梅 斌

本研究聚焦火力发电系统关键设备压力容器的泄漏失效问题，针对传统检测手段滞后性明显、故障特征识别精度不足等瓶颈开展系统性研究。通过建立多物理场耦合的泄漏演化模型，揭示了介质渗透、裂纹扩展与应力腐蚀的交互作用机制，发现温度梯度变化对缺陷萌生速率具有显著非线性影响特征。基于深度迁移学习框架构建了多源异构数据融合诊断系统，集成声发射信号时频特征提取、红外热像图卷积神经网络分类以及泄漏率动态预测模块，实现了从微观缺陷到宏观泄漏的跨尺度识别。工程验证表明，该技术体系在典型机组应用中将故障响应时间缩短至常规巡检周期的18%，误报率控制在3%以下。研究成果为构建预防性维修决策支持系统提供了技术基础，特别是在高温高压工况下的密封性能评估方面形成创新性解决方案，对提升电厂本质安全水平具有重要工程价值。未来研究将重点关注数字孪生框架下的全生命周期健康管理，推动状态监测技术向预测性维护模式转型升级。

压力容器泄漏；故障诊断；深度学习；数字孪生；预测性维护；多物理场耦合

[1] 王甫,胡松山.电厂锅炉压力容器热力管道安装监督检验工作探讨[J].中国设备工程,2019,(16):76-78. [2] 罗惠龙,赵鹏,潘海林.基于声发射技术的密封压力容器泄漏检测模型研究[J].天津科技,2024,51(06):16-18. [3] 段军军,贺杠,刘艳雄.化工设备压力容器破坏原因及预防分析[J].中国设备工程,2024,(01):196-198. [4] 廖湖广,林伟国.基于压电式压力传感器的压力容器气密性检测方法[J].北京化工大学学报(自然科学版),2022,49(05):52-58. [5] 廖湖广,林伟国.基于压电式压力传感器的压力容器气密性检测方法[J].北京化工大学学报(自然科学版),2022,49(05):52-58.

点击下载PDF