适用于制造技术

本发明专利技术公开了一种适用于

【技术实现步骤摘要】
适用于CPR机组的中子通量指套管磨损深度预测方法


[0001]本专利技术属于核电检测设备领域，特别涉及一种适用于
CPR
机组的中子通量指套管磨损深度预测方法
。

技术介绍

[0002]指套管是移动式微型裂变室的通道，是核电站反应堆堆芯中子通量测量系统的重要组成部分
。
目前，业界主要通过
Bobbin
探头涡流检测方法定期跟踪检查指套管磨损缺陷；对指套管磨损深度的预测则是通过整体采集数据，对采集的数据进行整体处理分析，如公开号为
CN113836709A
的专利，由于其数据进行整体采集处理分析，因此数据噪音较大，导致存在预测数据结果异常概率高，拟合精度不高的问题，且其针对磨损速度进行预测，无法直接用于对指套管状态评估后的决策
。

技术实现思路

[0003]本专利技术的目的是提供一种适用于
CPR
机组的中子通量指套管磨损深度预测方法，其精度更高，数据说服性更强
。
[0004]为解决上述技术问题，本专利技术采用如下技术方案：一种适用于
CPR
机组的中子通量指套管磨损深度预测方法，指套管位于堆芯上，它包括以下步骤：
[0005]a.
将堆芯分为
N
个区域，
N
为大于1的整数，分区域对各区域内的指套管进行采集数据，数据至少包括指套管在反应堆的区域分类，磨损部位的分类；
[0006]b.
将采集到的数据进行降噪处理；
[0007]c.
数据处理完成后，对
N
个区域的数据分别构建
ANN
与
CNN
神经网络模型，选取连续年份的数据进行学习并预测得到信号值，将预测信号值与实际信号值进行对比，直至模型的预测准确率达
95
％以上；
[0008]d.
利用合格的模型得到预测的信号值之后，需要将其转换为缺陷的具体参数，结合实际磨损情况，将缺陷分为楔形和环形两类，两类缺陷分别对应不同的磨损部位，分别对其进行数值仿真模拟，并绘制出缺陷深度和周向角度与幅值相位信号之间的关系
。
[0009]另一种实施方式，所述
ANN
神经网络模型中，网络共包含输入层
、M
个隐藏层以及输出层；
CNN
神经网络模型中，网络共包含输入层
、A
个卷积层，
B
个池化层，
C
个平铺层以及输出层
。
[0010]另一种实施方式，其中输入层
X
个神经单元，分别代表近
X
年的信号数据
。
[0011]另一种实施方式，输出层至少有二个神经单元分别代表预测年份的幅值与相位
。
[0012]另一种实施方式，隐藏层各包含
Z
个神经单元
。
[0013]另一种实施方式，
4≤N≤8。
[0014]另一种实施方式，
2≤M≤6。
[0015]另一种实施方式，
4≤A≤10。
[0016]另一种实施方式，
0≤B≤A。
[0017]另一种实施方式，
2≤X≤8。
[0018]另一种实施方式，
4≤Z≤20。
[0019]另一种实施方式，步骤
b
中，采集的四个频率信号经过混频之后可以消除背景噪声并将信号增强，然后对于测量时由于测量方式产生的误差加以调整；对于测量失误而导致明显异常的值进行删除和校正；对于未进行测量而导致年份之间存在的缺失数据，参照前后年份的值进行均值填补
。
[0020]本专利技术的有益效果在于：本专利技术能有效降低堆芯内环境以及磨损部位对数据的影响，同时数据插值与神经网络算法结合可以更加贴近真实的变化关系，进而降低误差，提高预测的精准度
。
附图说明
[0021]图1是本专利技术中堆芯的区域划分方式示意图；
[0022]图2是
ANN
神经网络结构图；
[0023]图3是
CNN
神经网络结构图；图4是
160kHz
下楔形缺陷的结果
。
具体实施方式
[0024]下面结合附图所示的实施例对本专利技术作以下详细描述：
[0025]适用于
CPR
机组的中子通量指套管磨损深度预测方法，指套管位于堆芯上，它包括以下步骤：
[0026]a.
堆芯分为
N
个区域，
N
为大于1的整数，分区域对各区域内的指套管进行采集数据，数据至少包括指套管在反应堆的位置分类，磨损部位的分类，指套管形态分类，
4≤N≤8
；
[0027]b.
将采集到的数据进行降噪处理；
[0028]c.
数据处理完成后，对
N
个区域的数据分别构建
ANN
和
CNN
神经网络模型并进行学习并预测得到信号值，将预测值与实际磨损量进行对比，直至模型的预测准确率达
95
％以上；
[0029]d.
利用合格的模型得到预测的信号值之后，需要将其转换为缺陷的具体参数，结合实际磨损情况，将缺陷分为楔形和环形两类，分别对其进行数值仿真模拟，并绘制出缺陷深度和周向角度与幅值相位信号之间的关系
。
[0030]所述
ANN
神经网络模型中，网络共包含输入层
、M
个隐藏层以及输出层，
2≤M≤6
；其中输入层
X
个神经单元，
2≤X≤8
，分别代表近
X
年的信号数据
。
输出层至少有2个神经单元分别代表下一年的幅值与相位；隐藏层各包含
Z
个神经单元，
4≤Z≤20。CNN
神经网络模型中，网络共包含输入层
、A
个卷积层，
B
个池化层，
C
个平铺层以及输出层，其中输入层
X
个神经单元，
2≤X≤8
，分别代表近
X
年的信号数据
。
输出层至少有2个神经单元分别代表下一年的幅值与相位；其他各层层数满足
4≤A≤10
，
0≤B≤A
，
C
＝
1。
具体而言，如图1所示，将堆芯上的指套管按横向和竖向排列，横向中心列和竖向中心列的相交处为中心格，以中心阁的四条边沿顺时针向外延伸形成边界，并将堆芯划分为1号
‑4号四个区域，预测方法包括以下步骤：
[0031]a.
堆芯分为四个区域，分区域对各区域内的指套管进行采集数据，数据至少包括
...

