核动力工程

姓名
邮箱
手机号码
标题
留言内容
验证码

刘东, 田文喜, 刘晓晶, 郝琛, 彭航, 于洋, 肖聪

2025, 46(2): 1-13. doi: 10.13832/j.jnpe.2024.09.0027

摘要(167) HTML (33) PDF(65)

摘要:
科学计算在核工业整个技术体系中发挥着至关重要的作用，从核基础数据库的建立，到核能工程的设计、分析、验证、运行，乃至燃料后处理与反应堆退役，科学计算扮演着关键角色。传统上，工业领域的科学计算范式主要是基于实验测量数据建模的统计学方法，以及求解微/积分方程为代表的数值计算方法。随着新一代人工智能技术的发展，利用人工智能方法进行科学计算，正在逐渐发展成为一种新的科学计算范式。本文介绍了这一新兴技术领域的基本原理与主要特征，重点围绕核工业的特点，总结了当前已有研究工作的情况，并对照传统方法，分析了人工智能科学计算方法的优缺点。最后，展望了这种智能计算方法未来在核工业领域的技术发展趋势与潜在应用模式，给出了推动核工业人工智能科学计算新范式发展的建议。

面向核反应堆数字孪生的数据融合方法综述

宋美琪, 陈富坤, 刘晓晶

2025, 46(2): 14-37. doi: 10.13832/j.jnpe.2024.11.0148

摘要(216) HTML (67) PDF(58)

摘要:
核反应堆数字孪生的发展有望通过信息物理融合的实现提高核电厂的安全性与经济性，而数据融合问题是信息物理融合的核心问题。因此本文面向核反应堆数字孪生领域，从数据融合的定义、融合对象、融合层次、融合方法以及数字孪生与数据融合的关系着手，进而从核反应堆数字孪生模型的构建、核反应堆设计与建造中的优化问题、核反应堆运行参数的反演与重构、核反应堆运行参数与剩余寿命的预测、核反应堆运行参数校准、核反应堆运行的反馈与控制、核反应堆的故障检测、识别与诊断以及核反应堆数字孪生其他方面的数据融合八个方面探讨了数据融合方法在核反应堆数字孪生的全生命周期中的应用与研究，从数据方面与融合方法方面指出当前研究存在的挑战，为未来核反应堆数字孪生发展过程中解决数据融合关键问题提供参考。

核数据随机抽样中概率密度分布选取方法研究

王毅箴, 郝琛

2025, 46(2): 38-47. doi: 10.13832/j.jnpe.2024.12.0174

摘要(27) HTML (13) PDF(8)

摘要:
提供符合核数据已知统计矩信息和物理约束的随机扰动样本，是核数据作为分析输入的各类堆芯物理计算相关的统计学习算法的基础。合理扰动的核数据样本是保证堆芯物理响应量特征提取、降阶建模等数据驱动人工智能模型预测准确性的重要因素之一。选取能够满足核数据自身物理约束特征的概率密度分布是保证上述核数据随机抽样合理性的关键。本文针对核数据库中常见的两类物理约束特征，即非负性取值约束（例如裂变产额数据、核反应截面数据等）以及归一化约束（例如衰变分支比等），研究其对应的概率密度分布选取方法并提供相应的抽样算法。结合评价核数据库中提供的核数据不确定度信息，本文对不同概率密度分布下的核数据随机抽样效果进行对比，并给出概率密度分布的选取建议。

基于算子推断的中子输运方程的降阶模型研究

肖维, 刘晓晶, 张滕飞, 俎建华, 柴翔, 何辉

2025, 46(2): 48-55. doi: 10.13832/j.jnpe.2024.080042

摘要(55) HTML (22) PDF(18)

摘要:
为建立瞬态中子输运方程的快速预测模型，本文采用仿射参数化算子推断构建中子输运方程的降阶模型。算子推断通过奇异值分解与构造最优化问题，非侵入式地拟合降阶空间中的动力学方程，同时能够保留原控制方程所描述的物理规律。而仿射参数化结构有效地处理瞬态中子输运方程中常见的时变参数问题，在无需参数空间插值的情况下，实现时变堆芯参数到物理量的快速求解。研究结果表明，基于高保真数据与仿射参数化算子推断构建的降阶模型具有较好的泛化能力，能够对不同时变参数下的瞬态问题进行准确求解。因此，本文构建的降阶模型能够用于高保真中子输运方程的快速预测。

基于物理融合神经网络的广义对流扩散方程格子Boltzmann求解研究

王亚辉, 肖豪, 马宇, 谢宇辰, 池泓航

2025, 46(2): 56-67. doi: 10.13832/j.jnpe.2024.070062

摘要(66) HTML (27) PDF(10)

