葉偉文 楊波 龔妙 劉瑞 李重桂 李錄平

運(yùn)行在潮濕、寒冷環(huán)境下的風(fēng)電機(jī)組容易發(fā)生葉片覆冰，由此會(huì)造成機(jī)組的安全性、可靠性降低，嚴(yán)重影響經(jīng)濟(jì)運(yùn)行。目前，關(guān)于風(fēng)電機(jī)組葉片覆冰狀態(tài)診斷，國內(nèi)外學(xué)者進(jìn)行了大量的研究，如對(duì)葉片不同翼型下的覆冰形態(tài)進(jìn)行數(shù)據(jù)模擬，以建立覆冰與功率損失的診斷關(guān)系；在實(shí)驗(yàn)室環(huán)境下進(jìn)行不同覆冰狀態(tài)葉片的模態(tài)分析以及動(dòng)力特性模擬實(shí)驗(yàn)，確定了葉片模態(tài)頻率與覆冰程度的關(guān)系，建立起風(fēng)電機(jī)組葉片覆冰狀態(tài)定量檢測(cè)指標(biāo)體系。但是，數(shù)值模擬或?qū)嶒?yàn)所采用的物理模型和數(shù)據(jù)，與工程實(shí)際存有偏差，而直接利用風(fēng)電場(chǎng)SCADA系統(tǒng)采集的數(shù)據(jù)進(jìn)行風(fēng)電機(jī)組葉片覆冰診斷，是一種更加便捷有效的方式。

目前，基于SCADA數(shù)據(jù)的葉片覆冰診斷方法日益增多，其中以機(jī)器學(xué)習(xí)方法表現(xiàn)最佳。如運(yùn)用Elman人工神經(jīng)網(wǎng)絡(luò)對(duì)風(fēng)電機(jī)組葉片結(jié)冰故障進(jìn)行診斷；運(yùn)用全連接神經(jīng)網(wǎng)絡(luò)與隨機(jī)森林相結(jié)合進(jìn)行葉片覆冰數(shù)據(jù)仿真測(cè)試。但由于多種因素的限制，這些工作都處在理論方法的層面，與應(yīng)用到工程實(shí)際還有一定距離。目前在實(shí)際應(yīng)用層面，相關(guān)技術(shù)主要是由整機(jī)制造商開發(fā)研究，其基本思路為通過比較實(shí)際數(shù)據(jù)與理論數(shù)據(jù)之間的偏差進(jìn)行葉片覆冰狀態(tài)判斷。其缺點(diǎn)在于技術(shù)所用的指標(biāo)參數(shù)較為單一，使得診斷精度欠佳，對(duì)機(jī)組安全仍存在一定威脅性；同時(shí)大多需要安裝特定裝置，增加了額外的負(fù)擔(dān)與成本。

基于上述原因，為進(jìn)一步推動(dòng)工程應(yīng)用，本文在原有研究的基礎(chǔ)上進(jìn)行改進(jìn)，選取了五種與葉片覆冰狀態(tài)相關(guān)的故障參數(shù)指標(biāo)，搭建BP神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)診斷模型，并使用LabVIEW軟件平臺(tái)將診斷模型開發(fā)成風(fēng)電機(jī)組葉片覆冰狀態(tài)監(jiān)測(cè)與診斷系統(tǒng)，可實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)采集、顯示和分析，對(duì)當(dāng)前風(fēng)電機(jī)組葉片覆冰監(jiān)測(cè)與診斷技術(shù)的發(fā)展有一定促進(jìn)作用。

葉片覆冰狀態(tài)監(jiān)測(cè)模型

一、葉片覆冰狀態(tài)影響因素分析模型

在一個(gè)風(fēng)電場(chǎng)內(nèi)，風(fēng)電機(jī)組的位置分布廣，風(fēng)輪的朝向隨風(fēng)向變化，風(fēng)輪的轉(zhuǎn)速與葉片角度隨風(fēng)速變化，通過安裝固定覆冰傳感器的方式來檢測(cè)葉片的覆冰故障具有一定的局限性，宜采用基于運(yùn)行指標(biāo)參數(shù)分析的方法來監(jiān)測(cè)葉片的覆冰狀態(tài)。

