模糊神经技术在反应堆安全研究中的应用

AtomicEnergyScienceandTechnology

Vol.36,No.1Jan.2002

模糊神经技术在反应堆安全研究中的应用

张晓文,沈　承,张琴舜,杨煜普

(上海交通大学电信学院自动化系,上海　200030)

摘要:概要介绍了模糊神经网络技术,并对其在核电厂的负荷跟踪、功率分布控制、运行状况及运行参数的虚拟测量、故障诊断及瞬态识别以及核燃料的质量检查等方面的应用情况进行了综述。模糊神经网络技术在核电厂中的应用大大提高了反应堆运行的安全性和可靠性,展现了良好的推广应用前景。关键词:核反应;模糊神经技术;网络中图分类号:TL361　　　文献标识码:A　　　文章编号:100026931(2002)0120085204

ApplicationofNeurofuzzyTechnologyinNuclearSecurityResearch

ZHANGXiao2wen,SHENCheng,ZHANGQin2shun,YANGYu2pu

(AutomationDepartment,ShanghaiJiaotongUniversity,Shanghai200030,China)

Abstract:Overviewonneuralnetworktechnologyanditsapplicationsareintroducedinthepaper.Achievementsinloadtracing,powerdistribution,virtualmeasurements,faultdiag2nosis,transientrecognitionandnuclearfuelinspectionandsoon,suggestthatitisanprom2isingwaytoimprovethesafetyandreliabilityofnuclearpowerplant,therefore,mucheffortshouldbetakentohelpitpopular.

Keywords:nuclearreactor;neurofuzzytechnology;network

　　反应堆系统结构复杂,操作员在紧急情况

下的误操作往往不可避免。切尔诺贝利事故促使在反应堆控制中引入人工智能技术,以提高反应堆运行的安全性和可靠性。

由于模糊技术不依赖于对象严格的数学模型,噪声或过程变量的漂移不会导致控制器性

[1]

能的下降,因而在反应堆的功率控制、故障诊[2][3][4][5]断、建模和可靠性分析、改善温度响应等方面得到广泛应用。而神经网络强大的学习能力使得它在整体运行监控、过程数据监督、震动分析、机器故障诊断、暂态识别、系统控制、控

[6]

制棒磨损检测等方面的应用也日益成熟。

收稿日期:2000212223;修回日期:2001202222

模糊系统的规则、隶属函数的参数需靠专家提供或设计,不能自动获取。神经网络在训练时需大量数据,训练周期长,且易陷入局部最小。如将二者融合在一起,构成模糊神经控制系统,则既能象模糊逻辑那样表达近似与定性知识,又有神经网络的强学习能力和非线性表

[7,8]

达能力,可有效弥补各自的缺陷和不足。目前,国外已将模糊神经网络技术广泛用于反应堆中,并取得一系列的成果,国内对它在反应堆的应用研究刚刚起步。本文通过介绍模糊神经技术在反应堆中的成功应用,借此引起国内对模糊神经技术在反应堆应用研究中的广泛

),男,山东胶南人,在读博士研究生,智能控制专业作者简介:张晓文(1974—

86原子能科学技术　　第36卷

关注。

1　模糊神经技术

模糊神经网络是近年智能控制发展的一个

热点。因模糊逻辑和神经网络的优缺点具有明显的关联性和互补性,故它们能很好地融合在一起。主要有:1)将神经网络技术引入模糊系统,利用其自学习和自适应能力优化模糊系统;2)将模糊逻辑引入神经网络中,动态地调整神经网络的性能。目前,已有许多神经网络模型,如FAM(模糊联想记忆)、F2ART(模糊自适应谐振理论)、FCM(模糊认知图)、FMLP(模糊多层感知机)等,而模糊神经网络的交叉研究多集中于将神经网络技术引入模糊系统中。模糊神经网络除继承传统神经网络的学习算法外,还针对模糊信息的特点做了改进,形成独特的算法。如可处理模糊权值的模糊反向传播(BP)算法、模糊最优聚类学习算法、模糊遗传算法、多维优化学习算法、择近学习算法、趋化性算法、混沌优化随机算法等。模糊神经网络可根据模糊推理规则的形式,利用神经网络的学习能力进行复杂的模糊推理,具有并行运算速度快的优点,在理论上显示出美好的前景。

