共查询到20条相似文献,搜索用时 190 毫秒
1.
厚壁压力容器声发射技术声源定位误差分析 总被引:1,自引:0,他引:1
声发射技术(AE)已经被广泛应用到压力容器、压力管道等检验中。声源定位在整个声发射检验与评定结果过程中起重要作用,目前这方面的研究热点是如何提高定位精度。声发射技术通常采用时差定位法来检测压力容器和压力管道的缺陷,通过检测声波到达不同传感器的时间来确定声源位置。对于厚壁压力容器来说,若声源位于容器的内表面或内部,显然容器壁厚会对声源的精确定位产生一定的影响。针对此问题,详细推导并得出厚壁压力容器中声发射检测的定位误差的解析解,分析和讨论了声源定位误差的变化规律。分析结果表明,定位误差的试验值和理论分析符合良好,计算数据与试验值之间的最大误差为7.12%。当容器壁厚小于600mm的情况下,建议实际声发射检测中对声源位置200nm以内区域采用其他常规无损检测方法进行复验以确定实际声源位置。 相似文献
2.
介绍了压力容器声发射检验的基本原理和缺陷评定的准则,列出了声发射检验的基本步骤。检验结果表明,塔体上共发现19个有意义的声发射源,其中3个源内发现5条大的表面裂纹,长度分别为6~40mm,在另外一个源的焊缝内发现一处超标的条状夹渣缺陷。 相似文献
3.
4.
现场压力容器检验的声发射源 总被引:6,自引:5,他引:1
自1963年Dunegan首次进行压力容器的声发射检验以来.到目前声发射技术在压力容器检验中的应用已超过了30多a(年)。在这30a中.声发射仪从全模拟式到全数字式已经更新了五代以上.声发射技术在北美、欧洲、中国、日本、澳大利亚等许多国家的压力容器检验中得到广泛应用.并制订了许多声发射检验标准.据文献报道.全世界采用声发射技术检验的大型压力容器有数千台.有关压力容器声发射检验的文章也很多。然而.许多文章只报道了在试验室内进行一台压力容器的试验结果.另一些文章报道了进行许多压力容器声发射检验的统计结果.没有给出现场压力容器检验遇到大量声发射源的特性。本文根据笔者对500多台压力容器现场在役和在线检验的数据,给出了现场压力容器检验可能遇到的多种声发射源。这些声发射源包括裂纹、夹渣、未熔合、未焊透等焊接缺陷的开裂和增长、残余应力释放、氧化皮的剥落、结构摩擦、泄漏、风吹、雨滴撞击和电子噪声等。文中时这些声发射源的定位、分布和关联待性分别进行了分析.并列举了大量的实例。1 定位特性1.1 裂纹1.1.1 焊接表面裂纹和体内深埋裂纹的定位控制焊接工艺.在几何尺寸为内径1800mm、筒体长8000mm、壁厚14mm、材质为16MnR的 相似文献
5.
6.
碳四球罐的在役声发射检测 总被引:1,自引:0,他引:1
声发射检测具有检测灵敏度高、检测速度快、低劳动强度等特点 ,在压力容器检验中得到越来越广泛的应用。一般的压力容器声发射检测程序是将容器内的介质倒空 ,进行置换 ,再注满水 ,然后打压加载 ,同时布置探头进行信号采集 ,完成声发射检测。某石化公司由于生产需要 ,一台盛装碳四介质的10 0 0m3在用球罐无法停运行倒空介质 ,但已到定检周期 ,依据国家质监局的《压力容器安全技术监察规程》必须进行全面检验。有鉴于此 ,与用户协商 ,确定采用声发射技术进行在役检测 ,在不倒空介质的情况下充加氮气加载。但此加载方式属于气压试验 ,具有较… 相似文献
7.
8.
采用声发射、磁记忆检测技术与常规无损检测技术相结合的方法对400m^3氧气球罐进行在线检验,得到了400m^3氧气球罐典型案例的检测方案和检测数据。结果表明,采用声发射、磁记忆检测、联合超声和磁粉检测可以实现氧气罐的在线检测,磁记忆榆测技术可以检测到内部非超标缺陷影响形成的应力集中,声发射技术评价缺陷的活性,常规超声检测可能存在表面缺陷漏检的情况,声发射、磁记忆检测弥补了常规无损检测方法的不足。容器加压声发射检测中不活动缺陷和活动缺陷的磁记忆信号有明显差异。 相似文献
9.
简要介绍了球罐检验中采用声发射技术的检验方法和结果评定,论述了声发射检测用于球罐检验的作用及意义。 相似文献
10.
11.
12.
13.
14.
15.
介绍了一台在用压力容器的检验过程。在发现超标缺陷后,采用声发射方法判断缺陷的活性,从而使缺陷得到合理的处理,保障了设备的安全使用。 相似文献
16.
17.
针对多层包扎容器结构特点,对声发射技术在多层包扎容器检测中应注意的问题进行了探讨。提出对于多层包扎容器,其多层卷板筒节中活性缺陷的探测不应采用时差三角形定位方法,而应在环焊缝上线形布置传感器,以保证传感器收到的信号真实地反映源的强度和活度;而在整体锻造的封头上推荐采用时差三角形定位方法,并对其原因进行了详细分析,同时对信号的处理问题也给出了建议。 相似文献
18.
对纤维缠绕环氧树脂基复合材料压力容器加压,可以得到声发射振幅分布数据,从而建立起此类容器爆破压力的预测模型。可用一个反向传递人工神经网络预测其爆破压力,实验证明,该方法的误差在5%以内。 相似文献
19.