眾多研究表明，對(duì)風(fēng)電機(jī)組葉片覆冰具有直接影響的因素是風(fēng)速、溫度和濕度，體現(xiàn)在SCADA參數(shù)列表中就是機(jī)艙氣象站風(fēng)速、測(cè)風(fēng)塔環(huán)境溫度和空氣濕度。溫度是風(fēng)電機(jī)組葉片覆冰的先決條件，直接影響著葉片的結(jié)冰與否；空氣濕度也對(duì)機(jī)組葉片覆冰起著重要的作用，并且影響著冰層的密度與形狀；風(fēng)速影響液滴在風(fēng)電機(jī)組葉片上附著的數(shù)量，也會(huì)增強(qiáng)葉片表面換熱，隨著風(fēng)速的增加，葉片更易發(fā)生覆冰。圖1所示為影響葉片覆冰狀態(tài)的外因和覆冰對(duì)機(jī)組狀態(tài)參數(shù)影響的邏輯關(guān)系，此圖也可視為葉片覆冰狀態(tài)監(jiān)測(cè)的物理模型。

對(duì)于特定的葉片而言，空氣溫度、空氣相對(duì)濕度、葉片與空氣之間的相對(duì)速度是影響葉片覆冰的重要外因。對(duì)于運(yùn)行中的風(fēng)電機(jī)組，其覆冰狀態(tài)（覆冰嚴(yán)重程度）又可以引起風(fēng)輪轉(zhuǎn)速偏差、機(jī)組輸出功率偏差、槳距角偏差、偏航角偏差的變化。所以，可以從外因與受影響參數(shù)的定量關(guān)系中提取葉片覆冰故障特征，再利用這些覆冰故障指標(biāo)來設(shè)計(jì)覆冰指標(biāo)提取模型，從而構(gòu)建葉片覆冰狀態(tài)診斷模型。

二、葉片覆冰監(jiān)測(cè)的指標(biāo)提取模型

在此前的研究中，通過設(shè)計(jì)葉片覆冰狀態(tài)特征參數(shù)處理模型，提取出6種與葉片覆冰相關(guān)的參數(shù)指標(biāo)，分別是溫度、濕度、功率-風(fēng)速指標(biāo)、槳距角、偏航角以及P/V3變化速率指標(biāo)，將其作為BP神經(jīng)網(wǎng)絡(luò)輸入特征，建立起風(fēng)電機(jī)組葉片覆冰診斷理論模型。但隨著研究的深入，需要對(duì)葉片覆冰指標(biāo)提取模型做出一些調(diào)整和改進(jìn)：

（1）原研究工作未對(duì)覆冰指標(biāo)的歸一化進(jìn)行統(tǒng)一，例如溫度指標(biāo)取值范圍為[–1，1]，而功率-風(fēng)速指標(biāo)取值范圍為[0，1]。依據(jù)回歸型機(jī)器學(xué)習(xí)算法的特性，要求輸入特征具有相同的度量尺度，因此，需對(duì)覆冰指標(biāo)進(jìn)行統(tǒng)一的歸一化；

（2）對(duì)環(huán)境溫度、空氣相對(duì)濕度和風(fēng)速-槳距角指標(biāo)的提取模型進(jìn)行了更加準(zhǔn)確的定義；

（3）用風(fēng)速-輪轂轉(zhuǎn)速指標(biāo)取代偏航角指標(biāo)，去除P/V3變化速率指標(biāo)，在保證精度的同時(shí)，優(yōu)化了系統(tǒng)處理和分析數(shù)據(jù)的過程，減少了運(yùn)算內(nèi)存。

（一）環(huán)境溫度指標(biāo)提取模型

圖2所示為濕冷環(huán)境中，在相同時(shí)間內(nèi)（40min）不同相對(duì)濕度（分別是88.4%、66.6%、60.7%、50.0%）下葉片冰層厚度與覆冰溫度之間關(guān)系的實(shí)驗(yàn)室模擬結(jié)果。從圖中可以看出：（1）在0℃～-5℃溫度范圍內(nèi)，溫度越低，葉片覆冰的速度越快；（2）當(dāng)氣溫低于-5℃時(shí)，在空氣濕度一定的情況下，溫度繼續(xù)降低，并未顯著提高葉片覆冰的速度；（3）在環(huán)境溫度一定的情況下，相對(duì)濕度越大，葉片覆冰的速度越快。