通量密度、初级流量压力变化、堆芯入口温度、堆芯出口温度和次级流量)被选作虚拟测量装置的输入。输出为模糊隶属函数值,标出了次级流量控制阀的位置。实验表明:5个输入信号各引入10%的噪声均不影响输出。即使将一个输入信号以白噪声来取代(模拟传感器失灵),系统仍能很好预测阀的位置。统计测试证实:仪表输出的误差位于测量误差之内。212　负荷跟踪核电站负荷跟踪是核电站运行经济性和安全性的客观要求。为解决功率调节和调节功率形状之间存在的耦合,实现过程控制的自动进行,文献[10]构造了一种模糊神经的预测控制模型来解决这一问题。它用一个3层的径向偏差神经网络(RBF)来拟合系统的预测模型,采用专家知识提取模糊ifΠthen规则来产生决策,从而预期系统输出的行为。

功率跟踪的过程分为学习期和运行期。在学习期,系统从反应堆中获取输入输出对,离线训练获得预测RBF模型;在运行期,将设计好的模糊控制器代替比例2积分(PI)控制,并作用于整个功率运行区间(包括未进行学习训练的负荷区)。仿真结果表明:这种模糊神经预测控制方法不依赖于模型,可用于其它的非线性时变动态系统。它改善了系统的动态特性,且曲线平滑,抗噪声能力强,具有很高的稳态精度,大大提高了负荷跟踪控制的自动化程度。213　功率分布控制

维持堆芯的功率在一可接受的范围内是功率分布控制的基本目标。由于氙集中度、功率水平和燃耗均会影响堆芯的空间功率分布,这种作用不仅有延迟,且是高度非线性的,因而,传统的手动操纵或优化方法难以使系统的控制性能达到预期的目标。基于此,文献[11]在压水堆的堆芯功率分布控制中采用了模糊神经控制算法。将来自堆芯各区的数据作为神经模糊系统的输入,控制规则的产生依靠过程的输入输出数据的自动学习。堆芯区域间的耦合作用通过解耦方法加以解决,解耦后的各区均采用一模糊神经控制器来分别加以控制。通过在一个两点氙震荡模型上应用的计算机仿真表明:所采用的控制器性能良好,对阶跃和斜坡输入具有快速响应能力,且堆芯的上下

2　模糊神经技术在核反应堆中的应用

模糊神经网络作为集模糊集合论、神经计算、数字信号处理、模式识别、随机过程等多门学科于一身的交叉性软计算技术,不依赖于被控系统的严格数学模型,且其工作方式与人脑思维相似,因而在反应堆应用研究中取得的研究成果已经引起核工业界的广泛关注。211　虚拟测量

利用模糊神经网络对过程进行建模,将实际的复杂物理信息映射成数值化的简单过程输出,作为难以测量的物理量或要通过解析计算才能获得的数据的估计值,这种虚拟测量(或虚拟仪表)方法可用于过程的性能监控和质量管理,其优点在于抗噪声能力强、容错性好。通过对传感器阵列的冗余解析可诊断传感器的故障,还可用于灵敏度分析,获得过程优化的控制规则,也可用于具有很大主观性的质量管理上。

[9]

该技术被A.Ikonomopoulos等用于反应堆次级流量控制阀的位置控制中。5个参数(中子

第1期　　张晓文等:模糊神经技术在反应堆安全研究中的应用87

部分间没有残余的通量震荡。214　故障诊断

在工业系统中,故障的监测和分离有着重要的意义。为避免系统性能下降、机器磨损、威胁健康甚至生命的事故发生,故障发生的早期监测非常重要。迅速而准确的诊断有助于在紧急情况下做出适当的最优策略,采取正确的行动并加以修缮。