摘要:
为提高深度学习方法的网络复用性，构建一种适应于不同控制方程和不同物性参数条件的深度网络模型，本研究提出了基于物理融合神经网络的格子Boltzmann方法（PFNN-LBM）。在格子Boltzmann框架下建立了不同特征控制方程的统一格式离散速度Boltzmann方程，并使用单一网络的参数化物理信息约束神经网络求解，可以在一次训练后同时求解不同形式和不同物理参数的控制方程。为测试PFNN-LBM的准确性和适应性，选取了四种典型非线性对流扩散方程开展预测分析，包括扩散方程、非线性导热方程、Sine-Gordon方程和Burgers-Fisher方程，同时测试了不同物理参数条件的预测性能并对双群中子扩散问题进行了测试。计算结果表明，所提出的PFNN-LBM可以在一次训练后高精度地求解不同形式和不同物理参数的控制方程。这项工作可以为高效灵活地求解不同类型的方程提供一个新的框架，对于工程应用中的多物理场耦合计算方面可能具有突出优势。

使用卷积神经网络分辨核子有效质量劈裂

李理, 张英逊, 杨钧评, 崔莹, 陈响, 王馨钰, 赵凯

2025, 46(2): 68-75. doi: 10.13832/j.jnpe.2024.09.0028

摘要(65) HTML (17) PDF(11)

摘要:
为精确分辨核物质中质子与中子有效质量劈裂，本研究提出一种使用双通道输入的卷积神经网络（CNN）确定核子有效质量劈裂的新方法。该方法的主要思想是利用CNN学习理论模型计算质子、中子产额的纵、横动量分布。研究采用的理论模型为改进的量子分子动力学模型（ImQMD），有效相互作用参数为SkM^*与SLy4两套参数，分别对应于中子有效质量大于质子有效质量和中子有效质量小于质子有效质量。通过对大量模型数据的学习，建立了利用CNN分辨核子有效质量劈裂的方法。对3套丰中子弹靶系统⁴⁸Ca+²⁰⁸Pb、⁴⁸Ca+¹²⁴Sn和¹²⁴Sn+¹²⁴Sn的分析表明，3套系统均在束流能量为50 MeV/u时分辨精度最高，均超过99.5%。在束流能量为270 MeV/u时，3套系统的分辨精度仍均高于93%。通过遮挡法对质子、中子产额的纵、横动量分布图像重要性区域进行了考查，给出了3套系统在50 MeV/u时的重要性图分析，指出二维动量图像中，低横动量区域对于有效质量劈裂的分辨有更大的重要性。

基于ResNet-PINN求解中子方程算法研究

牛艺晓, 李佳芳, 杨春, 刘洋, 赖秋宇, 符美蕊, 蒋毅

2025, 46(2): 76-80. doi: 10.13832/j.jnpe.2024.080035

摘要(73) HTML (19) PDF(13)

摘要:
物理信息神经网络（PINN）作为一种结合物理知识的深度学习方法，其在求解问题的精度方面存在一定的局限性。为进一步提升PINN模型的求解精度，提出了一种基于残差网络（ResNet）结构改进的PINN模型（ResNet-PINN），详细阐述了ResNet-PINN基本原理和数值计算流程，并将其应用于核领域的中子扩散和输运方程的求解。实验验证表明，ResNet-PINN将堆芯中子扩散方程的求解精度提高了2~10倍，输运方程的求解精度提高了3~6倍，有效解决了PINN模型面临的求解精度局限性问题。

压水堆棒束多通道流场稀疏数据深度学习求解技术研究

钱浩, 陈广亮, 刘东, 于洋, 姜宏伟, 殷新立, 杨玉诚

2025, 46(2): 81-89. doi: 10.13832/j.jnpe.2024.080039

摘要(66) HTML (20) PDF(9)

摘要:
反应堆堆芯典型工况雷诺数高达10⁵，冷却剂流动具有显著的非线性，实际流动边界及状态与理想流动方程存在一定的匹配性偏差，会导致求解过程中数据与控制方程的约束相冲突，彼此制约，导致求解收敛困难。为解决该问题，本文研发了一种基于深度学习的稀疏数据求解方法，通过设计不匹配性自适应调节方案，在控制方程中引入自适应调节因子，动态修正理想模型，克服因数据与方程不一致所引发的收敛障碍及精度不足等问题。在此技术基础上，进一步探讨了在小样本数据条件下的流场求解策略，设计了均匀配点、基于速度梯度配点、混合配点策略，旨在通过优化样本点的空间分布，提升流场求解的整体精度。研究结果表明，在3种策略中，均匀配点策略能够更全面地覆盖流场的整体特性，表现出最佳的优化效果，达到决定系数（R²）大于0.95、均方误差（MSE）在10⁻⁴至10⁻³量级的精度；且在仅采用60个小样本数据配点下（占原始数据点的7.8%）。本文所提出的方法也能有效实现高精度流场求解，为稀疏数据条件下求解压水堆堆芯棒束多通道流场提供了一种高效且适用的技术方案。

基于POD及神经网络的蒸汽发生器传热管内温度场的快速重构技术研究

张贺, 梁彪, 王博, 谭思超, 韩蕊, 李江宽, 田瑞峰

2025, 46(2): 90-97. doi: 10.13832/j.jnpe.2024.070047

摘要(119) HTML (23) PDF(14)