根據(jù)國內(nèi)風(fēng)電場(chǎng)分布的地域情況，設(shè)風(fēng)電機(jī)組工作溫度范圍為–40℃～50℃。依據(jù)風(fēng)電場(chǎng)運(yùn)行經(jīng)驗(yàn)，當(dāng)環(huán)境溫度低于5℃時(shí)風(fēng)電機(jī)組就會(huì)開始結(jié)冰。前述實(shí)驗(yàn)結(jié)果表明，當(dāng)空氣溫度為–5℃時(shí)葉片結(jié)冰速率基本達(dá)到最大，空氣溫度低于–5℃后，葉片結(jié)冰速率變化不大。

葉片覆冰狀態(tài)監(jiān)測(cè)系統(tǒng)

一、葉片覆冰狀態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

系統(tǒng)基于LabVIEW軟件平臺(tái)開發(fā)，首先從數(shù)據(jù)庫中提取風(fēng)電機(jī)組狀態(tài)信號(hào)和特征數(shù)據(jù)，再根據(jù)上述神經(jīng)網(wǎng)絡(luò)模型診斷葉片的覆冰狀態(tài)，從而實(shí)現(xiàn)風(fēng)電機(jī)組葉片覆冰狀態(tài)的遠(yuǎn)程監(jiān)測(cè)與診斷。根據(jù)LabVIEW軟件編程特點(diǎn)及葉片覆冰狀態(tài)監(jiān)測(cè)與診斷系統(tǒng)功能要求，系統(tǒng)的總體功能設(shè)計(jì)如圖4所示。

（1）用戶登錄：設(shè)置了用戶登錄權(quán)限，分為管理員（能夠執(zhí)行更高權(quán)限的操作）和普通用戶，用戶通過設(shè)定的密碼登錄系統(tǒng)，可實(shí)現(xiàn)修改密碼、個(gè)人信息等基本功能。

（2）幫助：對(duì)系統(tǒng)所需的相關(guān)參數(shù)進(jìn)行設(shè)置，輸入風(fēng)電機(jī)組的設(shè)計(jì)參數(shù)，主要包括額定風(fēng)速、額定功率、最大輪轂轉(zhuǎn)速等，用于后續(xù)數(shù)據(jù)歸一化處理；對(duì)系統(tǒng)進(jìn)行維護(hù)。

（3）顯示：呈現(xiàn)各個(gè)后臺(tái)分析模塊的分析結(jié)果，包括：采集的各狀態(tài)的實(shí)時(shí)數(shù)據(jù)、覆冰特征數(shù)據(jù)隨時(shí)間的變化曲線、診斷結(jié)果等。

（4）操作：進(jìn)入MATLAB Script節(jié)點(diǎn)對(duì)數(shù)據(jù)進(jìn)行處理和神經(jīng)網(wǎng)絡(luò)訓(xùn)練；對(duì)數(shù)據(jù)處理結(jié)果及繪制的數(shù)據(jù)曲線進(jìn)行保存；查詢模塊可實(shí)現(xiàn)數(shù)據(jù)回放功能。

（5）診斷：主要完成對(duì)葉片覆冰程度的診斷分析，并將診斷結(jié)果顯示在前面板上。

根據(jù)該系統(tǒng)設(shè)計(jì)的主體功能框架和需求分析，系統(tǒng)軟件主要功能總體設(shè)計(jì)流程圖如圖5所示。該流程綜合考慮了各功能模塊的需求和鏈接，以及不同應(yīng)用對(duì)象及場(chǎng)景的適用性，簡(jiǎn)化了計(jì)算程序，特別是對(duì)于同種型號(hào)的機(jī)組，只需訓(xùn)練一次神經(jīng)網(wǎng)絡(luò)，便可進(jìn)行覆冰狀態(tài)的監(jiān)測(cè)，不需要時(shí)刻訓(xùn)練神經(jīng)網(wǎng)絡(luò)，因此可節(jié)省大量時(shí)間。