传统的故障监测方法是对某些变量做有限的检查或采用冗余传感器。更先进的方法是对机器信号的谱做分析,通过对比设备的实际行为与数学模型预期值之间的差异来获得机器的状态信息。这种做法需要现成模型,因而,使得状态分析只能在工作点附近进行。基于知识的专家系统方法可克服这种缺陷,但专家知识不可避免的不完备性往往导致故障状态的遗漏。基于此,文献[12]提出了一种采用冗余分析和模糊识别技术的故障诊断系统,用神经网络实现冗余的模糊推理。在实验室设备安装中的应用表明了这种方法的优越性。215　测量信号的有效性监测

一起,并用夹紧弹簧维持环行的绝缘间隙。很

多管道的夹紧弹簧常从指定位置发生偏移。传统的检测方法是将堆芯关闭后卸料检查,这样做停工期较长。为了降低检测开支和减少停工期,文献[15]将自组织神经网络和模糊处理器结合起来,构造了一种模糊神经网络结构用于接触检测。它用CT2PT接触而产生的管道动态响应的变化作为识别信号,将接触检查作为一种匹配模式加以处理。管道的状态通过在线测量随时予以确定。这种方法可以实现即时预测,容噪声能力强。217　瞬态识别[16]

Tsoukalas等构造了一种混合模糊神经模型,用于反应堆复杂系统的瞬态识别中。它将基于规则的专家知识和模糊逻辑引入已经预先训练的人工神经网中,采用参考模型的方法识别含噪声的数据。专家系统的作用在于对模型数据作出解释和处理。瞬态模型由一个预先训练好的神经网络充当,其成员函数为各瞬态量。模糊逻辑的隶属函数将瞬态信息映射到易识别的基于规则的模糊空间中。以蒸汽和给水作为两种瞬态,以压力容器的压力、温度和蒸汽水平指示的采样值作为神经网络的输入进行仿真分析。分析结果表明:即使在输入数据耦合了20%的随机噪声的情况下,该混合模糊神经模型也能成功区分这两种瞬态。218　核燃料质量检查

核燃料在投入运行时对其质量要求很高。燃料球的裂缝、缺口等均将威胁到反应堆的安全运行。目前,对其燃料组件生产的质量控制仍采用人工方式。这种工作枯燥、易出错,且笨拙。为尽量降低操作员所受辐射的伤害,提高

[17]

质量检查的准确性和速度,Keyvan等对运用神经网络进行燃料球的自动监测进行了可行性研究。文献[17]中应用一种模糊自适应共振映射(ARTMAP)网络对燃料球的质量进行检测。这种结构模型采用监督学习方式,将模糊算子结合到自适应(ART)网络中,具有处理模拟和二值逻辑的能力,能处理非静态随机信号,比反向传播(BP)网络具有更好的自组织及自稳定性能。在反应堆上的应用实践表明,这种方法的成功率大于80%。此外,在燃料装载模式的优化、振动分析、汽轮机控制、系统建模、预

引入一种自适应神经模糊推理

系统建模技术,并结合统计决策技术和可能性比率来判断传感器及相关仪表示数的准确性,借以发现传感器示数的异常。这种方法利用神

Hines等

[13]

经网络的自适应能力来实现模糊系统学习隐藏在所搜集数据中的输入输出映射关系。将欲监测信号作为模糊推理系统的输入,通过比较实际信号(传感器输出)与神经模糊推理系统(ANFIS)模型的估计值,可检测出输出传感器状态的漂移。ANFIS的网络结构有助于模糊推理系统的梯度适量参数的误差向减小方向改变。

实验表明:当传感器示数衰减全量程的012%时就可监测出来。它可在不影响被监控的其他信道的情况下监测某一通道的故障或漂移,因而,这种技术还可对故障通道进行分离。Florida动力公司的一家核动力工厂提供的数据证实了这种传感器故障监测系统的有效[14]

性。

216　CT2PT的接触检测

压水堆的基本构成区块是冷却剂压力管道。它的压力管(PT)和冷却蛇管(CT)连接在

88原子能科学技术　　第36卷

[s.l.]:[s.n.],1992.2701～2711.

