, nó cũng định vị robot và đầu đo siêu âm PA thông qua camera quan sát Bài toán đặt ra là làm thế nào để robot có thể tránh các vật cản toàn cục, như các ống chờ và mặt bích, nhằm di chuyển đến các điểm bắt đầu cho các đường quét tiếp theo.

- Nghiên cứu thiết kế robot có thể mang đầu dò siêu âm PA phục vụ kiểm tra mòn bồn chứa dung tích lớn

- Nghiên cứu quy trình đo kiểm tra bằng phương pháp siêu âm PA trên bồn chứa xăng dầu sử dụng robot mang đầu đo PA

Nghiên cứu mô hình toán học sử dụng thuật toán tối ưu bầy đàn PSO nhằm xác định quãng đường di chuyển ngắn nhất Mục tiêu là đề xuất giải pháp đo kiểm hiệu quả cho phương án này.

29 đo) đánh giá độ ăn mòn của một diện tích quét cụ thể đã được phân mảnh bồn chứa xăng dầu

- Nghiên cứu cách thức thu thập dữ liệu từ phương pháp siêu âm PA để có thể ghép nối các dữ liệu tạo thành bản đồ mòn

- Nghiên cứu, xây dựng thuật toán ghép ảnh, lập bản đồ mòn từ dữ liệu C- Scan thu thập bằng phương pháp siêu âm PA

Nghiên cứu ứng dụng robot trang bị đầu dò siêu âm nhằm kiểm tra độ mòn trên mô hình bồn chứa đã được thực hiện dựa trên các kết quả lý thuyết So sánh với các kỹ thuật kiểm tra truyền thống giúp xác định độ chính xác và độ tin cậy của phương pháp đo lường được đề xuất.

Các nội dung sau đây sẽ được tập trung nghiên cứu:

 Nội dung 1: Nghiên cứu tổng quan về bồn chứa xăng dầu dung tích lớn và kỹ thuật đo độ mòn

- Nghiên cứu các phương pháp đo độ mòn mới nhất hiện nay

- Phân tích các công trình nghiên cứu trong và ngoài nước

- Thực trạng đo kiểm tra độ mòn tại Việt Nam

- Phương pháp nghiên cứu: thu thập thông tin, lý thuyết, thực nghiệm,…

 Nội dung 2: Nghiên cứu quy trình đo kiểm bồn chứa sử dụng robot mang đầu dò siêu âm PA

- Nghiên cứu đề xuất kết cấu và yêu cầu kỹ thuật của robot

- Đề xuất phương án thiết kế và chế tạo thử nghiệm robot mang đầu dò siêu âm PA

- Kiểm nghiệm độ tin cậy của robot

- Đề xuất quy trình đo kiểm tra mòn bồn chứa ứng dụng kỹ thuật siêu âm (PAUT) sử dụng robot mang đầu dò siêu âm PA

 Nội dung 3: Nghiên cứu mô hình toán tìm quãng đường di chuyển ngắn nhất

- Nghiên cứu, phân tích các phương án di chuyển phù hợp với điều kiện của robot đã được chế tạo

- Xây dựng mô hình bài toán tìm thời gian ngắn nhất cho một chu kỳ quét

30 thu thập hình ảnh mòn

- Ứng dụng thuật toán PSO để xác định quang đường di chuyển cho một chu kỳ quét là ngắn nhất (thời gian ngắn nhất) trong phần mềm Matlab

- Phân tích, đề xuất phương án đo kiểm phù hợp

 Nội dung 4: Nghiên cứu xây dựng thuật toán ghép ảnh, lập bản đồ mòn

- Nghiên cứu, xây dựng thuật toán ghép ảnh, lập bản đồ mòn từ dữ liệu C- Scan thu thập được bằng phương pháp siêu âm PA

- Nghiên cứu xây dựng thuật toán ghép ảnh, lập bản đồ mòn Phát triển phần mềm xây dựng bản đồ mòn ứng dụng phần mềm Matlab

 Nội dung 5: Thực nghiệm đo mòn và xây dựng bản đồ mòn

- Thiết kế và chế tạo mô hình một phần bồn chứa

- Thực nghiệm đo kiểm mòn trên mô hình bồn chứa

- Ghép ảnh tạo lập bản đồ mòn bằng phần mềm Matlab với dữ liệu hình ảnh đã thu thập trên mô hình bồn chứa.

Mục tiêu, phạm vi và đối tượng nghiên cứu

Nghiên cứu, đề xuất giải pháp xây dựng bản đồ mòn bồn chứa xăng dầu dung tích lớn sử dụng robot mang đầu dò siêu âm PA

- Nghiên cứu đề xuất các thông số kỹ thuật của robot mang đầu dò siêu âm

PA ứng dụng kỹ thuật siêu âm tổ hợp pha (PAUT) cho kiểm tra đánh giá độ mòn bồn chứa xăng dầu

Nghiên cứu tập trung vào việc xác định các phương án di chuyển tối ưu cho robot, nhằm giảm thiểu quãng đường di chuyển và tối ưu hóa thời gian thu thập hình ảnh mòn cho một diện tích quét nhất định.

Nghiên cứu tối ưu hóa phương án di chuyển của robot trong quá trình thu thập ảnh mòn nhằm rút ngắn quãng đường di chuyển Điều này giúp dễ dàng xác định các ảnh mòn kề liền nhau, từ đó hỗ trợ hiệu quả trong việc ghép ảnh để tạo thành bản đồ mòn.

31 định giải thuật giúp phát triển phần mềm xây dựng bản đồ mòn, cho phép đánh giá độ mòn của bồn chứa cùng với các thông số cụ thể.

- Bồn chứa xăng dầu trụ đứng có đường kính không quá 30 m, chiều cao không quá 18 m, dung tích lớn từ 10,000 m 3 trở lên, vật liệu chế tạo bồn là thép

- Robot mang thiết bị siêu âm kiểm tra độ mòn bên trong của bồn tự chế tạo

Phương án đo kiểm và đánh giá độ mòn chí được áp dụng cho phần thân của bồn, trong khi phần mái và đáy bồn không nằm trong phạm vi nghiên cứu của luận án.

Chương trình ghép ảnh trên phần mềm Matlab được thiết kế để tạo ra bản đồ mòn từ dữ liệu hình ảnh thu thập được trong quá trình kiểm tra siêu âm bồn chứa.

Với các mục tiêu trên, các đối tượng nghiên cứu của đề tài có thể được xác định bao gồm:

- Khuyết tật mòn bên trong trên thân bồn chứa xăng dầu dung tích lớn

- Ảnh mòn, bản đồ mòn

- Robot mang đầu dò siêu âm PA, thiết bị siêu âm PA.

Phương pháp nghiên cứu

1.6.1 Phương pháp thu thập thông tin

Thu thập tài liệu từ các bài báo khoa học, tạp chí, sách giáo trình và tài liệu chuyên ngành, cùng với nguồn từ internet trong và ngoài nước, là bước quan trọng trong nghiên cứu Qua đó, chúng ta có thể tìm hiểu và phân tích sâu sắc các nội dung liên quan đến đề tài nghiên cứu.

Khảo sát, tìm hiểu các trang thiết bị, dụng cụ, cơ sở vật chất sẵn có để thực hiện thí nghiệm kiểm chứng

1.6.2 Phương pháp nghiên cứu lý thuyết

Nghiên cứu lý thuyết bao gồm:

- Nghiên cứu các loại bồn chứa

- Nghiên cứu các khuyết tật mòn thường gặp trên bồn chứa

- Nghiên cứu các dạng robot có thể di chuyển trên bề mặt kim loại

- Nghiên cứu bài toán tối ưu xác định quãng đường di chuyển của robot

- Nghiên cứu thuật toán tối ưu hóa bầy đàn PSO để xác định phương án đo kiểm

Nghiên cứu các phương pháp kiểm tra và đánh giá độ mòn cho bồn chứa xăng dầu dung tích lớn, đặc biệt chú trọng vào ứng dụng của phương pháp siêu âm, nhằm đảm bảo an toàn và hiệu quả trong quản lý và bảo trì.

- Nghiên cứu thông số kỹ thuật và tính năng của máy siêu âm OmniScan

- Nghiên cứu thuật toán ghép ảnh tạo lập bản đồ mòn trên phần mềm Matlab

1.6.3 Phương pháp nghiên cứu thực nghiệm

Mô hình bồn chứa được xây dựng cùng với việc chế tạo robot nhằm thực nghiệm và đánh giá các phương án đo mòn hợp lý Đồng thời, thuật toán ghép ảnh được phát triển để tạo lập bản đồ mòn, cho phép đánh giá độ mòn tại bất kỳ vị trí nào trên thân bồn chứa.

Thực hiện tiến hành thực nghiệm một cách chủ động để có thể kiểm chứng các nghiên cứu lý thuyết:

- Trang thiết bị phục vụ thực nghiệm: mô hình bồn chứa, robot mang đầu dò siêu âm PA, phần mềm xây dựng bản đồ mòn chuyên dụng

Nghiên cứu được thực hiện tại phòng thí nghiệm của nhóm Nghiên cứu trọng điểm Kỹ thuật Cơ khí và Môi trường (REME LAB), thuộc trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

1.6.4 Phương pháp thu thập dữ liệu

1.6.4.1 Thu thập dữ liệu theo 1 trục Đây là cách thức thu thập dữ liệu khi thiết bị di chuyển theo 1 trục xác định (OX hoặc OY) [9] được mô tả ở hình 1.30 Khi di chuyển theo 1 trục ta sẽ có được dữ liệu vị trí và dữ liệu hình ảnh phục vụ chẩn đoán khuyết tật tương ứng với vị trí

Dữ liệu vị trí được cung cấp bởi encoder kết nối với bánh xe, trong khi dữ liệu hình ảnh sẽ được tạo ra thông qua phương pháp C-Scan, trong đó đầu dò chỉ di chuyển theo một trục.

Hình 1.30: Sơ đồ nguyên lý thu thập dữ liệu từ 1 trục [9]

Hình 1.31: Dữ liệu thu thập từ 1 trục [9]

1.6.4.2 Thu thập dữ liệu theo 2 trục

Việc thu thập dữ liệu theo hai trục X và Y cho phép ghi nhận liên tục dữ liệu vị trí và hình ảnh mà không bị gián đoạn Hai encoder được lắp đặt trên hai bánh xe riêng biệt giúp xác định chính xác vị trí theo phương X và Y Thiết bị tự động thu thập dữ liệu hình ảnh tương ứng với tọa độ (X, Y) thông qua phương thức C-Scan.

Hình 1.32: Sơ đồ nguyên lý quét dữ liệu 2 trục (Raster scan) [2], [10]

Hình 1.33: Dữ liệu thu thập từ 2 trục [2],[10]

1.6.5 Phân tích hình ảnh độ mòn thu thập

Phân tích dữ liệu bản đồ ăn mòn được thực hiện chủ yếu thông qua thao tác bảng màu trên vị trí C-Scan, giúp tối đa hóa độ tương phản để hiển thị các khu vực ăn mòn Ngoài ra, việc phân tích điểm dữ liệu riêng lẻ trên A-Scan và S-scan cũng rất quan trọng để đánh giá sự bất thường, đặc tính ăn mòn và loại bỏ các giá trị đọc nghi ngờ Quy trình này bao gồm cả việc điều chỉnh vị trí cổng và logic cổng nhằm đọc chiều dày chính xác (T A/, T B/-A/…).

[8] Hình 1.34 mô tả màu sắc trong ảnh thể chiều dày ăn mòn trong C-Scan

Hình 1.34: Màu trong kiểm tra siêu âm PA C-Scan ăn mòn [8]

1.6.5.1 Phạm vi chiều dày C-Scan

Dữ liệu được thu thập từ bảng màu của vị trí C-Scan được phân chia tỉ lệ trên toàn bộ chiều dày và điều chỉnh trong chế độ phân tích nhằm phù hợp với điều kiện ăn mòn Hình 1.35 minh họa chi tiết quá trình kiểm tra với chiều dày 20 mm.

35 và việc thu thập ban đầu được thực hiện với bảng màu được chia tỉ lệ trong phạm vi từ 2 – 20 mm

Hình 1.35: Tỷ lệ bảng màu và chiều dày [8]

Trong hệ OmniScan MX2, phạm vi chiều dày được nhập qua các trường [Gates], [Thickness], [Min và Max] nhằm giới hạn việc đọc chiều dày giữa Tmin và TminZ Giá trị này giúp phát hiện các bất thường gần bề mặt một cách hiệu quả.

1.6.5.2 Bảng màu C-Scan Để xác định được chiều dày vật cần đo và tham chiếu thang đo được mô tả ở hình 1.36 cho thấy độ dày thường được mặc định có cùng giá trị nhưng có chức năng khác nhau và là cấu hình độc lập Trước khi thay đổi dãy chiều dày [Min và Max.], màu của C-Scan chỉ ra phạm vi đọc chiều dày gần đúng được chứa trong vùng màu xanh dương của bảng màu

Hình 1.36: So sánh màu và thang đo chiều dày [8]

Khi tăng giá trị [Min và Max], nếu xuất hiện một hoặc nhiều điểm ảnh màu đỏ trong C-Scan, điều này cho thấy vị trí có vấn đề Như hình 1.37 đã chỉ ra, điểm ảnh màu đỏ xuất hiện ở độ dày 13.12 mm, xác định giá trị đọc mỏng nhất trong C-Scan và chỉ ra khu vực bị ăn mòn nghiêm trọng nhất.

Để xác định chiều dày còn lại nhỏ nhất và lớn nhất, cần định vị các con trỏ dữ liệu trên điểm đỏ nhằm hiển thị khẩu độ đầu dò trong S-Scan và A-Scan riêng lẻ Việc trực quan hóa A-Scan là cần thiết để đảm bảo rằng kết quả đọc là hợp lệ và không bị ảnh hưởng bởi giao diện ở mức 0 mm hoặc các bất thường khác Nếu cần thiết, hãy định vị lại cổng Gate để cập nhật C-Scan Độ ăn mòn thường được báo cáo là điểm dữ liệu mỏng nhất.