軟件的主界面如圖6所示，包含用戶登錄、功能控制按鈕以及信號(hào)顯示及查詢按鈕等，可以顯示實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)及數(shù)據(jù)處理與診斷結(jié)果。

以某2MW風(fēng)電機(jī)組為例進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，選取該機(jī)組一段時(shí)期內(nèi)不同時(shí)間不同覆冰程度的真實(shí)數(shù)據(jù)，經(jīng)過核密度-均值篩選，挑選出1000組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本。在學(xué)習(xí)率設(shè)置為0.01、隱含層節(jié)點(diǎn)數(shù)設(shè)置為16的條件下，經(jīng)過973次訓(xùn)練成功達(dá)到0.001的精度要求。

系統(tǒng)通過調(diào)用MATLAB Script節(jié)點(diǎn)，在節(jié)點(diǎn)中放入事先編譯好的數(shù)據(jù)處理及診斷程序，先對(duì)調(diào)用的原始數(shù)據(jù)進(jìn)行去空值和平均值處理，選取在風(fēng)電機(jī)組運(yùn)行風(fēng)速范圍內(nèi)的狀態(tài)參數(shù)值，然后根據(jù)所提出的風(fēng)電機(jī)組葉片覆冰故障特征提取模型，對(duì)數(shù)據(jù)進(jìn)行歸一化處理，并將其導(dǎo)入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中，最后輸出神經(jīng)網(wǎng)絡(luò)診斷數(shù)據(jù)及其特征圖。

二、葉片覆冰狀態(tài)監(jiān)測(cè)系統(tǒng)集成與測(cè)試

軟件總體分為三個(gè)主要模塊，分別為數(shù)據(jù)讀取與顯示、故障診斷和數(shù)據(jù)存儲(chǔ)與回放。從數(shù)據(jù)流向來看，數(shù)據(jù)傳遞順序?yàn)椋?/p>

（1）數(shù)據(jù)讀取與顯示模塊：將從SCADA系統(tǒng)中導(dǎo)出的狀態(tài)數(shù)據(jù)保存在合適的路徑下，然后通過LabVIEW數(shù)據(jù)讀取子模塊，將SCADA數(shù)據(jù)讀取到軟件系統(tǒng)的數(shù)據(jù)緩存區(qū)，并將數(shù)據(jù)實(shí)時(shí)顯示在程序前面板上。

（2）故障診斷模塊：將數(shù)據(jù)從緩存區(qū)中讀取進(jìn)來，首先在MATLAB Script節(jié)點(diǎn)中經(jīng)過一系列數(shù)據(jù)預(yù)處理，包括去空值、取平均、歸一化等處理，獲取覆冰指標(biāo)參數(shù)，進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，然后用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，對(duì)讀取到的數(shù)據(jù)進(jìn)行診斷。

（3）數(shù)據(jù)存儲(chǔ)與回放模塊：對(duì)讀取的數(shù)據(jù)和故障診斷結(jié)果進(jìn)行及時(shí)保存，便于日后調(diào)用和對(duì)比分析。

在調(diào)用原始數(shù)據(jù)之前，為方便后續(xù)在MATLAB Script節(jié)點(diǎn)中進(jìn)行覆冰狀態(tài)診斷，需要提前設(shè)置風(fēng)電機(jī)組的相關(guān)參數(shù)，包括額定風(fēng)速（10m/s）、額定功率（2000kW）和最大輪轂轉(zhuǎn)速（16.0228rad/s）。此外，為方便運(yùn)行人員直觀判斷葉片覆冰程度，設(shè)置覆冰程度報(bào)警指示燈：未覆冰時(shí)指示燈顏色為綠色；輕微覆冰時(shí)指示燈顏色為黃色；較嚴(yán)重覆冰時(shí)指示燈顏色為橙色；嚴(yán)重覆冰時(shí)指示燈顏色為紅色。

將數(shù)據(jù)調(diào)用進(jìn)系統(tǒng)，可在系統(tǒng)前面板查看到各覆冰相關(guān)參數(shù)的變化情況，同時(shí)系統(tǒng)開始對(duì)數(shù)據(jù)進(jìn)行診斷。將狀態(tài)特征曲線以波形圖的形式顯示在系統(tǒng)主界面上，并展現(xiàn)與診斷結(jié)果相匹配的報(bào)警指示燈顏色，同時(shí)還可以將診斷數(shù)據(jù)及結(jié)果進(jìn)行保存，便于下次查看和對(duì)比。