摘要:
套管式直流蒸汽发生器的二次侧流域涉及到复杂的两相流动，数值模拟方法虽然能够精准地进行仿真计算，但其计算速度缓慢，对于多工况、瞬态条件下的计算耗时长，计算资源占用较大。模型降阶是一种将复杂系统转化为一个近似简化系统的方法，能够在保留原系统主要特征的同时实现快速计算。本研究采用本征正交分解（POD）方法对换热管内温度场进行模型降阶，截取有限模态对原复杂系统进行投影获取模态系数，应用神经网络方法捕捉长短期时序模态系数分布规律。研究结果表明，预测重构温度场误差在15%范围内，且预测速度相较于数值模拟方法能够提升4个数量级。因此，本研究建立的模型降阶耦合神经网络的预测方法能够用于套管内温度场的快速预测，为其内部热工水力分析提供支撑。

基于随机森林算法的再淹没模型参数不确定性量化研究

雷盟, 李冬, 张紫悦, 郝饶

2025, 46(2): 98-106. doi: 10.13832/j.jnpe.2024.070031

摘要(62) HTML (19) PDF(10)

摘要:
为了评估复杂事故现象物理模型参数（输入）的不确定性，提出了基于随机森林算法结合粒子群优化Kriging（PSO-Kriging）代理模型和Sheather-Jones优化核密度估计法（KDE-SJ）非参数统计的反向不确定性量化方法，并应用于大破口事故再淹没现象的模型评估。通过将系统程序的计算结果（输出）与Flooding Experiments with Blocked Arrays（FEBA）实验数据的一致性程度作为随机森林算法的分类标准，得到了模型参数的概率密度分布。验证结果表明在概率密度分布上随机抽样93组计算得到的95%不确定度带可以完全包络实验数据，但利用众数或均值对模型的标定效果可能不如贝叶斯方法得到的最大后验均值。

基于POD-RBF降阶模型的超高温气冷堆DLOFC事故温度时空分布计算方法

丁永旺, 张汉, 彭杵真, 邬颖杰, 郭炯, 彭威, 张平, 李富

2025, 46(2): 107-118. doi: 10.13832/j.jnpe.2024.10.0056

摘要(69) HTML (30) PDF(17)

摘要:
超高温气冷堆（VHTR）具有核能制氢等广泛的应用领域，失冷失压（DLOFC）事故是VHTR后果最严重的设计基准事故之一，而利用全阶模型（FOM）进行大量不同参数下的DLOFC事故特性分析需要消耗大量的计算资源。对设计参数范围内的不同方案进行基于降阶模型（ROM）的DLOFC事故的快速、准确计算具有重要需求和意义。本文利用TINTE程序建立了VHTR的FOM，基于本征正交分解-径向基函数插值（POD-RBF）方法实现了一个快速计算VHTR-DLOFC事故的ROM，并给出了两种方法来实现ROM的瞬态过程计算，方法1将时间等同于入口温度等输入参数；方法2对于同一参数下的不同时间步的系数整体进行计算。结果表明，两种ROM方法的计算结果最大相对误差均低于1%，且ROM计算效率远高于FOM；同时方法2的计算效率是方法1的40倍。因此，ROM可以为VHTR设计参数的优化工作提供快速计算程序。

基于NAS优化PINN高效求解中子物理方程研究

俞蔡阳, 江勇, 陈奇隆, 刘东, 吕建成

2025, 46(2): 119-126. doi: 10.13832/j.jnpe.2024.090041

摘要(39) HTML (15) PDF(6)

摘要:
为快速且精确地求解堆芯中子扩散和输运这两类方程，可利用物理信息神经网络（PINN）提升偏微分方程求解的速度和效率。然而，由于PINN的预定义结构不够灵活，在一定程度上限制了其在实际应用中的广度和深度。本研究提出了一种寻找最佳PINN结构的创新方法（NAS-PINN），利用神经网络架构搜索（NAS）策略，动态地选择最适合于求解核反应堆中子扩散和输运方程的PINN结构。将搜索得到的PINN模型应用于方程求解中，进行真实值与预测值的实验验证比较。结果表明，NAS-PINN方法在求解不同几何的反应堆方程中具有更高的精度，为复杂的中子方程提供了更加准确、高效的求解方案。

人工智能算法在核反应堆热工水力预测分析中的初步探索

章静, 王明军, 田文喜, 苏光辉, 秋穗正

2025, 46(2): 127-140. doi: 10.13832/j.jnpe.2024.090039

摘要(122) HTML (39) PDF(41)