Để xác định các giá trị độ mòn, người dùng có thể tham khảo hình 1.39 và danh sách cấu hình mặc định trong ứng dụng hoặc chọn riêng lẻ trong mục [Measurement], [Readings] Có tổng cộng 8 giá trị đọc được, được phân chia thành hai nhóm, có thể kích hoạt bằng cách chạm vào màn hình trong khu vực người dùng Các giá trị này liên quan đến bản đồ ăn mòn và sẽ được hiển thị trong bảng chỉ thị và báo cáo.

Hình 1.39: Bảng các giá trị độ mòn trong thiết bị MX2 [8]

Giá trị Material Loss (ML) được xác định bằng cách hiển thị mức độ tổn thất vật liệu tại điểm dữ liệu hiện tại theo phần trăm so với chiều dày đã nhập trong [Group\Part] → [Part] → [Thickness] Ví dụ, hình 1.40 cho thấy chiều dày còn lại tại điểm hiện tại là 3.70 mm, với mức tổn thất (độ mòn) đạt 58.9% so với chiều dày nguyên bản là 9 mm.

Quy trình thực nghiệm đo kiểm tra độ mòn bồn chứa

Đề xuất thông số kỹ thuật thiết kế, chế tạo robot mang đầu dò siêu âm

Để thực hiện việc đo kiểm và đánh giá độ mòn của bồn chứa dung tích lớn làm từ thép, đầu dò siêu âm và thiết bị tự hành (robot) cần đáp ứng các yêu cầu cụ thể.

Robot được trang bị 4 bánh xe nam châm từ, cho phép di chuyển linh hoạt trên mặt phẳng XY Nó có khả năng tự hành tiến, lùi và rẽ phải, trái, có thể điều khiển bằng tay hoặc lập trình trước.

- Robot bám dính vào thành bồn bằng nam châm vĩnh cửu, mang được tải trọng robot và các phụ kiện kèm theo khoảng 20 kg

- Tốc độ của robot có thể đạt đến 100 mm/s, hoạt động ổn định ở tốc độ 25 -

50 mm/s (tốc độ khi thực hiện đo kiểm bằng siêu âm PA)

- Robot có khả năng di chuyển linh hoạt trên bề mặt thành bồn và dễ dàng vượt qua đường hàn hoặc các chỗ lồi, lõm

2.1.2 Nguyên lý hoạt động của robot

Robot di chuyển nhờ vào 4 bánh xe làm bằng nam châm từ, giúp bám dính vào bề mặt thành bồn chứa bằng thép Các bánh xe này cho phép robot di chuyển trên mặt phẳng thẳng đứng thông qua 4 động cơ gắn với chúng Để vượt qua những đường hàn gồ ghề, đầu dò siêu âm được lắp vào cơ cấu nâng hạ, và toàn bộ cơ cấu mang đầu dò được lắp ráp ở phía trước robot, thực hiện theo các chuyển động của robot.

2.1.3 Mô hình thiết kế và chế tạo thử nghiệm robot

Qua khảo sát các robot trang bị đầu dò siêu âm PA hiện có trên thị trường, như robot Scorpion B-Scan và Rinaldi Mechatronic Systems, chúng tôi đã đề xuất một mô hình thiết kế và chế tạo robot mang đầu dò siêu âm PA như được trình bày trong hình 2.1.

43 a) Mô hình thiết kế robot b) Robot đã hoàn thiện

Hình 2.1: Robot mang đầu do siêu âm PA [33]

2.1.4 Cơ sở, giải pháp định vị đầu dò siêu âm PA

Để đảm bảo định vị chính xác cho robot trong quá trình di chuyển và xác định sai số, cần sử dụng cảm biến đo khoảng cách Hình 2.2 minh họa bố trí thước chuẩn để hiệu chỉnh sai số tọa độ vị trí của robot.

Cảm biến siêu âm Ultrasonic HY-SRF05 là một giải pháp hiệu quả để đo khoảng cách từ vật thể đến cảm biến nhờ vào sóng siêu âm, với thời gian phản hồi nhanh và độ chính xác cao Trong thí nghiệm trên mô hình bồn chứa nhỏ, cảm biến này được sử dụng để xác định tọa độ vị trí của robot, từ đó đánh giá độ tin cậy của robot theo hai phương đứng và ngang Thước chuẩn được đặt theo phương x, y để hỗ trợ trong việc đo lường và phân tích, như mô tả trong hình 2.2.

Thước chuẩn theo phương y x2 x1 d/2 d d: độ lệch của robot

Hình 2.3: Mô tả độ lệch của robot theo hai phương x, y

Hình 2.3 minh họa giá trị tọa độ x1 và x2 mà cảm biến siêu âm sử dụng để xác định vị trí của robot trong quá trình di chuyển, với d là độ lệch của robot Trong quá trình này, robot có thể bị lệch so với phương thẳng đứng, dẫn đến hai trường hợp xảy ra.

- Trường hợp 1: x2 > x1 thì robot lệch bên trái, so sánh các giá trị về tọa độ x ta được x1 < x và x 2 > x, dựa theo hình 2.3: ta có x 2 – x 1 = d

Giảm dần số xung bánh xe bên phải trên động cơ là cách điều chỉnh quá trình di chuyển của robot Để robot duy trì trạng thái cân bằng, cần đảm bảo điều kiện tọa độ x2 – x = d/2.

- Trường hợp 2: x1 > x 2 thì robot lệch bên phải, so sánh các giá trị về tọa độ x ta được x1 > x và x2 < x, dựa theo hình 2.3: ta có x1 – x2 = d

Để điều chỉnh quá trình di chuyển của robot, cần giảm dần số xung bánh xe bên trái trên động cơ Điều này giúp robot đạt trạng thái cân bằng với điều kiện tọa độ x1 – x = d/2, từ đó cho phép robot tự hiệu chỉnh độ lệch vị trí so với vị trí thiết lập ban đầu Các bước cần thực hiện bao gồm: a) Định vị thước chuẩn bằng Laser và b) Lắp đặt thước chuẩn.

Hình 2.4: Định vị và lắp đặt thước chuẩn theo hai phương x, y

Quá trình lắp đặt thước chuẩn được mô tả trong Hình 2.4 bao gồm việc định vị diện tích quét, cân chỉnh độ vuông góc và xác định cao độ bằng thước chuẩn laser Các bước này tạo nền tảng cho việc định vị đầu dò siêu âm và lắp đặt thước chuẩn theo sơ đồ trong Hình 2.1.

46 a) Cài đặt các thông số robot b) Robot di chuyển trên bồn chứa

Hình 2.5: Định vị robot bằng cảm biến siêu âm SRF05

Hình 2.5 sử dụng 4 cảm biến siêu âm SRF05, với 2 cảm biến ở phía trước và 2 ở phía sau, nhằm đo và so sánh các giá trị khoảng cách tọa độ x, y Qua đó, xác định độ sai lệch vị trí và hiệu chỉnh tốc độ các bánh xe, đảm bảo robot di chuyển ổn định và định vị chính xác trên mô hình bồn chứa.

2.1.5 Kiểm nghiệm độ tin cậy robot

2.1.5.1 Robot di chuyển theo phương thẳng đứng a) Mục đích

- Đánh giá độ chính xác khả năng di chuyển (quỹ đạo di chuyển thẳng) theo phương đứng của robot

Để xác định độ lệch giữa điểm đầu và điểm cuối sau quá trình di chuyển của robot theo phương thẳng đứng, các thí nghiệm đã được tiến hành nhằm kiểm nghiệm độ tin cậy và độ chính xác của robot Tiến trình thí nghiệm được mô tả chi tiết trong hình 2.6.

- Cho robot di chuyển theo phương thẳng đứng từ dưới lên trên với quãng đường di chuyển s = 1000 mm (di chuyển từ điểm A đến điểm B)

- Tốc độ di chuyển trung bình được thiết lập cho robot là v tb = 35 (mm/s), với thời gian dự kiến là t s = s/v tb = 1000 / 35 = 28.571 (s)

- Thực nghiệm được tiến hành 3 lần với số lần lặp là 3 c) Thiết bị thí nghiệm

Các thiết bị sử dụng để tiến hành thí nghiệm bao gồm:

- Robot mang đầu dò siêu âm PA

- Thiết bị siêu âm tổ hợp pha Olympus MX2 và các phụ kiện kèm theo

Sơ đồ quãng đường di chuyển từ điểm A đến B theo phương thẳng đứng được mô tả và thực nghiệm mô hình bồn chứa được trình bày ở hình 2.6

(0,0) a) Quãng đường di chuyển b) Điểm đầu c) Điểm cuối

Hình 2.6: Sơ đồ quãng đường di chuyển của robot theo phương đứng d) Kết quả thí nghiệm

Dữ liệu thực nghiệm khi robot di chuyển theo phương đứng được trình bày ở bảng 2.1

Bảng 2.1: Dữ liệu hoạt động của robot khi di chuyển theo phương đứng

Vận tốc trung bình v tb (mm/s)

Thời gian di chuyển t s (s) STT Lặp

Dựa trên kết quả từ bảng 2.1, chúng ta tiến hành vẽ đồ thị so sánh độ sai lệch chuẩn của thời gian di chuyển của robot qua ba lần lặp Khoảng tin cậy 95% Δϭ được xác định bằng 1.96 lần độ sai lệch chuẩn ϭ.

T hờ i g ia n di c hu yể n th eo ph ươ ng đ ứn g t( s) t s  

Hình 2.7: Thời gian quét theo phương đứng qua 9 lần thí nghiệm

Dựa vào bảng dữ liệu bảng 2.1 và hình 2.7 ta có thể nhận xét như sau:

Hình 2.7 minh họa rằng thời gian di chuyển theo phương thẳng đứng trong 9 lần thực nghiệm đều nằm trong khoảng tin cậy 95%, với giá trị trung bình là ̅ Cụ thể, thời gian di chuyển được xác định trong khoảng [28.50, 28.66].

Sai lệch theo phương đứng của quãng đường trung bình là 1000.39 mm, với quãng đường ngắn nhất là 999.57 mm, tạo ra sai lệch 0.43 mm so với quãng đường chuẩn Sai lệch này khá nhỏ và không ảnh hưởng đến việc nhận dạng biên ảnh, do đó có thể được bỏ qua.

Lập sơ đồ trải phân mảnh và xác định diện tích quét trên bồn chứa

Khi robot quét bồn chứa để thu thập dữ liệu và xây dựng bản đồ mòn, các vật cản như mặt bích, cầu thang bộ và tấm hàn cao sẽ cản trở di chuyển của robot Do đó, những khu vực này không thể kiểm tra siêu âm bằng robot mà sẽ được kiểm tra bằng tay thông qua phương pháp phân mảnh Phân mảnh giúp tách biệt các khu vực có vật cản, thực hiện kiểm tra siêu âm bằng tay và mã hóa các khu vực của bồn chứa, từ đó ghép các bản đồ mòn thành phần thành một bản đồ mòn tổng thể.

Việc mã hoá các khu vực không chỉ giúp xác định tọa độ thành phần của diện tích mà còn hỗ trợ trong việc định vị chính xác vị trí của robot khi thực hiện quét và thu thập dữ liệu trên thân bồn chứa.

Hình 2.12: Phân mảnh (chia lưới) các diện tích trên bồn chứa

Hình 2.13 minh họa quy trình đánh số hiệu để phân chia bồn thành các khu vực, giúp lập kế hoạch siêu âm bằng robot và thủ công Việc mã hóa các khu vực này cho phép xác định tên gọi, từ đó ghép các bản đồ mòn thành phần để xây dựng bản đồ mòn tổng thể Các khu vực thành phần sẽ được siêu âm bằng robot sau khi chia lưới, đảm bảo diện tích bằng nhau Đối với các khu vực siêu âm thủ công như mặt bích, đường ống dẫn và cầu thang lên nắp bồn chứa, nỗ lực sẽ được thực hiện để chia sao cho diện tích tương đương với khu vực siêu âm bằng robot.

Hình 2.13: Sơ đồ trải phân mảnh thân bồn chứa

Để thuận tiện cho việc thực nghiệm và ghép bản đồ mòn tổng thể, sơ đồ trải mã hóa vị trí các diện tích phân mảnh Các vị trí mảnh được xác định theo trục tọa độ x, y với mã hóa S (iii, jjj).

- Các mảnh được mã hóa theo trục x có giá trị i = 1 ÷ m

- Các mảnh được mã hóa theo trục y có giá trị j = 1 ÷ n

Các khu vực có ống chờ cho mặt bích, cầu thang và đường ống sẽ được mã hóa bằng mã S (iii, jjj) và sẽ được tiến hành quét thủ công.

Công việc thực nghiệm đo kiểm tra độ mòn trên bồn chứa xăng dầu cần chế tạo một phần thân bồn được mô tả như hình 2.14

1000 2000 3000 a) Mô tả mô hình một phần bồn chứa b) Kích thước mô hình bồn chứa

Để xác định vị trí và diện tích khu vực quét trên bồn chứa, cần xác định 4 điểm góc vuông Việc sử dụng nhiều máy đo laser giúp xác định tọa độ khu vực quét, đóng vai trò là điểm chuẩn cho robot trong quá trình di chuyển Ngoài ra, robot còn được trang bị các cảm biến đo khoảng cách để xác định khoảng cách di chuyển một cách chính xác.