為測(cè)試系統(tǒng)功能，調(diào)取一段風(fēng)電機(jī)組葉片嚴(yán)重覆冰期間的歷史數(shù)據(jù)，圖7為系統(tǒng)數(shù)據(jù)顯示前面板與診斷結(jié)果。當(dāng)前覆冰狀態(tài)診斷值ZT為0.89，覆冰狀態(tài)指示燈為紅燈，說明該系統(tǒng)能夠有效診斷風(fēng)電機(jī)組葉片覆冰嚴(yán)重程度。

三、葉片覆冰狀態(tài)監(jiān)測(cè)系統(tǒng)性能檢驗(yàn)與分析

為驗(yàn)證所開發(fā)出的風(fēng)電機(jī)組葉片覆冰狀態(tài)診斷系統(tǒng)的準(zhǔn)確性與穩(wěn)定性，選取湖南郴州某風(fēng)電場(chǎng)一臺(tái)額定功率為2MW、額定風(fēng)速為10m/s的風(fēng)電機(jī)組為應(yīng)用對(duì)象，該機(jī)組有效風(fēng)速段為3 ～22 m/s，槳距角允許誤差為0 ～3.6422，偏航允許誤差為±15。使用該機(jī)組從2018年1月2日開始覆冰至1月4日達(dá)到停機(jī)閾值這一時(shí)段的歷史覆冰數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。前述神經(jīng)網(wǎng)絡(luò)訓(xùn)練所用數(shù)據(jù)同源于此。

系統(tǒng)運(yùn)行過程采取的是模擬傳感器實(shí)時(shí)采集數(shù)據(jù)的方式，系統(tǒng)每隔一秒從數(shù)據(jù)庫中讀取一組參數(shù)進(jìn)行診斷，每一秒就會(huì)產(chǎn)出一個(gè)診斷結(jié)果，其診斷輸出結(jié)果如圖8所示。從圖中可以看出，診斷值時(shí)刻發(fā)生變化，但整體而言，能夠?qū)⑷~片覆冰越來越嚴(yán)重的情況展示出來，且與機(jī)組在2018年1月4日04：01因覆冰嚴(yán)重而停機(jī)的情況相符。

為分析系統(tǒng)的穩(wěn)定性，利用帶寬占比分析法來確定診斷值的偏差范圍，其分析過程為將整條曲線分成若干個(gè)區(qū)間，區(qū)間長(zhǎng)度為500個(gè)時(shí)間點(diǎn)，找出各區(qū)間內(nèi)診斷ZT值的最大值以及最小值，對(duì)最大值進(jìn)行擬合得到上包絡(luò)線，對(duì)最小值進(jìn)行擬合得到下包絡(luò)線，上下兩條包絡(luò)線形成包絡(luò)帶，診斷ZT值始終位于包絡(luò)帶內(nèi)。定義包絡(luò)帶帶寬為某時(shí)刻上、下兩條包絡(luò)線值的差值，帶寬占比表示帶寬占整個(gè)診斷值取值范圍的百分比，如圖9所示。

此包絡(luò)帶平均帶寬為0.0579，最大帶寬為0.0584，分別占診斷值取值范圍的5.79%和5.84%，即診斷值波動(dòng)范圍穩(wěn)定在±3%之內(nèi)，表明系統(tǒng)診斷結(jié)果波動(dòng)穩(wěn)定。