摘要:
人工智能算法快速预测、自学习与强泛用性的优势已应用于解决核反应堆热工水力现象和机理复杂的问题，包括热工水力参数预测、热工安全分析程序优化与计算流体动力学（CFD）效率提升等。本文回顾了人工智能算法在流型、沸腾换热及临界流等热工水力参数预测研究现状，针对严苛运行条件下机理不明、预测范围局限性问题，基于人工智能非线性快速预测优势扩展分析范围与精度；针对热工分析程序受限于参数模型的问题，利用人工智能自学习、自适应与极强泛用性优势，通过模型校准及数据同化技术提升复杂现象参数识别能力与预测性能；基于模型降阶与快速预测，提高热工水力物理场复杂现象参数的计算效率和多维复现重构能力。提出人工智能算法在反应堆系统大型关键设备全寿期准确预测、液态金属快堆等新型先进反应堆的加快设计迭代、跨尺度多物理场复杂交互的加速优化的未来应用前景。

基于NSGA-II的蒸汽发生器液位控制系统离线参数优化

孙哲俊, 魏新宇, 张楠, 李鸣谦, 张瑞萍, 王于龙, 孙培伟

2025, 46(2): 141-147. doi: 10.13832/j.jnpe.2024.090057

摘要(83) HTML (26) PDF(10)

摘要:
蒸汽发生器是核电厂的重要设备，目前蒸汽发生器液位主要采用固定比例-积分-微分（PID）的控制方式，因此需要对PID参数进行整定。传统的参数整定方法需要结合精确的数学模型，当无法获得准确模型信息时，整定效果较差。因此本文提出一种蒸汽发生器液位控制系统PID参数整定方法，该方法通过提取历史数据进行离线整定。首先利用反向传播（BP）神经网络结合历史数据对蒸汽发生器液位控制系统进行模型辨识，之后在建立的BP神经网络模型上对PID参数进行离线寻优。参数整定方法采用非支配排序遗传算法（NSGA-II），以控制系统动态性能指标为目标函数，调整PID参数，从而提高控制效果。将所提出的算法通过在MATLAB/Simulink中进行仿真验证，结果表明，经过离线参数优化后的蒸汽发生器液位控制系统在不同的工况中的超调量、调节时间上均优于原液位控制系统，具有更好的控制效果。

基于PINN的源迭代法求解及加速算法研究

江勇, 安萍, 刘东, 于洋

2025, 46(2): 148-155. doi: 10.13832/j.jnpe.2024.090040

摘要(45) HTML (18) PDF(10)

摘要:
本文将基于物理驱动的人工智能方法和传统源迭代法结合，建立求解少群扩散方程的新型方法流程，并采用Anderson加速方法对迭代源项进行加速。二维多材料、三维单材料等例题的计算结果显示，基于物理驱动的物理信息神经网络（PINN）和传统源迭代法相结合，在保证计算精度的前提下可计算出连续中子注量率分布，采用Anderson加速可减少迭代次数，成功实现了少群中子扩散方程的正向求解，助推了人工智能算法在核领域的应用。

基于人工神经网络的堆芯两相流型预测模型开发

马翊超, 孔德祥, 田文喜, 章静, 巫英伟, 秋穗正, 苏光辉

2025, 46(2): 156-163. doi: 10.13832/j.jnpe.2024.090038

摘要(58) HTML (24) PDF(11)

摘要:
为了充分利用不断增加的流型实验数据来扩大模型适用范围、提高模型预测精度，本研究收集实验数据建立了训练数据库并对数据进行了预处理，基于人工神经网络（ANN）算法开发了两相流型预测模型，分析了模型对不同方向上流型的预测精度并与传统流型预测模型进行对比。结果表明，建立的新模型对训练集的平均准确率为88.56%，对测试集的平均准确率为87.86%，新模型能直接用于各种不同工况，不会发生不同方向流型混淆的情况，相比于Ishii模型、Mandhane模型、Taitel模型，新模型具有更好的预测精度。本研究为流型预测提供了一种新方法，随着训练数据的更新，模型的适用范围和精度可以不断提高。

基于神经网络与遗传算法的压水堆堆芯装载模式方案优化研究

陈刚, 邹建, 刘仕倡, 蔡云, 王连杰

2025, 46(2): 164-176. doi: 10.13832/j.jnpe.2024.080038

摘要(68) HTML (24) PDF(5)

摘要:
堆芯装载模式（LP）优化可以提高反应堆的安全性和经济性，但是其优化过程需要大量耗时计算和丰富的人工经验。针对堆芯LP优化方案的快速评价问题，本研究利用全连接神经网络（FCNN）和卷积神经网络（CNN）生成大亚湾核电站首循环堆芯的中子学参数快速预测模型，实现了压水堆堆芯LP方案的快速评价。通过堆芯计算程序DONJON对预测模型的泛化能力和精度进行验证。针对堆芯LP方案的全局搜索问题，利用非支配排序遗传算法（NSGA）对大亚湾核电站首循环堆芯进行LP方案多目标优化并通过NSGA的参数调整提升了优化效果。结果表明NSGA系列算法可以用于包括堆芯LP优化在内的不同类型的核设计优化问题，并可以弥补人工搜索方案全局性差的缺点，同时NSGA结合超算的并行优化可以极大提高优化效率。针对堆芯LP方案快速优化的问题，利用基于GPU并行下的神经网络预测模型和NSGA开发联合优化程序，实现了大亚湾核电站首循环堆芯LP方案的快速优化。通过联合优化程序与“DONJON+NSGA”的优化结果比较，结果表明神经网络-遗传算法（GA）的联合优化程序能够得到结果比较接近的堆芯LP方案，同时将优化时间缩短了99%以上。