Máy Laser 1 đo khoảng cách Máy Laser 2 đo khoảng cách

Hình 2.15: Xác định vị trí một khu vực (diện tích) quét cụ thể

Phạm vi đo 0.05 – 100 m Độ chính xác đo lường ± 1.5 mm Tia laser 635 nm

Nguồn cấp điện pin ion lithium gắn trong 3.7V / 1.25Ah Trọng lượng, xấp xỉ 0.14 kg

Hình 2.16: Thông số kỹ thuật máy đo khoảng cách Bosch GLM 100C

Từ vị trí đáy bồn chứa ta có thể xác định các điểm tham chiếu 0, 1, 2, 3, 4, 5,

Các điểm 6, 7, 8 được sử dụng để tính toán và xác định vị trí khu vực diện tích các mảnh quét trên bồn chứa Để thực hiện điều này, cần sử dụng cảm biến đo khoảng cách GLM100C và máy đo tia vuông góc (laser level) để xác định các giá trị L1, H1, H2 Việc chia lưới và xác định các vị trí diện tích các mảnh quét trên bồn chứa cũng rất quan trọng.

Hình 2.17: Xác định vị trí và định vị diện tích quét trên mô hình bồn chứa

Việc lắp ghép dữ liệu từ các khu vực thân bồn chứa đã được phân mảnh giúp tạo lập bản đồ mòn tổng thể, tương tự như việc lập bản đồ mòn cho một khu vực cụ thể Nhờ vào các số hiệu thu được trong quá trình mã hoá bồn, chúng ta có thể xác định thứ tự ghép các bản đồ mòn của từng khu vực, từ đó xây dựng được bản đồ mòn tổng thể.

Định vị robot trên bồn chứa

Robot sử dụng camera Phase One IXU-RS160 để tự động quét các mảnh diện tích đã mã hóa trên bồn chứa Trên robot, các marker màu xanh và đỏ được dán trên thân robot hoặc đầu dò siêu âm PA Camera có khả năng phát hiện các marker này tại các vị trí A, B, C trên bồn chứa, từ đó xác định vị trí của robot một cách chính xác.

60.5 MP resolution Input DC 12 - 30V Kết nối bằng USB 3.0 Kết nối trực tiếp với GPS

Hình 2.18: Thông số kỹ thuật của Camera Phase One IXU-RS160

Robot bắt đầu quét diện tích S1 từ vị trí A và sẽ quay lại vị trí A sau khi hoàn thành việc quét, trước khi di chuyển đến diện tích tiếp theo, như vị trí B của S2 hoặc vị trí C của S3 Nhờ vào camera, robot có thể được phát hiện tại các vị trí A, B, C, từ đó tiếp tục quét các khu vực khác nhau trên bồn chứa.

Robot a) Camera quan sát robot b) Sơ đồ trải các vị trí A, B, C

Hình 2.19: Định vị robot trên bồn chứa bằng Camera

Để xác định chính xác vị trí của robot tại các điểm A, B, C, có thể sử dụng thuật toán điều khiển và lập trình tự động vị trí x, y của robot bằng phần mềm Matlab hoặc C+ Tuy nhiên, luận án này chỉ tập trung vào việc đề xuất giải pháp định vị robot cho các khu vực cần quét, mà không đi sâu vào nghiên cứu thuật toán điều khiển.

Đề xuất quy trình đo mòn bằng phương pháp siêu âm PA

2.4.1 Mục tiêu và phạm vi ứng dụng

Quy trình này hướng dẫn kiểm tra độ mòn cho thân bồn chứa xăng dầu dung tích lớn bằng phương pháp siêu âm tổ hợp pha với thiết bị Olympus OmniScan MX2, áp dụng theo tiêu chuẩn API 650:2016.

Quy trình kiểm tra độ mòn bằng phương pháp siêu âm tổ hợp pha (PAUT) là bước quan trọng trong việc xác định độ dày còn lại của thân bồn chứa xăng dầu Kỹ thuật PAUT hiện đang được áp dụng thông qua việc sử dụng robot mang đầu dò PA, giúp nâng cao độ chính xác và hiệu quả của quá trình kiểm tra.

Khi thực hiện siêu âm để kiểm tra độ mòn của bồn chứa xăng dầu có dung tích lớn, kỹ thuật siêu âm tổ hợp pha đã được áp dụng Các tiêu chuẩn liên quan đến bồn chứa và kỹ thuật siêu âm đã được nghiên cứu và ứng dụng để đảm bảo độ chính xác trong quá trình kiểm tra.

– ASME Section V, article 4, Edition 2019 : “ASME Boiler & Pressure Vessel Code –Nondestructive Examination” [35]

Tiêu chuẩn ASME Section V cung cấp hướng dẫn kỹ thuật chi tiết cho quy trình đo kiểm các phương pháp kiểm tra không phá hủy (NDT), bao gồm phương pháp kiểm tra siêu âm PA Tiêu chuẩn này cũng hướng dẫn cách thức đánh giá và phát hiện các khuyết tật bên ngoài và bên trong vật liệu.

– API 653, Edition 2014: “Tank Inspection, Repair, Alteration, and Reconstruction” [12]

API 653, do Viện Dầu khí Hoa Kỳ (API) phát triển và xuất bản, quy định các tiêu chuẩn về kiểm tra, sửa chữa, thay đổi và tái chế bồn chứa bằng thép trên mặt đất, được áp dụng trong ngành dầu khí và công nghiệp hóa chất.

– ASTM E 2491, Edition 2008 – Standard Guide for Evaluating Performance Characteristics of Phased-Array Ultrasonic Testing Instruments and Systems [36]

Tiêu chuẩn này quy định quy trình đánh giá các đặc tính hoạt động của thiết bị và hệ thống kiểm tra siêu PA Mục đích của việc đánh giá là so sánh các thiết bị và hệ thống, cũng như thực hiện kiểm tra định kỳ để phát hiện những thay đổi lâu dài trong các đặc tính Điều này giúp đánh giá dấu hiệu của sự cố sắp xảy ra và xác định khi nào cần thực hiện bảo trì sửa chữa nếu vượt quá giới hạn cho phép.

– ISO EN 9712 : Qualification and certification on NDT personnel [37]

Tiêu chuẩn quy định các yêu cầu về nguyên tắc đối với năng lực và chứng chỉ của kỹ thuật viên thực hiện kiểm tra không phá hủy (NDT) trong ngành công nghiệp Các kỹ thuật viên cần phải đáp ứng các tiêu chí nhất định về trình độ chuyên môn và kinh nghiệm để đảm bảo chất lượng và độ tin cậy của các quy trình kiểm tra Việc tuân thủ các tiêu chuẩn này không chỉ nâng cao hiệu quả công việc mà còn đảm bảo an toàn trong sản xuất và bảo trì thiết bị.

– ASNT SNT-TC-1A, Edition 2016: “Recommended Practice No: SNT-TC- 1A”, Personnel qualification and certification in nondestructive testing [38]

Tiêu chuẩn SNT-TC-1A (2016) hướng dẫn các nhà tuyển dụng xây dựng chương trình chứng nhận nội bộ cho nhân viên kiểm tra không phá hủy, nhằm đảm bảo trình độ và chứng nhận của họ.

2.4.3 Trình độ kỹ thuật viên

Kỹ thuật viên thực hiện kiểm tra PAUT phải có đủ trình độ và được chứng nhận như sau:

Các chương trình đào tạo siêu âm được chứng nhận bởi các trung tâm và tổ chức quốc gia hoặc quốc tế, như chứng nhận ASNT (ACCP) và các chương trình theo tiêu chuẩn ISO 9712, có thể được chấp nhận để đáp ứng các yêu cầu về đào tạo và kinh nghiệm.

Phương pháp PAUT chỉ được thực hiện bởi nhân viên có chứng chỉ PAUT cấp II hoặc cao hơn Chỉ những người đạt chứng chỉ này mới đủ điều kiện để xem xét, đánh giá dữ liệu và lập các báo cáo liên quan đến PAUT.

2.4.4 Thiết bị kiểm tra siêu âm tổ hợp pha

Thiết bị kiểm tra siêu âm tổ hợp pha (OMNI MX2) là loại xung dội, được trang bị độ khuếch đại hoặc bộ phận kiểm soát mức độ suy giảm dB đã được hiệu chuẩn với mức tăng từ 2dB trở xuống (1dB hoặc 0,5dB) OmniScan có khả năng thu/phát độc lập với 16 hoặc 32 kênh, cho phép tạo và hiển thị hình ảnh quét quạt, đồng thời lưu trữ và phân tích lại các hình ảnh này.

Kỹ thuật viên có thể sử dụng hình ảnh quét quạt thời gian thực trong suốt quá trình quét để đảm bảo thu thập dữ liệu chính xác Hình ảnh này cung cấp thông tin về độ sâu phản xạ và biên độ tín hiệu tương ứng với góc khúc xạ của chùm tia siêu âm.

Hệ thống tổ hợp pha mang đến nhiều khả năng phân tích, bao gồm hiển thị A-scan và đọc thông số với các con trỏ phần mềm Hình ảnh từ máy quét quạt, cùng với hình ảnh xem đầu và cuối, hỗ trợ hiệu quả trong công tác đánh giá.

Hệ thống tổ hợp pha OmniScan được trang bị phần mềm tạo quy tắc trọng tâm on-board, cho phép người dùng chỉnh sửa trực tiếp các đặc tính của tia siêu âm Để hoạt động hiệu quả, OmniScan yêu cầu một thiết bị lưu trữ bên ngoài, và máy tính cầm tay từ xa kết nối qua Ethernet có thể được sử dụng cho mục đích này.

Máy tính không chỉ lưu trữ dữ liệu mà còn cho phép kỹ thuật viên phân tích dữ liệu sau khi thu thập Phần mềm phân tích này tương tự như phần mềm trong hệ thống tổ hợp pha OmniScan MX2, giúp hiển thị dữ liệu một cách hiệu quả.

41] cũng sẽ được sử dụng trên máy tính từ xa để phát lại dữ liệu

Tham khảo sổ tay hướng dẫn vận hành của nhà sản xuất để hiểu rõ hơn về những đặc điểm vận hành của thiết bị [39]

Mô hình toán quãng đường di chuyển ngắn nhất

Bài toán tối ưu toàn cục trên bồn chứa

Trên thân bồn chứa được phân mảnh (chia lưới) và xét trên diện tích toàn cục

Robot cần di chuyển nhanh nhất đến các vị trí đo kiểm trong không gian L x H có diện tích bằng nhau và 3 vật cản Để đạt được điều này, việc tìm kiếm lộ trình tối ưu (ngắn nhất) và tránh va chạm với các vật cản, bao gồm các ống chờ liên kết với mặt bích, là rất quan trọng.

Bài toán tối ưu trong việc tìm quãng đường di chuyển ngắn nhất hoặc thời gian di chuyển nhỏ nhất cho robot từ điểm bắt đầu (Start) đến điểm kết thúc (Target) là một thách thức quan trọng Trong quá trình di chuyển, robot cần tránh ba vật cản, cụ thể là các mặt bích trên thành bồn chứa, được biểu thị bằng các diện tích không phải quét màu xanh lá cây trong hình 3.1.

Hình 3.1: Mô tả bài toán tối ưu toàn cục trên bồn chứa

Hàm mục tiêu của bài toán: y = f(x) → min

Khi robot di chuyển từ điểm 0 (P0) đến điểm mục tiêu T (PT), cần tránh các vật cản 1, 2, 3 đã biết Do đó, việc xác định quãng đường di chuyển ngắn nhất, bằng phẳng và an toàn sẽ có ba trường hợp xảy ra.

- Trường hợp 1: Robot di chuyển từ P0 – P 11 – P T

- Trường hợp 2: Robot di chuyển từ P0 – P12 – P2 – PT

- Trường hợp 3: Robot di chuyển từ P0 – P 13 – P T

Hình 3.2: Phương án robot di chuyển tránh vật cản

Tọa độ của hai điểm liền kề được ký hiệu là Pi(xi, yi) và Pi+1(xi+1, yi+1) Quãng đường Si giữa hai điểm này được tính theo công thức cụ thể.

Vậy tổng chiều dài của quãng đường cần di chuyển của robot sẽ là:

∑ (i = 1,…, n = 2) (3-2) Vậy, Hàm mục tiêu của bài toán sẽ là: y = f(x) = S → min

Giới thiệu các phương án di chuyển

Để thu thập hình ảnh mòn cho một diện tích quét cụ thể, robot mang đầu quét cần di chuyển để đầu dò PA quét hết khu vực này Để các ảnh mòn có thể ghép lại thành bản đồ mòn, biên ảnh cần có dạng thẳng, giúp dễ nhận dạng và thực hiện ghép ảnh tự động Do đó, khi quét để thu thập ảnh mòn với biên thẳng, robot phải di chuyển theo phương thẳng đứng, phương ngang hoặc xiên.

(0,0) α a) Robot di chuyển theo phương thẳng đứng b) Robot di chuyển theo phương ngang c) Robot di chuyển theo phương xiên

Hình 3.3: Hướng di chuyển của robot

Sau khi hoàn thành việc quét và thu thập dữ liệu ảnh mòn của đường quét thứ i, robot cần di chuyển về vị trí khởi đầu của đường quét tiếp theo (i+1) Các đường quét này liền kề, cùng chiều và có kích thước tương đương với độ cao của khu vực được quét, như mô tả trong hình 3.4 Do đó, ngoài quãng đường di chuyển để thu thập ảnh, robot còn phải thực hiện quãng đường di chuyển không thu thập hình ảnh, được gọi là quãng đường di chuyển phụ Robot có thể áp dụng nhiều phương án di chuyển khác nhau trong giai đoạn này, như thể hiện trong hình 3.5.

72 Đường quét thứ i+1 Đường quét thứ i

1 α1 a) Di chuyển thẳng b) Di chuyển xiên

Hình 3.4: Các đường quét thu thập ảnh mòn

Để xác định tọa độ và biên ảnh mòn của hai ảnh liền kề, cũng như để dễ dàng quản lý hệ thống điều khiển, hành trình đo kiểm của robot cần được thực hiện một cách chính xác Hành trình tiến thẳng của robot cho phép giám sát hệ thống điều khiển hiệu quả hơn, trong khi việc lùi lại có thể làm giảm khả năng kiểm soát điều kiện đo của thiết bị.