同時(shí)從圖9中可看出，由于對(duì)覆冰等級(jí)進(jìn)行了定量，且診斷值存在波動(dòng)，覆冰等級(jí)分界線與上、下兩條包絡(luò)線的交點(diǎn)所對(duì)應(yīng)的橫坐標(biāo)之間的區(qū)域（a、b和c）存在診斷等級(jí)交叉現(xiàn)象，由此會(huì)帶來診斷失誤。為確定系統(tǒng)診斷誤差的大小，采用如下幾何分析的方式進(jìn)行論證：

y=0.2的覆冰等級(jí)分界線，與上、下兩條包絡(luò)線交點(diǎn)所對(duì)應(yīng)的橫坐標(biāo)區(qū)間長(zhǎng)度為9082，同時(shí)橫坐標(biāo)區(qū)間截取的包絡(luò)帶形狀，被該線分割成兩個(gè)面積近似相等的三角形A和B。對(duì)于未覆冰等級(jí)的診斷，三角形A所在區(qū)域診斷正確，三角形B所在區(qū)域診斷錯(cuò)誤；對(duì)于輕微覆冰等級(jí)的診斷，三角形A所在區(qū)域診斷錯(cuò)誤，三角形B所在區(qū)域診斷正確，所以在橫坐標(biāo)a區(qū)域系統(tǒng)診斷正確率為50%，即診斷正確的時(shí)間點(diǎn)有4541個(gè)，錯(cuò)誤的時(shí)間點(diǎn)同樣為4541個(gè)。同理，y=0.5的覆冰等級(jí)分界線，與上、下兩條包絡(luò)線交點(diǎn)所對(duì)應(yīng)的橫坐標(biāo)區(qū)間長(zhǎng)度為3921，診斷錯(cuò)誤的時(shí)間點(diǎn)有1961個(gè)；y=0.8的覆冰等級(jí)分界線，與上、下兩條包絡(luò)線交點(diǎn)所對(duì)應(yīng)的橫坐標(biāo)區(qū)間長(zhǎng)度為5472，診斷錯(cuò)誤的時(shí)間點(diǎn)有2736個(gè)。系統(tǒng)運(yùn)行測(cè)試數(shù)據(jù)時(shí)間點(diǎn)約11萬個(gè)，其中診斷錯(cuò)誤的時(shí)間點(diǎn)約9238個(gè)，可得系統(tǒng)診斷誤差為8.39%。

造成系統(tǒng)診斷誤差的原因：一是環(huán)境因素隨機(jī)變化較大，以及傳感器檢測(cè)數(shù)據(jù)有偏差，使診斷結(jié)果出現(xiàn)波動(dòng)；二是由于神經(jīng)網(wǎng)絡(luò)初始權(quán)值與閾值設(shè)置存有缺陷，具有一定局限性，導(dǎo)致診斷值波動(dòng)；三是由于覆冰程度本就為一種模糊判定，在進(jìn)行定量分級(jí)診斷時(shí)，增加了系統(tǒng)診斷誤差。

總的來說，系統(tǒng)診斷值波動(dòng)范圍小，診斷誤差較小，系統(tǒng)運(yùn)行性能良好。

結(jié)論

本文在原有研究的基礎(chǔ)上改進(jìn)風(fēng)電機(jī)組葉片覆冰狀態(tài)監(jiān)測(cè)與診斷數(shù)學(xué)模型，該模型的特點(diǎn)是從機(jī)組運(yùn)行狀態(tài)參數(shù)中提取環(huán)境溫度、空氣相對(duì)濕度、風(fēng)速-功率、風(fēng)速-槳距角以及風(fēng)速-輪轂轉(zhuǎn)速作為葉片覆冰故障特征，通過簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)葉片覆冰故障的監(jiān)測(cè)與診斷。

利用工程實(shí)際數(shù)據(jù)對(duì)所開發(fā)出的葉片覆冰狀態(tài)監(jiān)測(cè)系統(tǒng)的性能進(jìn)行檢驗(yàn)，并運(yùn)用帶寬占比法對(duì)系統(tǒng)運(yùn)行情況進(jìn)行評(píng)估，得到平均帶寬占比為5.79%，診斷值波動(dòng)范圍在±3%之內(nèi)，同時(shí)采用幾何方法分析得出系統(tǒng)診斷誤差為8.39%，表明了該系統(tǒng)運(yùn)行性能良好，能準(zhǔn)確診斷出葉片的覆冰狀態(tài)，具有一定的工程應(yīng)用價(jià)值。

（作者單位：葉偉文，楊波：廣州特種承壓設(shè)備檢測(cè)研究院；龔妙，劉瑞，李重桂，李錄平：長(zhǎng)沙理工大學(xué)）