Étude et développement du contrôle par émission acoustique des phénomènes de corrosions et de fuites appliqué au stockage des produits pétroliers : cas des bacs de stockage

Study and development of the monitoring by acoustic emission of the corrosion and leaks phenomena applied to the petroleum products storage : case of storage tanks

• Auteur / Autrice : Salah-Eddine Mechraoui
• Direction : Abdelouahed Laksimi
• Type : Thèse de doctorat
• Discipline(s) : Mécanique
• Date : Soutenance en 2007
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Compiègne)

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Reconnaissance des formes (informatique)

Détecteurs de fuites

Pétrochimie

Réservoirs de stockage

Produits pétroliers -- Stockage

Pétrole

Corrosion

Contrôle par émission acoustique

Mots clés libres

Pétrole brut

Industrie pétrochimique

Détection

Bacs de stockage

Fuites

Classification par reconnaissance de formes

Classification par réseaux de neurones

Ea

Résumé

Dans l'industrie pétrochimique, les bacs de stockage en service sont très souvent soumis à des contraintes mécaniques élevées, des phénomènes de corrosion, de fatigue et de vieillissement. Ces phénomènes les dégradent et mènent généralement à des fuites catastrophiques pour la nature et de grosses pertes économiques. C'est pourquoi, la question de la sécurité et la sûreté de ces installations est devenue une réelle priorité, et leur suivi avec des techniques de contrôle non destructif (CND) variées est nécessaire, telle que l'émission acoustique (EA). Cette technique innovante, présente des avantages majeurs dans la détection des fuites et de la corrosion dans les bacs de stockage, comme le contrôle global en temps réel et en service. Néanmoins, pour réussir un diagnostic correct, la maitrise de cette technique est très importante pour une bonne interprétation de résultats. C'est dans cette direction que ce travail de thèse a été réalisé. L’objectif principal est d'étudier et analyser séparément à l'échelle laboratoire les phénomènes source de l'EA dans les bacs de stockage : la corrosion naissante, la corrosion ancienne et le phénomène de fuite. Les essais de la corrosion naissante sont réalisés sur l'acier S235JR, ceux de la corrosion ancienne sur des éprouvettes usinées à partir d'un produit de corrosion de réservoir de stockage réel. Enfin, les essais de fuites sont simulés sur une mini-structure en acier S235JR. Deux types de classification des données sont employés : la classification par réseaux de neurone et par reconnaissance des formes. Sur la base de ces résultats, une approche du problème à l'échelle industrielle est proposée, appliquée et analysée.

Ln the petrochemical industry the storage tanks under operation are very often subjected to high mechanical stress, fatigue, aging and corrosion phenomena reducing their lifespan. These phenomena deteriorate these structures severely and lead generally to catastrophic leaks for nature and significant economic lasses. Therefore, the question of security and safety of such installations became a real priority and the monitoring with different non-destructive testing techniques (NDT) is necessity, such as the acoustic emission (AE). This innovative technique has major advantages in the detection of leaks and corrosion in storage tanks. It’s a global technique which can be applied on line without significant immobilization of the structure. However, to succeed a correct diagnosis, the mastery of this technique is very important for a good results interpretation. Lt is in this way that this thesis was realised. The main objective is to study and analyse separately, in the laboratory scale, the different phenomena sources of the AE in storage tanks such as : new corrosion, old corrosion and leaks. The new corrosion tests are realised on low carbon steel S235JR used in real crude oil manufacturing. The old corrosion tests have been carried out on real steel specimen cut from a real storage tank. Finally leaks are simulated on a S235JR mini-structure. Two type of data classification are used for the treatment : classification by a neural networks classification and a pattern recognition classification of AE events collected from laboratory tests. Based on these results, an approach to the industrial scale problem is proposed, applied and analysed.