Bài toán tìm thời gian di chuyển

Bài toán đặt ra là tối ưu hóa quãng đường di chuyển của robot để giảm thiểu thời gian quét và thu thập ảnh mòn Quá trình này được gọi là một đường quét, trong đó robot di chuyển từ điểm đầu đến điểm cuối và trở về điểm đầu để bắt đầu chu kỳ quét tiếp theo Do đó, để hoàn thành việc quét một diện tích xác định, robot sẽ thực hiện nhiều chu kỳ quét Mục tiêu chính của bài toán là rút ngắn thời gian cho mỗi chu kỳ quét, từ đó tối ưu hóa quá trình hoạt động

Do vậy, bài toán đường dẫn có thời gian ngắn nhất tổng quát có thể được mô tả:

Trong trường hợp tổng quát, robot di chuyển theo chu kỳ quét bắt đầu từ điểm nút 0, tiếp tục qua các điểm nút 1, 2, 3, 4, 5 trong chu kỳ đầu tiên Điểm nút 5 sẽ đánh dấu sự khởi đầu của chu kỳ quét thứ hai, tạo thành một chuỗi di chuyển liên tục và hiệu quả.

Trong quá trình di chuyển của robot, có bốn điểm quan trọng chưa được biết và có khả năng thay đổi tùy thuộc vào góc xoay α Hình 3.6 minh họa các tọa độ và thời gian cần thiết cho một chu kỳ quét của robot, đặc biệt là ở góc α2.

5 Đường quét thứ 2 α4 Đường quét thứ 1

B R x y α a) Một chu kỳ quét b) Robot quay 1 góc α

Hình 3.6: Thời gian cho 1 chu kỳ quét

- Quãng đường di chuyển từ điểm 0 đến điểm 1:

+ Chiều dài quãng đường s 1 (mm) + Vận tốc di chuyển v1 (mm/s) + Thời gian di chuyển t s1 = s 1 / v 1 (s)

- Quãng đường di chuyển từ điểm 1 đến điểm 2:

+ Chiều dài quãng đường s2 (mm) + Vận tốc di chuyển v2 (mm/s)

+ Thời gian di chuyển ts2 = s2 / v2 (s)

- Quãng đường di chuyển từ điểm 2 đến điểm 3:

+ Chiều dài quãng đường s 3 (mm)

+ Vận tốc di chuyển v 3 (mm/s)

+ Thời gian di chuyển ts3 = s3 / v3 (s)

- Quãng đường di chuyển từ điểm 3 đến điểm 4:

+ Chiều dài quãng đường s4 (mm)

+ Vận tốc di chuyển v 4 (mm/s)

- Quãng đường di chuyển từ điểm 4 đến điểm 5:

+ Chiều dài quãng đường s5 (mm)

+ Vận tốc di chuyển v 5 (mm/s)

+ Thời gian di chuyển ts5 = s5 / v5 (s)

Tọa độ của hai điểm liền kề được ký hiệu là p i (x i , y i ) và p i+1 (x i+1 , y i+1 ) Quãng đường giữa hai điểm này được tính bằng công thức: s i = √ (3-3) Tổng chiều dài quãng đường mà robot cần di chuyển trong một chu kỳ quét sẽ được xác định dựa trên các quãng đường si này.

Trong quá trình di chuyển, robot sẽ thực hiện xoay tại các điểm nút 1, 2, 3, 4 với góc αi Để thuận lợi cho việc định vị và kiểm soát di chuyển, cũng như các hoạt động khi robot rẽ trái, phải hoặc quay đầu, việc kiểm soát góc xoay 45 độ là rất quan trọng Điều này giúp cải thiện khả năng kiểm soát quá trình di chuyển của robot và hỗ trợ trong việc chế tạo hệ thống điều khiển Do đó, xác định góc xoay cơ bản là cần thiết Góc xoay αi được xác định là bội số của góc quay cơ bản αcb, theo công thức αi = a.αcb.

- αcb: góc xoay cơ bản (độ); αcb = 45 0

Ta thấy, quãng đường di chuyển của robot bao gồm hai loại chuyển động:

Trong đó, chuyển động thẳng của một đoạn đường thẳng có thể được phân tích ra làm 3 giai đoạn:

- Giai đoạn tăng tốc, vt (m/s): giai đoạn này robot bắt đầu di chuyển từ điểm đầu và vận tốc thay đổi theo thời gian

- Giai đoạn ổn tốc, vo (m/s): robot đang trên hành trình di chuyển đến điểm cuối

- Giai đoạn giảm tốc, vg (m/s): robot đang di chuyển về điểm cuối và chuẩn bị thực hiện quãng đường kế tiếp

Vận tốc trung bình v i (mm/s) của robot di chuyển trên một đoạn thẳng được tính theo công thức: ̅ ̅ (mm/s) (3-6)

Vận tốc trung bình trong một khoảng thời gian nhất định được xác định là tỉ số giữa sự thay đổi vị trí và khoảng thời gian đó Do vt và vg là vận tốc thay đổi theo thời gian, công thức tính vận tốc trung bình được thể hiện rõ ràng.

- ̅ là vận tốc trung bình giai đoạn tăng tốc (mm/s)

- rt là vị trí cuối giai đoạn tăng tốc (mm)

- rt0 là vị trí đầu giai đoạn tăng tốc (mm)

- tt thời gian cuối giai đoạn tăng tốc (s)

- t t0 là thời gian đầu giai đoạn tăng tốc (s)

Tương tự, ̅ được tính theo công thức như sau: ̅

- ̅ là vận tốc trung bình giai đoạn giảm tốc (mm/s)

- r g là vị trí cuối giai đoạn giảm tốc (mm)

- rg0 là vị trí đầu giai đoạn giảm tốc (mm)

- t g thời gian cuối giai đoạn giảm tốc (s)

- t g0 là thời gian đầu giai đoạn giảm tốc (s)

Với chuyển động xoay, để tính được thời gian xoay (quay) của robot ta thực hiện như sau:

Thời gian hoạt động của robot được xác định bởi bán kính từ tâm robot đến tâm bánh xe phía trước, như minh họa trong hình 3.6b Công thức tính toán bán kính này là yếu tố quan trọng trong việc xác định quỹ đạo di chuyển của robot.

Trong đó: + R: bán kính tâm robot đến tâm bánh xe

+ A: khoảng cách từ tâm robot đến tâm bánh xe bên trái theo phương x + B: khoảng cách từ tâm robot đến trục bánh xe theo phương y

- Khi robot xoay 1 góc α mà không di chuyển sẽ tạo nên cung L (hình 3.6b) được tính theo công thức:

- Như vậy, thời gian xoay tx của robot tại một góc αi bất kỳ (mà không di chuyển) sẽ là:

Tổng thời gian di chuyển của robot cho một chu kỳ di chuyển được tính theo công thức:

+ t - tổng thời gian di chuyển của robot

+ ts - tổng thời gian robot di chuyển qua các điểm liền kề qua quãng đường s + tx - tổng thời gian robot xoay

Thuật toán tối ưu bầy đàn PSO

3.4.1 Giới thiệu thuật toán PSO

Thuật toán tối ưu bầy đàn (Particle Swarm Optimization, PSO) được giới thiệu bởi James Kennedy và Russell C Eberhart vào năm 1995 tại một hội nghị của IEEE PSO có nhiều ứng dụng quan trọng trong giải quyết các bài toán tối ưu hóa Cơ chế hoạt động của PSO có thể được hình dung qua quá trình tìm kiếm thức ăn của một đàn chim trong không gian ba chiều Khi bắt đầu tìm kiếm, đàn chim bay theo hướng ngẫu nhiên, nhưng sau một thời gian, một số cá thể sẽ phát hiện ra nguồn thức ăn Những cá thể này sẽ gửi tín hiệu cho các cá thể khác trong vùng lân cận, giúp chúng điều chỉnh hướng và vận tốc để hướng về nơi có nhiều thức ăn nhất Cơ chế truyền tin này thể hiện trí tuệ bầy đàn, cho phép đàn chim nhanh chóng xác định vị trí có thức ăn trong không gian tìm kiếm rộng lớn.

PSO, hay Tối ưu hóa Bầy đàn, được khởi tạo từ một nhóm ngẫu nhiên với các điểm nút, sau đó tìm kiếm giải pháp tối ưu thông qua việc cập nhật qua các thế hệ Trong mỗi thế hệ, mỗi điểm nút được cập nhật dựa trên hai giá trị.

- Pbest: là nghiệm tốt nhất đạt được cho đến thời điểm hiện tại

- Gbest: là nghiệm tốt nhất mà node lân cận node này đạt được cho tới thời điểm hiện tại

Hình 3.7: Thay đổi điểm tìm kiếm của PSO [45]

- : vận tốc của node i tại vòng lặp thứ k

- rand (): là một số ngẫu nhiên trong khoảng (kích cỡ cụm, kích cỡ bài toán)

- : vị trí của node i tại vòng lặp thứ k

- : vị trí tốt nhất của node thứ i

- : vị trí tốt nhất của node trong kế hoạch đường dẫn

Hàm vận tốc (chuyển động của mỗi cá thể là tổng hợp của 3 chuyển động)

Hàm mục tiêu, còn gọi là hàm thích nghi hay hàm đánh giá F(x), là công cụ quan trọng để mô tả yêu cầu của bài toán cần giải quyết Hàm này giúp đánh giá các giải pháp khác nhau của bài toán, và tùy thuộc vào từng bài toán cụ thể, hàm mục tiêu sẽ có sự khác biệt Thông qua việc so sánh và đánh giá giải pháp hiện tại với giải pháp tối ưu nhất, các cá thể sẽ xác định được hướng đi tiếp theo trong quá trình tìm kiếm giải pháp.

79 theo Ba giải pháp (vị trí) tốt nhất là: tốt nhất cá nhân (Pbest), tốt nhất toàn cục (Gbest) và tốt nhất cục bộ (Lbest)

3.4.2 Xây dựng hàm mục tiêu

Thuật toán tối ưu bầy đàn PSO được áp dụng để xác định tọa độ của bốn điểm trung gian [1(x1, y1), 2(x2, y2), 3(x3, y3), 4(x4, y4)] Mục tiêu là giảm thiểu thời gian di chuyển từ tọa độ bắt đầu 0(x0, y0) đến tọa độ kết thúc 5(x5, y5), đồng thời đảm bảo rằng góc quay đầu của robot là một số nguyên lần của 45 độ trong quá trình di chuyển.

Vậy hàm mục tiêu y = f(X) mà robot di chuyển cho 1 chu kỳ được xác định như sau:

Như vậy, mô hình bài toán để robot di chuyển có thời gian ngắn nhất được xác định như sau:

Kích thước quần thể là N và mỗi cá thể có D đặc tính, D chính là tọa độ của 4 điểm trung gian

Nghiệm khởi tạo trong thuật toán PSO được biểu diễn dưới dạng X = [X1, …, Xi, …, XN], với i = 1, 2, …, N Mỗi cá thể có đặc tính X i = [X i,1, …, X i,j, …., X i,D], trong đó j = 1, 2, …, D = 8 Thuật toán PSO tìm kiếm dựa trên vị trí tốt nhất cá nhân (Pbest) và vị trí tốt nhất toàn cục (Gbest) mà nó đã đạt được, từ đó quyết định vị trí tiếp theo trong không gian tìm kiếm Vị trí mới còn phụ thuộc vào hai hệ số gia tốc (c1 và c2) cùng với hệ số quán tính (w).

80 lựa chọn ngẫu nhiên trong khoảng [0, 2] và w được lựa chọn trong khoảng [w min , w max ]

Vận tốc ban đầu của quần thể được ký hiệu là V = [V 1 , V 2 , , V N ] Do đó, vận tốc của mỗi cá thể X i (i = 1, 2, , N) là V i =[V i,1 , V i,2 , , V i,D ] Các bước khác nhau của PSO [21], [48, 49] như sau:

- Bước 1: Thiết lập các giá trị các biến ban đầu w min, w max , c 1 and c 1 của thuật toán PSO

- Bước 2: Khởi tạo quần thể số điểm nút cho vị trí X, vận tốc V

- Bước 3: Thiết lập số lần lặp k = 1

- Bước 4: Tính toán các cá thể phù hợp F i k = f X ( ) i k , " i và tìm kiếm cá thể có chỉ số tốt nhất b

- Bước 5: Lựa chọn Pbest i k = X i k , " i và Gbest k = X b k

- Bước 6: Xác định w = w max - k ´ ( w max - w min )/ Maxite

- Bước 7: Cập nhật vận tốc và vị trí của các cá thể

V + = w V ´ + c ´ rand ´ Pbest - X + c ´ rand ´ Gbest - X " j and " i

- Bước 8: Đánh giá F i k + 1 = f ( X i k + 1 ) , " i và tìm kiếm cá thể có chỉ số tốt nhất b 1

- Bước 9: Cập nhật P best của quần thể " i

Nếu thì Pbest i k + 1 = X i k + 1 ngược lại

- Bước 10: Cập nhật Gbest trong quần thể

Nếu thì và b = b 1 ngược lại

- Bước 11: Nếu k < Maxite thì k = k+1 và trở lại bước 6 ngược lại tiếp tục 12

- Bước 12 : In giải pháp tối ưu với Gbest k

Từ các bước của thuật toán PSO đã được xây dựng, lưu đồ giải thuật PSO được tóm tắt và trình bày ở hình 3.8

Hình 3.8: Lưu đồ giải thuật PSO [48]

3.4.4 Mô phỏng thuật toán PSO Để tìm giá trị tối ưu cho hàm mục tiêu cũng chính là thời gian di chuyển ngắn nhất của robot cho một chu kỳ quét, Hàm mục tiêu phụ thuộc vào các thông số như: w, c 1 , c 1 , kích thước quần thể N Đối với bài toán tối ưu sử dụng thuật toán PSO, giá

Khởi tạo quần thể N, X, V Thiết lập số lần lặp k, k=1 Tìm 𝑃𝑏𝑒𝑠𝑡 𝑖 𝑗 𝑘 và 𝐺𝑏𝑒𝑠𝑡 𝑖 𝑗 𝑘 Lựa chọn 𝑃𝑏𝑒𝑠𝑡 𝑖 𝑗 𝑘 và 𝐺𝑏𝑒𝑠𝑡 𝑖 𝑗 𝑘

Cập nhật vị trí X, V Xác định hệ số w

Tìm kiếm 𝑃𝑏𝑒𝑠𝑡 𝑖 𝑗 𝑘 và 𝐺𝑏𝑒𝑠𝑡 𝑖 𝑗 𝑘 Nếu 𝐹 𝑖 𝑘 𝐹 𝑖 𝑘 ; cập nhật 𝑃𝑏𝑒𝑠𝑡 Nếu 𝐹 𝑏 𝑘 𝐹 𝑏 𝑘 ; cập nhật 𝐺𝑏𝑒𝑠𝑡

82 trị các tham số tối ưu đã được khảo sát là: w = 0.4 - 0.9; c 1 = 1 - 2; c 1 = 1 - 2 [48],

[49] Bảng 3.1 Trình bày kết quả khảo sát giá trị tham số của thuật toán PSO

Bảng 3.1: Kết quả khảo sát giá trị hệ số của thuật toán PSO

Dựa vào bảng 3.1, trường hợp 5 cho giá trị mục tiêu nhỏ nhất, nên các thông số được lựa chọn để mô phỏng hàm mục tiêu sẽ là w = 0.6, c 1 = 2, c 2 = 2

Để đạt được chất lượng hình ảnh siêu âm tốt nhất trong quá trình siêu âm PA, chúng tôi đã chọn vận tốc trung bình của robot là 5 mm/s và vận tốc xoay là 20 mm/s, phù hợp với đặc điểm vận hành của robot và điều kiện thực tế.