基于POD-ML方法的棒束子通道瞬变工况参数预测研究

许宇杰, 莫锦泓, 董晓朦, 刘永, 徐安琪, 于洋

2025, 46(2): 177-185. doi: 10.13832/j.jnpe.2024.080031

摘要(55) HTML (21) PDF(11)

摘要:
降阶模型（ROM）通过将全阶守恒方程映射至低阶子空间或构建数据驱动的代理模型，有效降低了物理模型的复杂性。相比传统的计算流体动力学（CFD）仿真，ROM在大规模仿真计算中计算效率更高。本文利用本征正交分解（POD）结合机器学习（ML），提出了一种适用于瞬态工况的ROM框架，并以此实现棒束子通道内质量流量参数瞬态预测。针对POD和ML不同方式结合的预测方法进行对比，结果显示长短期记忆神经网络（LSTM）+POD方法更适合短期预测，而在长期预测时POD+LSTM方法误差更小，可为未来进行其他复杂系统的预测提供方案。

基于多智能体强化学习的反应堆功率协调控制方法研究

牛振锋, 李桐, 李江宽, 刘永超, 吕为, 谭思超, 田瑞峰

2025, 46(2): 186-192. doi: 10.13832/j.jnpe.2024.080030

摘要(74) HTML (27) PDF(6)

摘要:
为提高核电厂反应堆功率与蒸汽发生器水位的协调控制精度，本研究提出了一种基于双延迟深度确定性策略梯度（TD3）算法的多智能体强化学习协调控制框架，在该框架中，不同子任务被分配给相应的智能体，各智能体相互配合以准确协调反应堆功率和蒸汽发生器水位。通过一系列仿真实验，评估了该框架在不同工况下的性能表现，结果表明，多智能体控制框架在多种功率切换工况下显著提高了控制速度和稳定性，其超调量和控制时间均优于传统比例积分微分（PID）控制器，证明了该框架的有效性和优越性；此外，该框架在未经训练的新工况中也表现出优异的泛化能力，能够有效改善反应堆功率的协调控制精度与稳定性。

基于数据驱动的移动式微型核反应堆屏蔽智能优化设计研究

雷铠灰, 吴宏春, 贺清明, 曹毅, 李晓静, 刘国明

2025, 46(2): 193-201. doi: 10.13832/j.jnpe.2024.080024

摘要(52) HTML (23) PDF(10)

摘要:
为快速获得满足工程偏好的移动式微型核反应堆（微堆）轻量化屏蔽设计方案，本研究采用基于数据驱动的代理模型和多目标智能优化算法，对陆基移动式微堆的运行屏蔽开展具有多约束和工程偏好的多目标优化设计。首先通过对先进屏蔽材料参数和屏蔽几何参数采样构建变规模优化空间下的数据集，其次基于此数据集训练多频率尺度神经网络MscaleDNN，并耦合基于图形处理器（GPU）并行的一维离散纵标法（S_N）中子-光子耦合输运求解器，以建立稳定的高效高精度剂量率预测代理模型S_N-MscaleDNN，之后与引入罚函数法和工程偏好模型的第二代非支配排序（NSGA-II）遗传算法耦合，实现满足剂量率安全、材料和力学限制等多约束以及工程偏好的屏蔽优化设计。研究结果表明，代理模型在变规模优化空间下可实现单个屏蔽方案毫秒级评估且预测泛化误差整体在10%以内，其与优化算法耦合后优化得到的多个屏蔽方案满足各项指标限值和工程偏好，本研究建立的方法能够用于变规模优化空间下移动式微堆的轻量化屏蔽优化设计。

基于贝叶斯优化的压水堆堆芯换料优化方法研究

周原成, 李云召, 吴宏春

2025, 46(2): 202-208. doi: 10.13832/j.jnpe.2024.09.0003

摘要(27) HTML (12) PDF(4)

摘要:
压水堆堆芯换料优化是核电站安全高效经济运行的关键环节，属于有约束的非线性非凸整数组合优化问题。传统方法计算效率低，容易陷入局部最优解。本文提出了一种基于变分自动编码器、深度度量学习和贝叶斯优化的换料优化方法。该方法利用变分自动编码器将离散的堆芯布置方案映射到连续的隐变量空间；再通过深度度量学习构建结构化的隐空间，使堆芯物理特性相近的样本在隐空间中距离也相近；然后利用多目标贝叶斯优化方法在隐空间中高效地搜索最优解，并通过解码器将最优隐变量解码成对应的堆芯布置方案。基于某M310堆芯首循环初装料数据进行的实验验证表明，该方法能够有效提高换料优化效率和求解质量，获得优于传统方法的布置方案。

