Ultrasonic NDT and its Ability to Detect Pitting Corrosion Behavior on Carbon Steel

Abstract

Denne rapporten fokuserer på å teste funksjonaliteten til overvåkningsutstyr basert på ultralyd, prod- usert av Sensorlink AS. Teknikker innenfor ultrasonisk NDT har blitt brukt for inspeksjon av tilstanden til rørledninger i olje – og gassindustrien i flere år, og etterspørselen er økende, da disse metodene for overvåkning generer presise estimater av uniform reduksjon i veggtykkelse. Interessen for bruken av disse metodene for å oppdage gropkorrosjon er også fremtredende. Hovedformålet med denne stud- ien er å evaluere i hvilken grad ultralydutstyret til Sensorlink klarer å detektere groper i overflaten til prøver av karbonstål. Effekten av temperatur på ultralydens hastighet i ulike stål blir også undersøkt.

I dette arbeidet ble effekten av temperatur på ultralydhastighet undersøkt for karbonstål og de rust- frie stålene AISI 316L og UNS S32750. Flere prøver av hvert stål ble eksponert for temperaturer fra 23 til 90°C, samtidig som ultralydmålinger ble gjort fortløpende på hver prøve. Deretter ble ultralydmålinger gjort på både maskinerte og korroderte groper på karbonstål. Et utvalg av res- ultatene produsert av de maskinerte gropene ble evaluert av en maskinlæringsalgoritme for deteks- jon av groper, som er under utvikling hos Sensorlink. Prøver som ble utsatt for akselerert korrosjon ble plassert under ulike galvanostatiske forhold i en 3.5 vekt% natriumkloridløsning. Prøvene ble inspisert ved hjelp av optisk mikroskopi for å avbilde tverrsnittet av gropene i etterkant av eksperi- mentene.

Data fra eksperimentet hvor ultralydhastighet som funksjon av temperatur ble undersøkt, viser at økende temperaturer reduserer ultralydhastigheten i stål, noe som vil føre til en økning av estimert veggtykkelse på en rørledning dersom det ikke kompenseres for. ToF-metoden viste at hastigheten i AISI 316L ble minst påvirket av økningen i temperatur. Sensorlinks nåværende metode for kom- pensering av temperatur viste at UNS S32750 ble minst påvirket av de samme temperaturvariasjonene.

Resultatene fra eksperimentene gjort på maskinerte groper tydet på deteksjon av groper var enklere dersom diameter og dybde på gropen var større. Samtidig antydet større dimensjoner på gropene en større grad av spredning og interferens av lydbølgene, noe som påvirket ultralydsignalene. Sensorlinks maskinlæringsalgoritme klarte å detektere de maskinerte gropene fra en dybde på omtrent 0.5mm for hver gropdiameter. Videre viste det seg at oppsettet brukt for prøvene som var delvis dekket med belegg, ikke var optimalt for å få gropene til å vokse. Til tross for dette, var forvente trender i sig- nalene observerbare til en viss grad, blant annet i form av amplitudereduksjon i ultralyd-ekkoene. For prøvene uten belegg var kurver for uniform tykkelsesreduksjon observerbare, men denne løsningen var ikke optimal for å evaluere lokal korrosjonsoppførsel ved hjelp av ultralyd.

This report focuses on testing the capabilities of ultrasound monitoring equipment produced by Sensorlink AS. Ultrasonic NDT for pipeline condition monitoring in the oil & gas industry has been used for several years and the demand is increasing, due to its reliability and accuracy in detecting pipe wall thickness reduction rates. However, questions related to the detection of pitting corrosion using ultrasound are becoming increasingly relevant. The main purpose of this study is to evaluate to what degree ultrasound testing equipment delivered by Sensorlink can detect pits in carbon steel surfaces. Ultrasound velocity in steel and its dependency on temperature is also investigated.

In this work, the effect of temperature on ultrasound velocities in carbon steel, AISI 316L, and UNS S32750 was initially investigated. Several samples of the different steels were subjected to a tem- perature range of 23 - 90°C, with ultrasound thickness measurements being continuously performed on each sample. Furthermore, ultrasound measurements were conducted on both machined and cor- roded carbon steel pits. A selection of the results from the machined pits was tested using a machine learning algorithm for pit detection, currently in development at Sensorlink. Samples subjected to accelerated corrosion were put under galvanostatic conditions in a 3.5wt% sodium chloride solution. Samples were inspected using optical microscopy in order to capture pit cross-sections.

Data resulting from the ultrasound velocity variation experiment indicated that elevated temperatures reduce the propagation velocity of ultrasound, which increases the measured thickness of a pipeline wall if not compensated for. Using the ToF-method, AISI 316L appeared to be least affected by temperature. For Sensorlink’s current temperature compensation model, UNS S32750 showed the highest resistance to temperature effects.

The results from the experiments involving machined pits inferred that the detection of pits was more likely for increased pit diameters and depths. On the other hand, larger pit dimensions indicated a potential increase in sound wave scattering and interference, which affected the ultrasound traces. Sensorlink’s machine learning algorithm was able to detect the machined pits at an approximate depth of 0.5mm for all diameters. For the corroding samples, the use of partially coated samples proved suboptimal for the setup used in this work. Despite this, expected results were still observed to some degree, in the shape of echo amplitude reductions. The non-coated samples partially produced sample thickness reduction data as expected from theory, but proved inadequate for evaluating local corrosion behavior using ultrasound.