Kết quả được mô phỏng với một chu kỳ quét trên diện tích dự kiến thí nghiệm quét là 1000 x 1000 mm 2 , các giá trị quần thể N được mô phỏng là 50, 100, 150,

200, 250 số lần lặp cho mỗi quần thể là 50 lần Kết quả được trình bày ở bảng 3.2

Bảng 3.2: Kết quả khảo sát giá trị N

STT N Số lần lặp k f(x) trung bình

Theo bảng 3.2, giá trị hàm mục tiêu tối ưu đạt được với N = 250 và f(x) = 2.0080e+04 Hình 3.9 minh họa đường đặc tính hội tụ khi sử dụng các kích thước quần thể khác nhau.

Hình 3.9: Đường đặc tính hội tụ trung bình của thuật toán PSO [50]

Kết quả khảo sát các hệ số w, c1, c2 và kích thước quần thể N cho thấy rằng đường dẫn không mịn (trơn tru) chủ yếu bị ảnh hưởng bởi hệ số a Qua mô phỏng với các giá trị khác nhau của a (1, 2, 3, 4, 5, 6, 7), đường dẫn ngắn nhất xuất hiện với nhiều giá trị khác nhau, được thể hiện trong hình 3.10, 3.11 và 3.12.

Khi giảm hệ số a xuống còn 1,2, kết quả thu được như hình 3.12 với thời gian di chuyển ngắn nhất là f(x) = 115.9411 giây Điều này cho thấy quãng đường đạt được độ mịn tốt hơn so với các kết quả trong hình 3.10 và 3.12.

Vì vậy để lựa chọn phương án di chuyển thông qua khảo sát và mô phỏng các hệ số ta chọn phương án di chuyển được trình bày ở hình 3.11

Gia tri ham muc tieu tot nhat trong moi the he

Hình 3.10: Phương án di chuyển với hệ số a = 1, 2, 3, 4, 5, 6, 7 [50]

Hình 3.11: Phương án di chuyển với hệ số a = 1, 2 [50]

Hình 3.12: Phương án di chuyển với hệ số a = 1, 2, 3, 4, 5, 6 [45]

3.4.5 Đề xuất phương án quét dựa trên kết quả PSO

Dựa trên kết quả mô phỏng thuật toán tối ưu PSO, các thông số đã được xác định bao gồm w, c1, c2, kích thước quần thể N và hệ số a = 1, 2 Hàm mục tiêu đạt được kết quả tối ưu nhất Phương án quét tối ưu được đề xuất thể hiện rõ trong hình 3.11.

3.4.6 Thử nghiệm robot theo phương án di chuyển tìm được

Để đánh giá khả năng hoạt động và độ tin cậy của robot theo phương án di chuyển được đề xuất, cần thực hiện thí nghiệm nhằm xác định hàm mục tiêu thông qua mô phỏng PSO Kết quả sẽ được so sánh với thời gian di chuyển thực tế trên mô hình bồn chứa.

Trong phần thử nghiệm này, chúng tôi tập trung vào việc xác định thời gian di chuyển cho một chu kỳ của phương án quét đề xuất Về vị trí và vận tốc, những yếu tố này đã được kiểm nghiệm ở chương 2 Để đảm bảo độ tin cậy cao cho kết quả, quá trình thử nghiệm được thực hiện ba lần với mỗi lần lặp lại ba lần.

86 a) Robot di chuyển từ 0-1 b) Robot di chuyển từ 1-2 d) Robot di chuyển từ 2-3 d) Robot di chuyển từ 3-4 e) Robot di chuyển từ 4-5

Hình 3.13: Robot di chuyển theo phương án của thuật toán PSO [50]

Bảng 3.3: Kết quả thử nghiệm robot trên mô hình thực tế

Thí nghiệm f(x) mô phỏng (mm)

Thời gian di chuyển thực tế t (s)

Dựa vào bảng dữ liệu (bảng 3.3), sai lệch về thời gian di chuyển trung bình qua 3 lần lặp so với thời gian mô phỏng bằng thuật toán PSO là 0.217% Kết quả thực nghiệm cho thấy phương án di chuyển đề xuất của robot có sai lệch nhỏ, chỉ khoảng 0.217% so với thời gian mô phỏng Điều này chứng tỏ robot có khả năng hoạt động tốt, tạo cơ sở cho việc thực nghiệm trên mô hình bồn chứa nhằm phục vụ thí nghiệm quét một phần diện tích trên mô hình này.

Kết quả từ thực nghiệm kiểm nghiệm độ tin cậy cho thấy robot di chuyển theo thuật toán PSO với độ lệch vị trí và thời gian di chuyển thấp Bài toán tìm thời gian di chuyển ngắn nhất phù hợp với phương pháp kiểm tra siêu âm PA đã xác định được các hệ số w, c1, c2, kích thước quần thể N và hệ số a để đạt được hiệu quả tối ưu.

Nghiên cứu xây dựng bài toán ghép ảnh mòn

Nghiên cứu xây dựng bài toán ghép ảnh

Việc xây dựng bản đồ mòn sử dụng dữ liệu hình ảnh từ phương pháp kiểm tra siêu âm PA để tạo ra các hình ảnh đồ hoạ màu mô tả hình dạng bên trong vật thể Quá trình này được minh hoạ trong hình 4.1.

Hình 4.1: Mô tả hệ thống tạo dựng bản đồ mòn [51]

Bản đồ mòn, hay còn gọi là bản đồ ăn mòn, là hình ảnh số hoá bề mặt của vật thể đo, cung cấp thông tin về vị trí và chiều dày vật liệu thông qua màu sắc Nó cho phép xác định và tạo lập bản đồ cho một khu vực bị ăn mòn hoặc cho toàn bộ vật đo.

Bản đồ mòn phục vụ cho việc đánh giá chi tiết và chính xác mức độ mòn ở bất kỳ vị trí nào của vật đo Nó không chỉ là cơ sở lưu trữ mà còn giúp định vị các vị trí mòn, theo dõi quá trình mòn định kỳ, từ đó tiết kiệm chi phí cho các lần kiểm tra sau.

Việc đánh giá độ mòn và chiều dày vật liệu còn lại của vật đo giúp khuyến nghị mức độ ăn mòn cho đơn vị sử dụng Tiêu chuẩn an toàn và tiêu chuẩn API 653 [12] sẽ được áp dụng để so sánh và đánh giá, từ đó hỗ trợ công tác bảo trì và bảo dưỡng hiệu quả.

Thiết bị siêu âm PA

Hình ảnh thu thập từ siêu âm PA

Mô hình bồn chứa bị ăn mòn

4.1.1 Hình ảnh và quá trình xử lý ảnh

4.1.1.1 Ảnh mòn C-Scan Ảnh mòn C-Scan thu thập được từ công nghệ kiểm tra siêu âm tổ hợp pha (PAUT) được ghi lại dưới định dạng Bitmap có thể là kiểu Graphics Interchange Format (GIF), Joint Photographic Experts Group (JPEG), Portable Network Graphics (PNG) Ảnh mòn C-Scan có thể được xem là kiểu ảnh được định chỉ số (Indexed Images), nghĩa là được biểu diễn bởi hai ma trận gồm ma trận dữ liệu X và ma trận bản đồ màu:

Ma trận dữ liệu X thường sử dụng các kiểu dữ liệu như uint8, unit18 hoặc double, trong đó giá trị của mỗi phần tử biểu thị màu sắc của điểm ảnh, tương ứng với hàng nào trong ma trận màu.

Ma trận màu (bản đồ màu) có kích thước m×3, với các phần tử kiểu dữ liệu double và giá trị trong khoảng [0,1] Mỗi hàng của ma trận đại diện cho các thành phần màu đỏ, xanh lá cây và xanh dương của tổng số m màu được sử dụng trong bức ảnh.

Trong ảnh nhị phân, mỗi pixel chỉ có thể mang giá trị 0 hoặc 1, tương ứng với một mảng logic Mức xám được tạo ra từ việc mã hóa cường độ sáng của từng điểm ảnh bằng giá trị số qua quá trình lượng tử hóa Mức mã hóa 256, phổ biến nhất, cho phép mỗi pixel được mã hóa bằng 8 bit Ảnh nhị phân đầu ra là hình ảnh đen trắng được chuyển đổi từ hình ảnh đầu vào thông qua phương pháp trung bình hoặc trọng số.

- Phương pháp trung bình: lấy giá trị trung bình theo đóng góp của các màu

R, G, B Nghĩa là 33% màu đỏ (R), 33% màu xanh lá cây (R), 33% màu xanh da trời (B):

Phương pháp trọng số trong màu sắc được áp dụng bằng cách giảm sự đóng góp của màu đỏ (R) xuống 30%, tăng sự đóng góp của màu xanh lá cây (G) lên 59%, và giữ sự đóng góp của màu xanh da trời (B) ở mức 11%.

4.1.1.3 Quá trình xử lý ảnh

Quá trình xử lý ảnh bắt đầu bằng việc thu nhận hình ảnh từ thiết bị quét hoặc camera và gửi đến máy tính Sau đó, tín hiệu tương tự được chuyển đổi thành tín hiệu rời rạc thông qua quá trình số hóa, bao gồm lấy mẫu và lượng hóa, trước khi tiến hành xử lý và phân tích hình ảnh.

Quá trình phân tích hình ảnh bao gồm nhiều bước như cải thiện và nâng cấp ảnh, phát hiện và tách biên, phân vùng và xử lý ảnh nhị phân, nhằm phục vụ cho các ứng dụng cụ thể Hình 4.2 minh họa quy trình xử lý ảnh này.

Hình 4.2 Mô tả quá trình xử lý ảnh

Hình ảnh thu thập (n ảnh)

Chương trình xử lý ảnh

Bản đồ mòn Binary Bản đồ mòn

Phân tích bản đồ mòn

Vị trí Độ sâu Diện tích

Trong quá trình xử lý ảnh, cấu trúc của ảnh thường được chú trọng hơn so với yếu tố màu sắc, dẫn đến việc chuyển đổi từ ảnh màu sang ảnh xám trở thành một bước phổ biến Việc này không chỉ giúp tăng tốc độ xử lý mà còn giảm độ phức tạp của các thuật toán Công thức chuyển đổi giá trị màu của một pixel thành mức xám tương ứng là cần thiết trong quy trình này.

Các giá trị CR, CG và CB thể hiện mức độ đóng góp của màu đỏ (R), xanh lục (G) và xanh da trời (B) trong một pixel màu Hệ số α, β và δ là các giá trị thay đổi tùy thuộc vào từng hệ màu cụ thể.

4.1.2 Phân tích, đánh giá dữ liệu hình ảnh thu thập được

Dựa vào dữ liệu ảnh mòn thu thập được ta có một số nhận xét sau [54]:

- Dữ liệu ảnh có chất lượng tốt, đạt 640 × 480 pixels

- Chiều dài ảnh mòn phụ thuộc vào chiều dài quét, chiều rộng phụ thuộc vào độ mở đầu dò.

- Thứ tự ảnh thu thập được sắp xếp theo thứ tự, liền kề nhau

- Mỗi ảnh được đặt 1 tên có chứa số thứ tự

- Số lượng ảnh mòn thu thập được tùy thuộc vào số đường quét

4.1.3 Phương án quét thu thập ảnh mòn

Dựa trên phương án đo kiểm đã được xác định, việc ghép ảnh phương án quét cho robot mang đầu dò siêu âm thu thập dữ liệu mòn đã được cải tiến để thuận tiện hơn cho công việc.

- Các đường quét được thiết kế và điều khiển sao cho ảnh mòn có phần ảnh ở biên trùng nhau

Ảnh đường quét thứ (i) sẽ có phần biên bên phải tương tự như phần biên bên trái của ảnh đường quét tiếp theo (i+1).