基于机器学习的控制棒驱动机构传动副磨损寿命预测研究

肖聪, 刘承敏, 罗英, 彭航, 李维, 张志强, 黄擎宇

2025, 46(2): 209-216. doi: 10.13832/j.jnpe.2024.080027

摘要(55) HTML (17) PDF(9)

摘要:
控制棒驱动机构（CRDM）是反应堆内唯一具有相对运行的设备单元，可快速调节反应堆反应性，对反应堆安全运行十分重要，磨损是影响CRDM传动副功能失效的主要因素，直接决定其使用寿命。本文通过CRDM传动副磨损实验，发现传动副主要磨损形式有3种：磨粒磨损、疲劳磨损和氧化磨损，同时发现当传动副顶部区域磨损体积比达16.46%时，CRDM出现滑棒，可判定此刻转动部件出现了磨损失效，将此刻的磨损体积值作为传动副的失效阈值。在获得传动副磨损体积数据和外部振动信号后，本文构建了内部磨损体积与外部振动信号的关联关系，并通过外部振动信号，基于支持向量回归（SVR）、卷积神经网络（CNN）、长短期记忆网络（LSTM）3种机器学习算法，分别构建了CRDM传动副寿命预测模型，通过对比分析认为，在预测精度上LSTM模型优于CNN模型优于SVR模型，在计算效率上SVR模型优于CNN模型优于LSTM模型。

基于粒子输运-活化计算-智能优化的三向耦合计算方法研究

郑征, 王梦琪, 梅其良, 黎辉

2025, 46(2): 217-221. doi: 10.13832/j.jnpe.2024.090006

摘要(40) HTML (17) PDF(10)

摘要:
现有屏蔽设计优化技术通常依赖设计者的经验，其效率低，不确定性大。为了提高屏蔽设计效率，本文结合多目标优化算法和辐射屏蔽计算开展屏蔽设计，开发了基于粒子输运-活化计算-智能优化的三向耦合计算程序，并基于本文构造的屏蔽计算模型进行了验证。数值计算结果表明，基于离散纵标方法和遗传算法的屏蔽设计优化方法可以实现屏蔽材料体积、屏蔽材料质量、停堆后活化剂量率和正常运行剂量率等多个目标的同时优化。

针对核电厂意外停堆停机事件的智能监测预警方法研究

李淅, 王健生, 杨森权, 薛威

2025, 46(2): 222-229. doi: 10.13832/j.jnpe.2024.090025

摘要(64) HTML (30) PDF(12)

摘要:
当前核电机组运行时的异常情况发现主要依赖于核电厂数字化仪控系统（DCS）的阈值报警信息，缺乏对趋势的分析。本文通过事件逻辑建立变量间的逻辑关系，并基于此利用自关联神经网络（AANN）建模对关联变量进行异常检测，最后利用经验模态分解（EMD）趋势提取算法与自适应滑动窗口霍尔特线性趋势（HOLT）模型对异常变量进行预测。能够提前对停堆停机事件进行预警，使核电厂运维人员能够更早地发现并解决问题，提高核电运行安全性。利用仿真数据与机组真实异常数据进行测试实验，得到真实数据实验结果的均方误差（MSE）为0.1，拟合优度（R²）为0.99，并且可至少提前1 h对停机动作进行预警，验证了所提出的AANN-HOLT预警算法的准确性与提前预警的能力。

基于LSTM神经网络的核电厂瞬态参数预测与故障诊断研究

刘涛, 谢金森

2025, 46(2): 230-238. doi: 10.13832/j.jnpe.2024.080036

摘要(69) HTML (26) PDF(13)

摘要:
为提高核电厂瞬态工况下参数预测和故障诊断的准确性和实时性，本研究采用长短期记忆（LSTM）神经网络模型进行预测和诊断。通过生成并随机化故障情景，减少预测模型对特定模式的依赖，提高其在未知故障情景下的泛化能力。研究结合沙普利加性解释性（SHAP）方法，对预测模型的参数预测结果进行解释性分析，评估不同输入特征对模型预测性能的影响，并验证该预测模型在传感器故障和数据传输错误情况下的预测准确性。此外，针对含有不同噪声水平的瞬态参数进行故障诊断，验证故障诊断模型的鲁棒性。结果表明，LSTM神经网络模型在预测和诊断方面具有较高的精度，即使在传感器故障、数据传输有误以及数据含有噪声情况下仍表现出色。本研究提出的方法能够提升核电厂运行安全和稳定性，为事故工况下的安全性提供有效技术支持。

基于组合特征筛选与时序卷积网络的反应堆轴向功率偏差预测方法研究

陈静, 陈彦, 江灏, 段鹏斌, 林蔚青, 邱星华, 许勇

2025, 46(2): 239-247. doi: 10.13832/j.jnpe.2024.090021

摘要(53) HTML (21) PDF(4)