【技术保护点】

【技术特征摘要】
1.
一种适用于
CPR
机组的中子通量指套管磨损深度预测方法，指套管位于堆芯上，其特征在于：它包括以下步骤：
a.
将堆芯分为
N
个区域，
N
为大于1的整数，分区域对各区域内的指套管进行采集数据，数据至少包括指套管在反应堆的区域分类，磨损部位的分类；
b.
将采集到的数据进行降噪处理；
c.
数据处理完成后，对
N
个区域的数据分别构建
ANN
与
CNN
神经网络模型，选取连续年份的数据进行学习并预测得到信号值，将预测信号值与实际信号值进行对比，直至模型的预测准确率达
95
％以上；
d.
利用合格的模型得到预测的信号值之后，需要将其转换为缺陷的具体参数，结合实际磨损情况，将缺陷分为楔形和环形两类，两类缺陷分别对应不同的磨损部位，分别对其进行数值仿真模拟，并绘制出缺陷深度和周向角度与幅值相位信号之间的关系
。2.
根据权利要求1所述的适用于
CPR
机组的中子通量指套管磨损深度预测方法，其特征在于：所述
ANN
神经网络模型中，网络共包含输入层
、M
个隐藏层以及输出层；
CNN
神经网络模型中，网络共包含输入层
、A
个卷积层，
B
个池化层，1个平铺层以及输出层
。3.
根据权利要求2所述的适用于
CPR
机组的中子通量指套管磨损深度预测方法，其特征在于：其中输入层
X
个神经单元，分别代表近
X
年的信号数据
。4.
根据权...

【专利技术属性】
技术研发人员：罗立群，王春辉，方奎元，安英辉，李晓光，吴同，苏治锋，
申请(专利权)人：中广核检测技术有限公司苏州热工研究院有限公司中国广核集团有限公司中国广核电力股份有限公司，
类型：发明
国别省市：