- Dải ảnh biên phải của ảnh thứ (i) và dải ảnh biên trái của ảnh thứ (i+1) được sử dụng để so khớp và ghép ảnh

- Bề rộng của ảnh sẽ phụ thuộc vào bề rộng của đầu dò sử dụng

- Chiều cao của ảnh sẽ phụ thuộc vào chiều cao quét được cài đặt trước trên robot α2

5 Đường quét thứ 2 α4 Đường quét thứ

5 Đường quét thứ 2 α4 Đường quét thứ 1

S3 α1 Ảnh đường quét thứ (i) Ảnh đường quét thứ (i+1)

Dải ảnh biên trái của ảnh thứ (i+1)

Dải ảnh biên phải của ảnh thứ (i)

5 5 a) Phương án đo b) Biên của ảnh mòn

Hình 4.3: Tính chất của các ảnh mòn thu thập được khi quét

Với các đặc tính trên của ảnh mòn, các thông số đầu vào để thiết kế phần mềm ghép ảnh được xác định như sau:

Xây dựng bản đồ mòn sử dụng phần mềm Matlab

Thuật toán ghép ảnh bắt đầu từ một khung ảnh trống, sử dụng thang độ xám để xử lý hình ảnh Các ảnh được đọc và so khớp dựa vào các cạnh biên, sau đó được ghép lại để tạo thành bức ảnh cuối cùng, được gọi là bản đồ ăn mòn.

Để thuận tiện cho việc ghép ảnh, các bức ảnh cần có kích thước đồng nhất (dài x rộng) Kích thước ảnh đầu vào được xác định theo công thức: img[i] = [n[k] m[i]].

+ n[k] - Chiều cao của ảnh (pixel)

+ m[l] - Chiều rộng của ảnh (pixel)

Và ảnh đầu ra (output image) tương ứng sẽ có kích thước:

Với các đặc tính trên của ảnh mòn, các thông số đầu vào để thiết kế phần mềm ghép ảnh được xác định như sau [58, 59, 60]:

Chiều rộng và chiều cao của các ảnh thường giống nhau, với chiều rộng được xác định bởi độ mở đầu dò Chiều cao có thể thay đổi, nhưng không vượt quá 10 mm do ảnh hưởng của gió và lực trọng trường khi quét ảnh ở độ cao.

Bản đồ mòn được xây dựng trên cơ sở so khớp và ghép các ảnh mòn của các đường quét kề liền nhau sẽ có hai dạng:

Không chồng dải biên là hiện tượng khi các ảnh được ghép kề liền nhau, tạo ra vị trí ghép nối với hai dải biên giống nhau Trong trường hợp này, ảnh (bản đồ mòn) có thể không liên tục, nhưng vẫn có giá trị trong việc đánh giá độ chính xác của quá trình nhận diện và ghép ảnh.

Chồng dải biên là kỹ thuật ghép nối hình ảnh, trong đó dải biên trái của ảnh thứ (i+1) sẽ chồng lên dải biên phải của ảnh thứ (i) Phương pháp này tạo ra một bản đồ mòn liên tục và tổng thể, đảm bảo tính chính xác nếu được xác định đúng bởi chuyên viên.

96 Ảnh (i) Ảnh (i+1) Ảnh với cạnh liền kề nhau Ảnh với cạnh biên trùng nhau

Hình 4.7: Ghép ảnh không chồng biên và chồng biên [54]

Với các nghiên cứu được phân tích ở trên, giải thuật ghép ảnh được trình bày như sau [61, 62, 63]:

- Bước 1: Khởi tạo ma trận ảnh đầu vào từ dữ liệu ảnh thu thập được trong quá trình siêu âm trên mô hình bồn chứa

- Bước 2: Lựa chọn ảnh thứ nhất trong ma trận ảnh

- Bước 4: Lựa chọn ảnh thứ i+1 trong dãi ảnh để phục vụ so khớp

- Bước 5: So khớp biên ảnh bên trái thứ i với biên phải thứ i+1, mỗi biên ảnh trùng nhau trong khoảng 5mm

- Bước 6: Nếu trùng khớp thì ghép ảnh i và i+1, nếu không trùng khớp thì thực hiện lại việc so khớp biên ảnh với ảnh khác

- Bước 7: Nếu i < n thì lưu và xuất ảnh Binary

- Bước 8: Xuất kết quả ghép ảnh RGB

- Bước 9: Phân tích thông số bản đồ mòn: vị trí, độ sâu và diện tích mòn và kết thúc quá trình ghép ảnh

Với các bước tạo lập bản đồ mòn, lưu đồ giải thuật ghép ảnh được trình bày ở hình 4.8

Hình 4.8: Lưu đồ giải thuật ghép ảnh [54]

Sai Đúng i = 1 ÷ n-1 Lựa chọn ảnh thứ 1

So khớp biên ảnh bên trái thứ i, trùng với biên ảnh bên phải thứ i+1 i < n Đúng

Khởi tạo ma trận ảnh đầu vào

Lưu và xuất ảnh Binary

Phân tích ảnh mòn Chuyển đổi, ghép ảnh RGB

4.2.2 Đề xuất chức năng phần mềm ghép ảnh

Một số chức năng chính của chương trình ghép ảnh cần xây dựng được đề xuất như sau [64, 65, 66]:

- Chọn thư mục (open files): cho phép lựa chọn ổ đĩa (kể cả external drive), chọn thư mục có chứa ảnh cần thực hiện xử lý ghép ảnh

Thực hiện ghép ảnh (Corrosion map) là quá trình kết hợp các hình ảnh trong thư mục đã chọn để tạo ra bản đồ mòn ảnh màu RGB và bản đồ mòn ảnh nhị phân Binary.

- Thang màu (Color scale): dùng để so sánh màu với chiều dày còn lại của vật liệu hoặc chiều sâu khuyết tật bị ăn mòn

Phân tích ảnh đóng vai trò quan trọng trong việc đánh giá bản đồ mòn, bao gồm các yếu tố như vị trí, độ sâu và diện tích khuyết tật Các thông số chi tiết của quá trình này được trình bày trong bảng 4.1.

Bảng 4.1: Thông số về vị trí khuyết tật, diện tích, chiều sâu khuyết tật

Để tối ưu hóa quá trình thu thập dữ liệu ảnh mòn, có thể chia thành nhiều phiên làm việc, với số lượng ảnh từ 1000 - 2000 ảnh tùy thuộc vào kích thước bề rộng ảnh đã định nghĩa (25, 40, 45, 53) Mục tiêu là giảm số lượng ảnh mòn thu thập xuống khoảng 500 ảnh trong một thư mục, giúp tăng tốc độ xử lý của phần mềm.

4.2.3 Đề xuất giao diện phần mềm ghép ảnh

Giao diện phần mềm ghép ảnh cần tích hợp đầy đủ các thông số thiết yếu để phục vụ công việc ghép ảnh, bao gồm nút chức năng truy cập ổ đĩa chứa hình ảnh, nút ghép ảnh, phân tích ảnh, cùng với các thông số tọa độ x, y cho các vị trí chỉ thị mòn, diện tích các vùng bị ăn mòn và độ sâu lớn nhất của khuyết tật mòn.

99 vực hiển thị bản đồ mòn RGB, Binary và các thông số mòn theo giao diện của phần mềm được mô tả như hình 4.9 (Code Matlab ở phụ lục 3)

Hình 4.9: Giao diện phần mềm ghép ảnh

Chọn thư mục hình ảnh

Phân tích các thông số mòn

Bản đồ mòn RGB Độ sâu khuyết tật

Vị trí, diện tích khuyết tật (pixel)

Vị trí, diện tích khuyết tật (mm)

Nghiên cứu thực nghiệm đo kiểm và xây dựng bản đồ mòn

Thực nghiệm đo kiểm độ mòn

5.2.1 Vật liệu và thiết bị thí nghiệm

5.2.1.1 Thiết bị siêu âm OmniScan MX2

Thiết bị siêu âm đa biến tử OmniScan MX2, được sản xuất bởi công ty Olympus, nổi bật với nhiều tính năng mạnh mẽ, khả năng lưu trữ lớn và tốc độ truyền dữ liệu nhanh chóng.

OmniScan MX2 tích hợp phần mềm NDT SetupBuilder và OmniPC, giúp thực hiện mọi bước chuẩn bị cần thiết cho kiểm tra bồn Người dùng có thể điều khiển và theo dõi quá trình kiểm tra trực tiếp trên thiết bị OmniScan MX2 hoặc qua máy tính.

Thiết bị siêu âm OmniScan MX2 được lựa chọn cho phép thực hiện kiểm tra thủ công hoặc bán tự động, mang lại sự linh hoạt trong quá trình kiểm tra Nó có thể sử dụng với nhiều loại đầu dò, nêm, bộ quét và các phụ kiện khác nhau, đáp ứng nhu cầu đa dạng trong các ứng dụng kiểm tra.

Kích thước chung (Dài × Cao × Dày) 325×235×130 mm Khối lượng 3.2 kg Độ mở đầu dò 32 biến tử

Số lượng biến tử 128 biến tử Dạng quét Quạt và tuyến tính Độ phân giải 800× 600 pixels

Hình 5.3: Thiết bị siêu âm OmniScan MX2 [39]

5.2.1.3 Đầu dò 5L64-A2 Đầu dò PA sử dụng có tần số trong phạm vi từ 2 MHz đến 10 MHz và có từ

Kích thước chung (Dài x Rộng x Cao) 30 × 28 × 25

Loại đầu dò Tuyến tính

Bước 0.6 mm Độ mở hoạt động 38.4 mm

Bộ mã hóa của PA có khả năng thu thập, xử lý dữ liệu và tìm ra vị trí đầu dò quét dữ liệu

C = 22.5 mm F = 6 mm Độ phân giải là 12 bước/mm

Ngoài bộ chuyển đổi tổ hợp, các đầu dò PA thường được lắp ráp thêm một nêm bằng chất dẻo (rexolite) [40]

Góc khúc xạ trong vật liệu 0 o

Hình 5.6: Nêm đầu dò SA2-0L [40]

Chất tiếp âm đóng vai trò quan trọng trong việc truyền sóng siêu âm giữa đầu dò và chi tiết kiểm tra Sonotech là chất tiếp âm được lựa chọn để thực hiện siêu âm kiểm tra độ mòn của mô hình bồn chứa xăng dầu.

- Nhiệt độ làm việc: T = -23 đến 99 o C

- Sử dụng trong môi trường chống ăn mòn

Hình 5.7: Chất tiếp âm Sonotech

5.2.1.7 Robot mang đầu dò siêu âm

Robot mang đầu dò siêu âm cùng các phụ kiện có khả năng như sau:

- Bám dính chắc chắn vào bề mặt bồn nhờ nam châm

- Vượt qua được đường hàn, các gờ nổi

- Có khả năng điều chỉnh được khe hở giữa nêm đầu dò và bề mặt bồn chứa

- Giữ nêm đầu dò luôn tiếp xúc với bề mặt bồn

Cơ cấu mang đầu siêu âm linh hoạt giúp duy trì sự tiếp xúc liên tục với bề mặt bồn, đồng thời đảm bảo khoảng cách ổn định từ đầu dò siêu âm đến bề mặt.

Cơ cấu mang đầu dò

Kích thước (D x R) 315 x 247 mm Lực hút nam châm 180 N

Công suất động cơ 1.4 – 5.7 W Vận tốc 25 - 100 mm/s Vòng quay bánh xe 6.6 – 26.8 vòng/phút

Hình 5.8: Robot mang đầu dò siêu âm [33]

5.2.1.8 Cơ cấu mang đầu dò

Các thành phần của cơ cấu mang đầu dò (đầu đo) siêu âm PA [33] được trình bày ở hình 5.11

Hình 5.9: Cơ cấu mang đầu đo [27]

Thông số hoạt động của robot như sau:

- Vận tốc di chuyển robot: v = 25 -100 mm/s

- Số vòng quay của bánh xe: n = 6.6 - 26.8 vòng/phút

- Động cơ di chuyển robot: P = 1.4 - 5.7 W

Máy vi tính được sử dụng để kết nối với thiết bị siêu âm PA và lưu trữ dữ liệu hình ảnh C-Scan Cấu hình máy tính được trình bày trong hình 5.12, với yêu cầu sử dụng phần mềm Matlab phiên bản từ năm 2014 trở lên để thực hiện mô phỏng thuật toán PSO, ghép ảnh và tạo lập bản đồ mòn.

Màn hình LCD HP 19 inch CPU Intel Core i5 – 1.60 GHz

Window 10 Home SL Ổ cứng SSD 512 GB

Hình 5.10: Cấu hình máy vi tính

5.2.2 Khuyết tật mòn và tạo lưới trên mô hình bồn chứa

Chuẩn bị mô hình và kiểm tra toàn bộ bề mặt mô hình bồn chứa xăng, dầu là bước quan trọng để đảm bảo robot có thể bám dính tốt và đầu dò dễ dàng tiếp xúc với bề mặt Nếu phát hiện các điểm nhấp nhô trên bề mặt, cần loại bỏ chúng để tăng cường hiệu quả kiểm tra Trong quá trình thực nghiệm đo mòn, cần tạo dựng 3 khuyết tật đặc trưng, thường gặp ở hơn 95% bồn chứa bị ăn mòn, với vị trí, độ sâu và diện tích bất kỳ trong khu vực quét 1000 × 1000 mm².

Hình 5.11: Khuyết tật mòn trên mô hình bồn chứa

Tạo lưới gồm tạo lưới thô và tinh:

Tạo lưới thô giúp xác định tọa độ điểm bắt đầu của bản đồ ăn mòn, đồng thời cho phép xác định tọa độ để tạm dừng hoặc khởi động lại công việc siêu âm khi cần thiết.

Việc tạo lưới tinh nhằm xác định tọa độ cho phương án đo theo thuật toán PSO trên mô hình bồn chứa giúp kiểm soát chu kỳ quét và tọa độ các đường quét liền kề, cũng như xác định vị trí và diện tích vùng bị ăn mòn Để minh họa cho việc kiểm tra và đánh giá sự ăn mòn bên trong bồn chứa, một phần của bồn chứa có khuyết tật ăn mòn đã được mô phỏng với lưới tọa độ như hình 5.12.