摘要:
反应堆轴向功率偏差能够反映堆芯轴向功率分布和反应堆的运行情况，针对轴向功率偏差在变工况下预测困难的问题，该文提出一种基于组合特征筛选与时序卷积网络（TCN）的反应堆轴向功率偏差预测方法。以轴向功率偏差控制的基本原则为出发点，分析影响轴向功率偏差变化的因素，综合分析多维特征间的冗余度与相关性，利用组合特征筛选策略形成面向轴向功率偏差预测的最优特征子集，构建面向轴向功率偏差预测的关键关联特征数据，输入至TCN捕捉动态因果关系，以实现反应堆轴向功率偏差预测。实验研究表明，该文所提轴向功率偏差预测方法可深度挖掘反应堆轴向功率偏差相关参量的时序因果变化特性，准确预测轴向功率偏差发展态势，解决传统预测模型在复杂工况下预测跟踪不及时的问题，对核电厂反应堆状态监测和安全运行提供辅助参考的依据。

反应堆冷却剂系统异常运行事件智能诊断与监测方法研究

姚源涛, 者娜, 雍诺, 夏冬琴, 戈道川, 郁杰

2025, 46(2): 248-254. doi: 10.13832/j.jnpe.2024.080023

摘要(51) HTML (20) PDF(10)

摘要:
为解决传统基于深度学习（DL）的智能故障诊断模型无法监测系统未知异常运行事件的问题。本研究基于变分推断的概率深度神经网络（VI-PDNN）构建反应堆冷却剂系统智能诊断框架，对未知异常运行事件类别实现诊断，同时量化评估输出结果的不确定性。该框架能够有效利用已知与未知运行事件的不确定性差异实现对未知异常运行事件的有效监测预警。最后，基于已建立反应堆模拟机仿真数据对本文提出方法进行验证。研究结果表明，提出的方法不仅能够针对系统已知事件获取较高的诊断精度，同时能有效监测预警未知异常运行事件，为实际环境下反应堆系统运行实时智能诊断与监测提供一种有效技术手段。

核电厂智能控制系统下的人员情境意识特征研究

郑腾蛟, 段鹏飞, 侯捷, 徐云龙

2025, 46(2): 255-260. doi: 10.13832/j.jnpe.2024.080010

摘要(71) HTML (22) PDF(6)

摘要:
核电厂智能化技术的应用，使核电厂运行控制更加集中化、自动化，同时也带来了新的、更深层次的人因问题。情境意识（SA）作为复杂人-机系统下影响人员效能的重要因素，有必要开展核电厂智能控制系统下的人员SA特征与提升手段研究。本文以控制系统自动化水平[智能控制系统对比数字化控制系统（DCS）]为自变量，选取典型场景开展实验，运用多模态生理测量技术与主观量表，辨识智能控制系统下人员SA特征，并提出SA失误预防措施。实验结果表明，相较于DCS，智能控制系统应用下操纵员的皮肤电导数据和注视点个数呈现显著性差异；操纵员为确保自动动作按时执行，注意力水平趋于集中，且沟通频率变低；操纵员注视点个数显著增多，操纵员更多地关注界面中参数的变化情况。智能控制系统在事故发生和事故处理阶段对人员的情境意识水平要求更高，但注意力水平/情绪唤醒度在事故情况下是逐步升高的，无法在事故发生和处理阶段快速达到最高水平，可能存在需求与实际不匹配的情况。本文研究可为核电厂智能控制系统在主控室应用的设计优化与落地提供人因数据与理论支持。

基于仿真与测量数据间迁移学习的核电厂运行参数预测

浦克, 宋厚德, 刘晓晶, 宋美琪

2025, 46(2): 261-271. doi: 10.13832/j.jnpe.2024.080004

摘要(57) HTML (17) PDF(10)

摘要:
核电厂安全运行的关键是实现其运行参数的精准预测。近年来，数据驱动方法表现出了强大的预测能力，然而，测量数据的不充分限制了其预测性能。本研究将基于迁移学习框架，开发了一种以多组仿真工况预训练，再利用测量数据微调的预测模型构建方法。首先通过仿真数据训练门控循环单元（GRU）神经网络，再使用部分测量数据微调模型，以预测运行工况的未来状态。使用PKL Ⅲ热工水力台架的B3.1实验的测量数据，及与之相近的9组RELAP5仿真数据，验证了方法的可行性。运用该方法预测得出蒸汽压力、蒸汽温度、下降管流体温度、出口温度、入口温度和质量流量的相对误差分别能够达到0.358%、0.065%、0.020%、0.065%、0.028%和1.705%。最后通过5组数值实验对比说明了方法各模块的有效性。

基于GPR-SVR协同训练的乏燃料衰变热预测研究

刘子豪, 刘彤, 温欣, 李懿, 王蓓琪

2025, 46(2): 272-281. doi: 10.13832/j.jnpe.2024.070016

摘要(50) HTML (16) PDF(10)

