שיטת זיהוי דליפות בצנרת למערכת תפעול דודי קיטור באמצעות טכנולוגיית פליטת אקוסטית מבוססת SVM משופרת

מדוע דליפות חבויות בתחנות כוח חשובות

בתוך תחנות כוח גדולות, רשתות צינורות מתכת מעבירות אדי קיטור לוהטים וגזים חמים שמאפשרים את אספקת החשמל. אם אחד הצינורות מתחיל לדלוף — אפילו באמצעות חור בקוטר זעיר — זה עלול לבזבז אנרגיה, להזיק לציוד ובמקרים קיצוניים לגרום לפיצוצים מסוכנים. יחד עם זאת, הרעש והחום של דוד פועל מקשים לזהות דליפות מוקדם. מחקר זה בוחן דרך חכמה יותר "להאזין" לבעיות בתוך הצינורות באמצעות גליים קוליים ולמידת מכונה, במטרה לתפוס דליפות קטנות במהירות ובאמינות, גם בסביבות תעשייתיות רועשות מאוד.

להאזין לצינורות במקום לבדוק מדדים

שיטות מסורתיות לזיהוי דליפות מתמקדות בלחץ או בזרימה: מפעילים עוקבים אחרי ירידות בלחץ או חוסר התאמות בין כמות הנוזל שנכנסת לזו שיוצאת. שיטות אלה עובדות די טוב במקרה של כשלים פתאומיים וגדולים, אבל מסרבות להגיב במהירות ולעתים מפספסות דליפות קטנות או שמתפתחות לאט. הגישה במאמר זה מתבססת במקום זאת על פליטה אקוסטית — גלי מתח זעירים שמתקדמים דרך המתכת כשנוצרת סדק או שאדי הקיטור יוצאים. חיישני פיזואלקטריים רגישים המודבקים לדופן הצינור קלטים את הגלים הללו, שמסוננים ומומרים לאותות דיגיטליים. מאחר שחתימות הקול מגיעות ישירות מהדליפה עצמה, הן יכולות לחשוף בעיות מוקדם יותר ולעבוד בתנאים קשים שבהם חיישנים אחרים מתקשים.

הפיכת רעש גולמי לדפוסים משמעותיים

לכידת הקול בלבד אינה מספיקה: דוד פעיל מלא ברעש רקע שמקורו במצננים, משאבות וזרימת גז. החוקרים מתמודדים עם זאת על ידי דחיסת כל פרץ של נתוני אקוסטיקה ל"טביעת אצבע" בת שמונה מספרים שמתארת כיצד האות מתנהג לאורך הזמן ועל פני התדרים. חלק מהמספרים מתארים כמה חזק וכמה ארוך הפרץ; אחרים מודדים עד כמה מהר הוא עולה, כמה הוא מהדהד וכיצד האנרגיה שלו מפוזרת בתדרים נמוכים או גבוהים. טביעות אצבע אלה שונות באופן אופייני עבור שלושה סוגי דליפות שנבדקו — נקודות קטנות, סדקים מתפתחים ופיצוצי צינור עזים — כך שמחשב יכול ללמוד להבחין ביניהן.

מנוע החלטות חכם יותר למפעלים רועשים

בלב המערכת נמצא גרסה משופרת של מכונת וקטורים תומכת, אלגוריתם סיווג נפוץ. גרסאות סטנדרטיות של אלגוריתם זה נתקעות כשנתונים רועשים וכשסוגי הדליפות מייצרים אותות שאינם מופרדים באופן ברור. המחברים מציעים שני שדרוגים מרכזיים. ראשית, הם בוחרים אוטומטית בין כלל החלטה פשוט לבין כלל גמיש יותר בהתאם לריכוז או לפיזור של תוכן התדרים: ספקטרות מצומצמות ובעלות שיא חד מטופלות בעזרת כלל פשוט, בעוד שספקטרות רחבות ובעלות מורכבות משתמשות בכלל מקומר. שנית, במהלך האימון הם נותנים חשיבות נוספת לדגימות אות שנמצאות קרוב לגבול ההחלטה — במקום שבו הרעש עלול לגרום לשגיאות — כדי שהאלגוריתם ילמד לשרטט קווי הפרדה אמינים יותר.

בדיקת השיטה במבחן

הצוות בנה מערכת צנרת דוד בקנה מידה מעבדתי כדי ליצור דליפות מבוקרות משלושה סוגים ולרשום את חתימות האקוסטיקה שלהן. בתנאי שקט דומים למעבדה מבודדת היטב, הממיין המשופר זיהה נכונה את כל דגימות הבדיקה של דליפות נקודתיות, סדקים ופיצוצים — והגיע לדיוק של 100 אחוז. האתגר האמיתי הופיע כשחוקרי הוסיפו רעש מלאכותי חזק כדי לחקות את רעש הרקע הקשה של כ-70 dB האופייני לחדרי דודים אמיתיים. גם אז, השיטה שלהם סיווגה נכונה מעל 85 אחוז מהדליפות בכל שלושת הסוגים ועלה על מכונת וקטורים תומכת קונבנציונלית שמותאמת בקפידה בכ-12–15 נקודות אחוז. היא גם התקדמה על כלי נפוצים אחרים כגון עצי החלטה, יערות אקראיים, מודלים מבוססי חיזוק, k-שכנים קרובים ורשת עמוקה קומפקטית שאומנה על אותו מאגר נתונים קטן.

מה זה אומר לאנרגיה בטוחה ונקייה יותר

עבור קוראים שאינם מומחים, המסקנה היא שעבודה זו עושה את ניטור צנרות דודים קריטיות באמצעות קול הרבה יותר מעשי, מבלי להזדקק לכמויות עצומות של נתוני אימון או לתנאי שקט מושלמים. על ידי שילוב טביעת אצבע אקוסטית קומפקטית עם ממיין אדפטיבי המודע לרעש, השיטה יכולה לסמן את סוג הדליפה הסביר בזמן מוקדם ובאמינות. בתחנות כוח, זה יכול להתבטא בפחות כשלים קטסטרופליים, פחות בזבוז דלק ושגרות תחזוקה יעילות יותר — שבהן צוותים מונחים על ידי מערכות האזנה חכמות שמצביעות על הבעיה זמן רב לפני שהיא נראית לעין.

ציטוט: Yuan, T., Zhang, X., Zhang, Q. et al. A pipeline leakage detection method for boiler energy operation system using enhanced SVM-based acoustic emission technology. Sci Rep 16, 12520 (2026). https://doi.org/10.1038/s41598-026-42769-5

מילות מפתח: זיהוי דליפות בצנרת, פליטה אקוסטית, בטיחות דודים, למידת מכונה, מכונת וקטורים תומכת