Khuyết tật mòn 3 Khuyết tật mòn 2

(mm) a) Mô hình bồn chứa b) Chia lưới trên bồn chứa

Hình 5.12: Mô phỏng khuyết tật mòn trên mô hình bồn chứa 5.2.3 Hiệu chuẩn thiết bị a) Hiệu chuẩn thiết bị siêu âm OmniScan MX2

Hiệu chuẩn thiết bị OmniScan MX2 được thực hiện theo tài liệu hướng dẫn của Olympus bởi công ty Quatest 3, với chứng thư và tem hiệu chuẩn được dán trên thiết bị Quá trình này bao gồm việc kiểm tra robot và thiết bị OmniScan MX2, cùng với việc cài đặt các thông số cần thiết.

Để hiệu chuẩn thiết bị siêu âm, cần đặt robot mang đầu dò siêu âm lên thân bồn chứa nhằm kiểm tra sự bám dính Robot sẽ được vận hành theo các phương đứng (từ dưới lên và từ trên xuống) cũng như phương ngang (từ trái qua phải và ngược lại) Việc này giúp kiểm tra độ tiếp xúc của đầu dò siêu âm với bề mặt bồn chứa và tiến hành các thử nghiệm vận hành cho robot.

108 a) Robot di chuyển thẳng b) Robot quay 1 góc cùng chiều kim đồng hồ c) Robot quay 1 góc ngược chiều kim đồng hồ d) Robot di chuyển lùi

Hình 5.14: Vận hành thử nghiệm robot di chuyển theo phương án đo

5.2.4 Phương án quét trên mô hình bồn chứa

Robot di chuyển theo thuật toán PSO để xác định đường dẫn ngắn nhất, với quá trình thiết lập các thông số quét trên diện tích 1000×1000 mm² theo quy trình kiểm tra siêu âm PA Đầu dò siêu âm gắn trên robot sẽ thu thập dữ liệu ảnh mòn khi di chuyển trên bề mặt bồn chứa, dữ liệu này sau đó được truyền về máy siêu âm PA và lưu trữ trên thiết bị, có khả năng kết nối với máy tính PC Quá trình thực nghiệm và thiết lập các thông số quét được mô tả chi tiết trong hình 5.15.

Hình 5.15: Phương án quét diện tích 1000 x 1000 mm 2

Robot mang đầu dò siêu âm di chuyển trên bề mặt bồn chứa, thu thập dữ liệu ảnh mòn và lưu trữ trên máy siêu âm Dữ liệu này sau đó được chuyển đến PC qua kết nối USB hoặc thẻ nhớ Các hình ảnh siêu âm PA bao gồm A-Scan, B-Scan, C-Scan, S-Scan và E (End view) Trên giao diện máy siêu âm OmniScan MX2, người dùng có thể chọn nhóm hình ảnh hiển thị như A-B-C, A-S-C, A-B-End, A-B-S hoặc chọn một loại hình ảnh đơn lẻ Ngoài ra, có thể tách hình ảnh C-Scan ra khỏi các nhóm khác khi thực hiện báo cáo kiểm tra siêu âm PA bằng phần mềm OmniPC và lưu lại file ảnh C-Scan.

Hình ảnh C-Scan được sử dụng để thu thập dữ liệu phục vụ cho việc ghép ảnh và tạo lập bản đồ mòn, hỗ trợ trong công tác kiểm tra và đánh giá độ ăn mòn của mô hình bồn chứa Các hình ảnh siêu âm tương ứng với các khuyết tật 1, 2, 3 được trình bày trong các hình 5.16, 5.17, 5.18, bao gồm khuyết tật mòn số 1a, 1b, 1c và 1d.

Hình 5.16: Hình ảnh siêu âm PA có khuyết tật số 1[51]

110 a) Khuyết tật mòn số 2a b) Khuyết tật mòn số 2b c) Khuyết tật mòn số 2c

Hình 5.17: Hình ảnh siêu âm PA có khuyết tật số 2 [51] a) Khuyết tật mòn số 3a b) Khuyết tật mòn số 3b

Hình 5.18: Hình ảnh siêu âm PA có khuyết tật số 3 [51]

Quá trình thực nghiệm đo ăn mòn được thực hiện trên mô hình bồn chứa có diện tích 1000×1000 mm², với 30 đường quét, tương ứng với số lượng ảnh đầu vào cho quá trình ghép ảnh.

Thực nghiệm xây dựng bản đồ mòn

5.3.1 Xây dựng bản đồ mòn

Phần mềm ghép ảnh cung cấp nhiều chức năng quan trọng, bao gồm khả năng chọn thư mục chứa ảnh cần xử lý, cho phép người dùng lựa chọn ổ đĩa, bao gồm cả ổ đĩa ngoài Bên cạnh đó, phần mềm còn có chức năng ghép ảnh (Corrosion map) để thực hiện việc kết hợp các hình ảnh một cách hiệu quả.

Trong quá trình xây dựng bản đồ mòn ảnh màu RGB và bản đồ mòn ảnh nhị phân Binary từ 111 ảnh trong thư mục đã chọn, chúng ta cũng cần tạo thang màu để so sánh màu sắc với độ dày còn lại của vật liệu hoặc chiều sâu của khuyết tật bị ăn mòn Bên cạnh đó, việc phân tích ảnh (Image Analysis) sẽ được thực hiện với các thông số mòn như vị trí tọa độ (x, y), độ sâu (d) lớn nhất của khuyết tật mòn và diện tích (s) vùng ăn mòn Các bước ghép ảnh để tạo dựng và đánh giá bản đồ mòn sẽ được thực hiện một cách hệ thống.

- Bước 1: Khởi động phần mềm, tạo giao diện phần mềm

- Bước 2: Chọn open file, chọn thư mục lưu trữ hình ảnh mòn cần ghép

- Bước 3: Chọn corrosion map, thực hiện chức năng ghép ảnh màu RGB và đưa ra thang đo

- Bước 4: Chọn Binary, thực hiện chức năng ghép ảnh nhị phân Binary, chương trình có khả năng lọc ảnh và loại bỏ lọc nhiễu

Bước 5: Chọn phân tích hình ảnh, chương trình sẽ tự động thực hiện việc phân tích và tính toán các thông số mòn, bao gồm vị trí tọa độ mòn (x, y), độ sâu ăn mòn lớn nhất và diện tích vùng ăn mòn.

- Bước 6: Chọn save and close, chương trình tự động lưu bản đồ mòn và đóng phần mềm hoàn tất công việc ghép ảnh

Phần mềm ghép ảnh cho phép phân tích vị trí và thông số của các khuyết tật mòn, bao gồm vị trí khuyết tật 1 (x1, y1), 2 (x2, y2), 3 (x3, y3), độ sâu khuyết tật d1, d2, d3 và diện tích s1, s2, s3 Bằng cách áp dụng phần mềm và thực hiện theo trình tự 6 bước ghép ảnh với 30 hình ảnh mòn C-Scan thu thập từ lần quét đầu tiên, phần mềm đã tạo ra bản đồ mòn dưới dạng màu RGB và bản đồ nhị phân (binary), đồng thời phân tích các thông số liên quan đến khuyết tật mòn.

Hình 5.19: Bản đồ mòn của một lần quét với diện tích 1000 × 1000 mm 2 [51]

5.3.2 Kết quả và bàn luận

Quá trình thực nghiệm đo kiểm tra độ mòn trên mô hình bồn chứa đã thu thập hình ảnh mòn C-Scan và sử dụng phần mềm ghép ảnh trong môi trường Matlab để xây dựng bản đồ mòn ảnh màu RGB và Binary với kích thước 1000 × 1000 mm² Đồng thời, quá trình này cũng phân tích các thông số mòn như vị trí, độ sâu và diện tích khuyết tật 1, 2, 3, như thể hiện trong hình 5.19.

Qua 5 lần thực nghiệm, robot đã kiểm tra và đánh giá độ mòn trên mô hình bồn chứa, so sánh thời gian quét thực nghiệm với thời gian mô phỏng theo thuật toán PSO Bảng 5.1 trình bày thời gian di chuyển của robot cho từng lần thực nghiệm, cùng với giá trị trung bình và khoảng tin cậy 95% của phép đo, trong đó khoảng tin cậy Δϭ được xác định bằng 1.96 lần sai lệch chuẩn ϭ.

Bảng 5.1: Thời gian trung bình qua 5 lần quét [51]

Số lần thực nghiệm Thời gian di chuyển cho từng lượt quét t(s)

Dựa vào bảng 5.1 và hình 5.20 ta có thể thấy rằng thời gian di chuyển trung bình qua 5 lần thực nghiệm có độ sai lệch chuẩn là ±25.56 (s)

Hình 5.20: Thời gian quét qua 5 lần thực nghiệm

Kết quả phân tích các thông số mòn trên bản đồ mòn từ 5 lần thực nghiệm cho thấy các thông số về vị trí tọa độ, độ sâu ăn mòn lớn nhất và diện tích khuyết tật mòn đã được tổng hợp Các sai lệch chuẩn ϭ được mô tả chi tiết trong bảng 5.2 và 5.3.

Bảng 5.2: Vị trí các điểm có sự ăn mòn Lượt quét

Bảng 5.3: Độ sâu và diện tích mòn tương ứng với vị trí có mòn Lượt quét

Vị trí Độ sâu (mm) Diện tích (mm 2 ) d 1 d 2 d 3 s 1 s 2 s 3

Bảng 5.2 và 5.3 trình bày kết quả phân tích các thông số mòn qua 5 lần thực nghiệm, bao gồm sai số vị trí, độ sâu và diện tích của các khuyết tật 1, 2, 3 Kết quả cũng cho thấy giá trị trung bình của các thông số mòn và khoảng tin cậy 95% Δϭ được tính bằng 1.96 lần sai lệch chuẩn ϭ Hình 5.21 đến 5.24 minh họa giá trị đo nằm trong khoảng sai lệch chuẩn cho phép.

- Vị trí tọa độ (x, y) của khuyết tật mòn 1(x 1 , y 1 ); 2(x 2 , y 2 ), 3(x 3 , y 3 ):

Hình 5.21: Vị trí tọa độ x 1 , x 2 , x 3 qua 5 lần thực nghiệm

Hình 5.21 minh họa vị trí tọa độ khuyết tật x1, x2, x3 qua 5 lần thực nghiệm, tất cả đều nằm trong giới hạn 95% khoảng tin cậy, với x1 trong khoảng (257.36, 258.11), x2 trong khoảng (512.91, 513.46) và x3 trong khoảng (761.48, 763.17) Kết quả thực nghiệm cho thấy các giá trị chỉ số vị trí x1, x2, x3 được phân tích từ phần mềm ghép ảnh có độ tin cậy cao, cho phép ứng dụng vào các bồn chứa dung tích lớn tại doanh nghiệp sản xuất, đồng thời cần xem xét thêm các điều kiện thực tế từ môi trường bên ngoài ảnh hưởng đến bồn chứa.

Hình 5.22 minh họa vị trí tọa độ khuyết tật y1, y2, y3 qua 5 lần thực nghiệm, cho thấy tất cả các tọa độ này đều nằm trong giới hạn 95% khoảng tin cậy Cụ thể, tọa độ y1, y2 và y3 lần lượt là ̅̅̅, ̅̅̅ và ̅̅̅, với y1 nằm trong khoảng cho phép.

Kết quả thực nghiệm cho thấy các chỉ số vị trí y1 (797.35, 798.33), y2 (521.50, 521.66) và y3 (616.47, 620.23) có độ tin cậy cao khi phân tích từ phần mềm ghép ảnh Những giá trị này có thể được ứng dụng vào các bồn chứa dung tích lớn trong doanh nghiệp sản xuất, tuy nhiên cần tính toán thêm các điều kiện thực tế từ môi trường bên ngoài ảnh hưởng đến bồn chứa.

- Độ sâu khuyết tật mòn d1, d2, d3:

Hình 5.23: Chiều sâu khuyết tật d1, d2,d3 qua 5 lần thực nghiệm

Kết quả từ hình 5.15 cho thấy độ sâu khuyết tật d1, d2 và d3 qua 5 lần thực nghiệm đều nằm trong giới hạn 95% khoảng tin cậy Cụ thể, độ sâu khuyết tật d1 nằm trong khoảng [2.010, 1.775], d2 trong khoảng [2.060, 1.864] và d3 trong khoảng [1.990, 1.834] Những kết quả thực nghiệm này khẳng định tính chính xác và độ tin cậy của các giá trị đo được.

Các chỉ số độ sâu d1, d2, d3 từ phần mềm ghép ảnh đã được phân tích và cho thấy độ tin cậy cao, có thể ứng dụng vào bồn chứa dung tích lớn tại các doanh nghiệp sản xuất Tuy nhiên, cần tính toán thêm các điều kiện thực tế và tác động từ môi trường bên ngoài đối với bồn chứa.

Hình 5.24: Diện tích khuyết tật s1, s1, s1 qua 5 lần thực nghiệm

Kết quả từ hình 5.24 cho thấy diện tích khuyết tật mòn s1, s2, s3 qua 5 lần thực nghiệm đều nằm trong giới hạn 95% khoảng tin cậy Cụ thể, diện tích khuyết tật s1 nằm trong khoảng [9378.3, 9035.7], s2 trong khoảng [5689.7, 5483.7], và s3 trong khoảng [5186.9, 4853.1] Những giá trị này, được phân tích từ phần mềm ghép ảnh, cho thấy độ tin cậy cao và có khả năng ứng dụng thực tiễn.

Tại các doanh nghiệp sản xuất bồn chứa, việc tính toán dung tích lớn của 118 bồn chứa thực tế là rất quan trọng Ngoài ra, cần xem xét các điều kiện môi trường bên ngoài có thể ảnh hưởng đến hiệu suất và độ bền của bồn chứa.