摘要:
在压水堆核电厂中，乏燃料组件的衰变热是堆芯余热的主要来源，准确预测衰变热对于反应堆冷却系统的设计和安全分析至关重要，但传统核素衰变模拟程序计算成本高，而机器学习模型由于数据不足可能存在过拟合问题。本文基于高斯过程回归（GPR）和支持向量回归（SVR）方法建立了协同训练的基础模型，生成了高质量的乏燃料衰变热虚拟数据，并与核电厂实测数据组成了混合数据集，采用混合数据集训练极限学习机（ELM）模型，对乏燃料衰变热进行了预测。结果表明，与常规的机器学习模型相比，协同训练显著提升了衰变热预测的稳定性和准确性。经过混合数据集训练后，ELM模型的预测稳定性提高了39.9%，衰变热预测结果的均方根误差（RMSE）比传统核素衰变模拟程序低25.7%。本研究提出的方法可为解决核工程领域存在的小数据集问题提供新思路。

核反应堆冷却剂系统智能事故诊断模型研究

闫家胜, 隋阳, 戴滔, 刘家义, 金艺, 贾晓龙

2025, 46(2): 282-292. doi: 10.13832/j.jnpe.2024.060034

摘要(54) HTML (25) PDF(14)

摘要:
尽管人工智能技术在核电厂的事故诊断领域中已被广泛应用，但传统模型存在诊断准确性不足、泛化性较弱等缺陷，难以满足核反应堆冷却剂系统（NRCS）对于事故诊断的高要求。本研究建立了一种NRCS智能事故诊断新模型。首先，为提高模型事故诊断的准确性，应用了卷积神经网络（CNN）和门控循环单元（GRU），结合CNN强大的特征提取能力和GRU高效的时序数据分类能力，建立了NRCS事故诊断模型（CNN-GRU模型）；其次，为提高模型的泛化性，应用灰狼优化（GWO）算法，在CNN-GRU模型中自适应优化超参数，建立了NRCS智能事故诊断模型（GWO-CNN-GRU模型）；最后，为验证所提出模型的性能，本研究以核电厂仿真与严重事故分析仪（PCTRAN）中的NRCS为研究对象，模拟测试了1 种正常工况和4 种典型事故工况的诊断过程。结果显示，在CPR1000堆型的NRCS测试集上，所提出模型的事故诊断平均准确率为99.6%，相较于GRU和CNN-GRU模型分别提高了2.1%和1.5%；同时，在AP1000堆型的NRCS测试集上，所提出模型的事故诊断平均准确率为99.5%，相较于其他两种模型分别提高了1.7%和1.3%。因此，本文提出的模型在准确性和泛化性方面均表现出优异性能，为NRCS智能事故诊断提供了重要参考。

基于SSA-LSTM的海洋条件下稳压器液位回归预测研究

李东阳, 权紫轩, 张彪, 李江宽, 谭思超, 田瑞峰

2025, 46(2): 293-299. doi: 10.13832/j.jnpe.2024.050045

摘要(50) HTML (18) PDF(6)

摘要:
为保证核动力装置在海洋环境下的安全运行，有必要建立一套计算模型获得稳压器内的实时液位。通过搭建实验系统采集相关数据，采用基于麻雀搜索算法（SSA）优化长短期记忆（LSTM）神经网络（SSA-LSTM），根据测得的压力、运动姿态等关键参数建立液位回归预测模型。研究结果表明，所建立的液位回归预测模型预测精度优秀，明显优于其他传统神经网络。此外，该模型的泛化能力良好，对于新鲜样本的预测精度也较高，将其集成到控制系统中可实时输出稳压器液位，从而提高海洋条件下核动力装置运行的安全性，并为后续核动力装置的智能运维提供参考。

卷积-门控自注意力多源数据融合的泵组智能异常检测方法

孙原理, 宋志浩

2025, 46(2): 300-305. doi: 10.13832/j.jnpe.2024.090028

摘要(60) HTML (27) PDF(8)

摘要:
针对核动力泵组在运行过程中多变工况下难以利用多源检测信号进行诊断的问题，本文提出一种利用深度学习网络融合多源数据的泵组智能异常检测方法。该方法利用卷积神经网络（CNN）对多源数据进行融合，能够有效地对多源数据之间的关系进行分析。采用自注意力机制提取具有注意力权值的输入数据融合特征，使所构建的智能异常检测模型具有自主适应不同类型输入数据的能力，保证了所提方法在多源数据场景下的核动力泵组智能异常状态检测的准确度，同时加入残差块提升模型训练效果。通过搭建泵组故障模拟试验台来验证该方法的可靠性和准确性，结果表明，本文所提检测方法能够有效融合多源数据之间的信息特征，在此基础上能够充分完成泵组在运行过程中多变工况下故障诊断的任务，且具有较高的诊断精度。

留言板

当期目录
2025年第46卷第2期

留言板

当期目录 2025年 第46卷 第2期

当期目录
2025年第46卷第2期