So sánh kết quả với thực nghiệm đo độ mòn bằng tay

Để tăng cường độ tin cậy của robot đo mòn và ổn định phần mềm ghép ảnh, cần phân tích các giá trị thông số mòn Quá trình đo mòn bằng phương pháp siêu âm PA trên mô hình bồn chứa được so sánh với phương pháp đo bằng tay Quy trình đo kiểm bằng tay được thực hiện bởi các kỹ thuật viên của Công ty giải pháp kiểm định Việt Nam (VISCO NDT), nhằm đảm bảo độ chính xác và hiệu quả trong việc đo mòn siêu âm.

PA là phương pháp đo lường tương tự như đo bằng robot, nhưng khác biệt ở chỗ đầu dò siêu âm PA được cầm tay và thực hiện quét theo phương thẳng đứng, di chuyển trực tiếp trên mô hình bồn chứa Quá trình đo thủ công và thu thập hình ảnh mòn được thể hiện rõ trong hình 5.25, với hình ảnh siêu âm PA thu được từ quá trình đo mòn bằng tay.

Hình 5.25: Kiểm tra siêu âm PA đo mòn bằng tay [46]

Kết quả đo trực tiếp bằng tay và phân tích thông số mòn trên máy siêu âm đã được so sánh với kết quả phân tích bằng phần mềm ghép ảnh, được trình bày chi tiết trong bảng 5.4.

Bảng 5.4: So sánh kết quả đo

Kết quả đo trung bình bằng robot Kết quả đo trực tiếp bằng tay ̅ (mm) ̅ (mm) ̅

(mm 2 ) ̅ (mm) x (mm) y (mm) d (mm)

Dựa vào bảng 5.4 so sánh kết quả đo bằng robot và thủ công, có thể mô tả so sánh các thông số qua các đồ thị ở hình 5.26, 5.27 và 5.28

Tọa độ x (mm) khi đo robot Tọa độ x (mm) khi đo thủ công x (mm)

Hình 5.26: So sánh tọa độ x của khuyết tật khi đo bằng robot và thủ công

Theo bảng 5.4 và hình 5.26, giá trị tọa độ x đo bằng robot và thủ công là tương đương Kết quả này chứng minh rằng robot đo kiểm C-Scan có độ chính xác cao, và phần mềm ghép ảnh có khả năng phân tích các thông số mòn phù hợp với công nghệ đo kiểm trên thiết bị thủ công.

Tọa độ y (mm) khi đo robot Tọa độ y (mm) khi đo thủ công

Hình 5.27: So sánh tọa độ y của khuyết tật khi đo bằng robot và thủ công

Theo bảng 5.4 và hình 5.27, giá trị tọa độ y khi đo bằng robot và thủ công là tương đương Kết quả này chứng minh rằng robot đo kiểm thu thập hình ảnh C-Scan với độ chính xác cao, và phần mềm ghép ảnh có khả năng phân tích các thông số mòn phù hợp với công nghệ đo kiểm trên thiết bị thủ công.

Chiều sâu d (mm) khi đo robot Chiều sâu d (mm)khi đo thủ công

Hình 5.28: So sánh độ sâu d của khuyết tật khi đo bằng robot và thủ công

Dựa vào bảng 5.4 và hình 5.28, giá trị độ sâu khuyết tật mòn d khi đo bằng robot và thủ công cho thấy chúng có giá trị tương đương hoặc sai lệch rất nhỏ từ 0.01 đến 0.04 mm Kết quả này chứng minh rằng robot đo kiểm với hình ảnh C-Scan có độ chính xác cao, và phần mềm ghép ảnh có khả năng phân tích các thông số mòn tương thích với công nghệ đo kiểm thủ công.

Khi đo kiểm bằng tay và phân tích các thông số mòn trên thiết bị siêu âm PA OmniScan MX2, kết quả cho thấy sự tương đồng hoặc sai lệch rất nhỏ Tuy nhiên, việc phân tích tọa độ trên OmniScan MX2 mất nhiều thời gian do cần tính toán và cộng dồn tọa độ x, y của các lượt quét trước và sau Hơn nữa, thiết bị siêu âm không thể tính toán diện tích của khuyết tật mòn, dẫn đến không thể so sánh thông số này Từ quá trình thực nghiệm, ta rút ra một số nhận xét quan trọng.

Kết quả từ 5 lần thực nghiệm trên mô hình bồn chứa cho thấy độ tin cậy cao khi so sánh với kết quả đo bằng tay Mô hình bồn chứa được thiết kế và chế tạo theo tiêu chuẩn API 650:2016, do đó, việc thực nghiệm trên mô hình này phản ánh chính xác bồn chứa thực tế của các doanh nghiệp Tuy nhiên, khi thực hiện đo kiểm trên bồn thật, cần tính toán các thông số như tải trọng gió, trọng lượng dây dẫn và lưu lượng chất tiếp âm Việc xem xét và điều chỉnh các điều kiện thực tế của bồn chứa xăng dầu lớn sẽ hỗ trợ quá trình xây dựng bản đồ mòn hiệu quả hơn.

Xây dựng thuật toán ghép ảnh dựa trên ảnh mòn C-Scan từ phương pháp kiểm tra siêu âm PA, kết hợp với phần mềm ghép ảnh trên nền tảng phần mềm.

Mô hình bồn chứa xăng dầu dung tích lớn được thiết kế và chế tạo theo tiêu chuẩn API 650:2016, có kích thước 3x3m, sử dụng vật liệu thép ASTM A36 với độ dày 12mm, nhằm phục vụ cho việc kiểm chứng thực nghiệm.

Quy trình thực nghiệm kiểm tra mòn bằng robot trang bị đầu dò siêu âm PA đã được xây dựng, với diện tích quét lên tới 1000×1000 mm² trên mô hình bồn chứa Quá trình này cho phép thu thập hình ảnh A-Scan, B-Scan và C-Scan, giúp đánh giá tình trạng mòn một cách chính xác và hiệu quả.

Kết quả phân tích các thông số mòn từ bản đồ mòn cho thấy vị trí, độ sâu và diện tích mòn đều nằm trong phạm vi 95% khoảng tin cậy Δϭ, được xác định bằng 1.96 lần sai lệch chuẩn ϭ Qua 5 lần thực nghiệm, các bản đồ mòn thu được gần như tương đồng, chứng minh rằng phần mềm đã nhận diện lỗi và thực hiện so khớp với độ chính xác 5mm, cho thấy phần mềm ghép ảnh hoạt động ổn định.

Kết quả thực nghiệm cho thấy bản đồ mòn và các thông số mòn có độ tin cậy cao Robot trang bị đầu dò siêu âm PA di chuyển ổn định, phù hợp với phương án đo và thời gian ngắn nhất được xác định theo thuật toán tìm kiếm PSO.

KẾT LUẬN VÀ KIẾN NGHỊ

Luận án trình bày kết quả nghiên cứu về giải pháp đo mòn bồn chứa xăng dầu trụ đứng có dung tích từ 10,000 m³ trở lên bằng phương pháp kiểm tra siêu âm tổ hợp pha (Phased Array Ultrasonic Testing) Phương án đo kiểm tối ưu được đề xuất giúp tạo dựng bản đồ mòn trên mô hình bồn chứa, rút ngắn thời gian kiểm tra, giảm sức lao động và nâng cao hiệu quả kinh tế Những đóng góp chính của luận án được tóm tắt rõ ràng và cụ thể.

Đề xuất quy trình thực nghiệm đo độ mòn cho bồn chứa xăng dầu lớn sử dụng kỹ thuật kiểm tra siêu âm tổ hợp pha (PAUT) với robot mang đầu dò siêu âm PA đã được chứng nhận Phương pháp đo mòn tiên tiến này áp dụng hình ảnh màu C-Scan, hỗ trợ trong việc ghép ảnh và lập bản đồ ăn mòn hiệu quả.

Ngày đăng: 28/09/2022, 15:28

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Charles Norman Maclecod, Gordon Dobie, Stephen Gareth Pierce, Rahul Summan, Maxim Morozov. Machining Based Coverage Path Planning for Automated Structural Inspection, pp. 1-12, 2016 Sách, tạp chí
Tiêu đề: Machining Based Coverage Path Planning for Automated Structural Inspection
[2] To Thanh Tuan, Dang Thien Ngon. Researching on Measurement Strategies of Fuel Tank Corrosion Using Phased Array Technology. The first International Conference on Material, Machines and Methods for Sustainable Development, 2018, May 18-19, pp. 683-690, 2018 Sách, tạp chí
Tiêu đề: The first International Conference on Material, Machines and Methods for Sustainable Development
[3] ThS. Phan Công Thành, ThS. Đặng Thế Tụng, ThS. Nguyễn Đình Dũng, ThS. Trương Quang Trường, KS. Lê Thị Hồng Giang, PGS.TS. Nguyễn Thị Lê Hiền. Áp dụng công nghệ Phased Array lập bản đồ ăn mòn cho các thiết bị trong ngành công nghiệp dầu khí. Viện dầu khí Việt Nam, Số 5 năm 2015 Sách, tạp chí
Tiêu đề: Viện dầu khí Việt Nam
[4] Raman Singh, Baldev raj, U.Kamachi Mudali, Prabhakar Singh. Non – Destructive Evaluation of corrosion and corrosion – assisted cracking. The American Ceramic Society, pp. 70-121, 2019 Sách, tạp chí
Tiêu đề: The American Ceramic Society
[5] Nguyễn Văn Hùng. Nghiên cứu ứng dụng phương pháp siêu âm trong kiểm tra khuyết tật vật liệu kim loại. Tạp chí khoa học ĐHSP TPHCM, Số 36 năm 2012 Sách, tạp chí
Tiêu đề: Tạp chí khoa học ĐHSP TPHCM
[6] Paritosh Nanekar. Ultrasonic phased array examination of circumferential weld joint in reactor pressure vesel of Boiling Water Reactor, 2013 Sách, tạp chí
Tiêu đề: Ultrasonic phased array examination of circumferential weld joint in reactor pressure vesel of Boiling Water Reactor
[7] Jonathan TURCOTTE, Philippe RIOUX, Jérôme-Alexandre LAVOIE. Comparison Corrosion Mapping Solutions using Phased Array, Conventional UT and 3D scanners. 19th World Conference on Non-Destructive Testing, pp.1-10, 2016 Sách, tạp chí
Tiêu đề: 19th World Conference on Non-Destructive Testing
[9] Olympus. OmniScan MX2 training program corrosion mapping 1 axis encoder acquisition (one line scan), pp.1-14, 2015 Sách, tạp chí
Tiêu đề: OmniScan MX2 training program corrosion mapping 1 axis encoder acquisition (one line scan)
[10] Olympus. OmniScan MX2 training program corrosion mapping 2 axis encoder accquisition (raster scan), pp.1-14, 2015 Sách, tạp chí
Tiêu đề: OmniScan MX2 training program corrosion mapping 2 axis encoder accquisition (raster scan)
[11] Alec Groysman. Corrosion in Systems for Storage and Transformation of Petroleum Products and Biofuels. Spinger, ISBN 978-94-007-7884-9, pp Sách, tạp chí
Tiêu đề: Spinger
[12] American Petrolium Institute. Tank inspection, repair, alteration and reconstruction. API 653, Fifth Edition, pp.52-132, November 2014 Sách, tạp chí
Tiêu đề: Tank inspection, repair, alteration and reconstruction
[13] Lyubomir Zdravkov, Mariya Pantusheva. Typical damage in steel storage tanks in operatio. First International Symposium on Risk and Safety of Complex Structures and Components, pp.291-298, 2019 Sách, tạp chí
Tiêu đề: First International Symposium on Risk and Safety of Complex Structures and Components
[15] RMS2 high speed. Remote access C-scan defect detection and corrosion mapping system. Sivelwing UK Ltd., BRO-RMS Revison 2.0 Sách, tạp chí
Tiêu đề: Remote access C-scan defect detection and corrosion mapping system
[16] S. G. Pierce, C. N. Macleod, G. Dobie, R. Summan. Path planning &amp; measurement registration for robotic structural asset monitoring. 7th European Workshop on Structural Health Monitoring, La Cité, Nantes, France, July 8-11, 2014, pp. 1 – 9, 2014 Sách, tạp chí
Tiêu đề: 7th European Workshop on Structural Health Monitoring
[17] Yang Xue, Jian-Qiao Sun. Solving the Path Planning Problem in Mobile Robotics with the Multi-Objective Evolutionary Algorithm. MPDI journal, Switzerland, 2018, 21 pages Sách, tạp chí
Tiêu đề: MPDI journal
[18] HaiyanWang, Zhiyu Zhou. A Heuristic Elastic Particle Swarm Optimization Algorithm for Robot Path Planning. MPDI journal, Switzerland, 2019 Sách, tạp chí
Tiêu đề: MPDI journal
[19] Firas A. Raheem, Umniah I. Hameed. Path Planning Algorithm using D* Heuristic Method Based on PSO in Dynamic Environment. American Scientific Research Journal for Engineering, Technology, and Sciences (ASRJETS), Volume 49, No 1, pp 257-271, 2018 Sách, tạp chí
Tiêu đề: American Scientific Research Journal for Engineering, Technology, and Sciences (ASRJETS)
[20] Patience I. Adamu, IAENG, Member, Joshua T. Jegede, Hilary I. Okagbue and Pelumi E. Oguntunde. Shortest Path Planning Algorithm – A Particle Swarm Optimization (PSO) Approach. Proceedings of the World Congress on Engineering (WCE 2018), July 4-6, 2018, London, U.K Sách, tạp chí
Tiêu đề: Proceedings of the World Congress on Engineering (WCE 2018)
[25] Robot leo tường của sinh viên Đại học Bách Khoa Đà Nẵng. Internet: https://zingnews.vn/sinh-vien-che-xe-lan-dieu-khien-bang-dau-robot-leo-tuong-post369551.html, 08/11/2021 Link
[26] Robot leo bám tường của học viện Kỹ Thuật Quân Sự. https://lhu.edu.vn/243/17603/Tong-Ket-Robocon-TechShow-2012.html, 08/11/2021 Link

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w