[8]　IkonomopoulosA,IsoukalasLH,UhrigRE.A

Fuzzy2neuralMethodologyforPowerPlantVirtualMeasurements[A].The8thPowerPlantDyna2mics,ControlandTestingSymposium[C].[s.l.]:[s.n.],1992.481～487.

[9]　IkonomopoulosA,IsoukalasLH,UhrigRE.

IntergrationofNeuralNetworksWithFuzzyRea2soningforMeasuringOperationalParametersinaNuclearReactor[J].NuclTechnol,1993,104:1～11.[10]XinqingL,IsoukalasLH,UhrigRE.ANeuro2

fuzzyApproachfortheAnticipatoryControlofComplexSystems[A].Proceedingsof5thIEEEInternationalConferenceonFuzzySystems[C].[s.l.]:[s.n.],1996.589～593.

[11]NaMG,UpadhyayaBR.ANeuro2fuzzyController

forAxialPowerDistributioninNuclearReactors[J].IEEETransNuclSci,1998,45(1):59～67.[12]GarciaFJ,IzquierdoV,deMiguelLJ,etal.

Fault2diagnosticSystemUsingAnalyticalFuzzyRe2dundancy[J].EngineeringApplicationsofArtificialIntelligence,2000,13(4):441～450.

[13]HinesJW,WrestDJ,UhrigRE.SignalValidation

Usingand193.

[14]RobertEU,LefteriHT.SoftComputingTechno2

logiesinNuclearEngineeringApplications[J].ProgressinNuclearEnergy,1998,34(1):13～75.

[15]MukherjeeA,ShivaprasadK,MoorthyRIK,

etal.ANeuro2fuzzyToolforCT2PTContactDe2tactioninaPressurizedHeavyWaterReactor[J].EngineeringApplicationofArtificialIntelligence,2000,13(4):451～458.

[16]TsoukalasLH,IkonomopoulosA,UhrigRE.

HybridExpertSystem2neuralNetworkMethodolo2gyforTransientIdentification[A].ProceedingsofAmericanPowerConference[C].Chicago:[s.n.],1991.1206～1211.

[17]KeyvanS,SongXL,KellyM.NuclearFuelPellet

InspectionUsingArtificialNeuralNetworks[J].JournalofNuclearMaterials,1999,264(1):141～154.

Adaptive

Neural

Fuzzy

Inference

System[J].NuclTechnol,1997,119(2):181～

测材料行为、设计结构、流量识别等诸多方面,

模糊神经技术均有成功的应用。

3　结束语

模糊神经技术有效地提高了反应堆系统的容错性、鲁棒性和可靠性及在测量装置老化、控制器反常和出现意外瞬态下系统的安全性。它在核电厂的监督、诊断和运行方面有着很大的应用价值。模糊神经控制器的使用大大改变了传统的控制器的设计思想,它不需知道对象的精确数学模型,可广泛地推广到其它系统中,有效地解放了人的智力劳动。目前,模糊神经技术在国内核电厂中的应用具有很大潜力。参考文献:

[1]　BabakM,MoscinskiJ,JewulskiJ.Fuzzy2logic

ApproachtoHTRNuclearPowerPlantModelCon2trol[J].AnnualNuclearEnergy,1983,10(9):467

～471.

[2]　SuttonR,ParkinsMJ.EarlyDetectionofSteam

LeaksinNuclearPlant[A].InternationalConfe2renceonControl’91[C].America:IEEE,1991.75～80.

[3]　MatsuokaH.ASimpleFuzzySimulationModelfor

NuclearReactorSystemDynamics[J].Technology,1991,3:228～241.

[4]　OnisawaT,SugenoM.AnApproachtoFailure

AnalysisUsingFuzzyUnreliabiligy[J].TransSocInstrumControlEng,1985,21(8):835～841.[5]　EdwardsRM,LeeKY,HughesDE.Testedfor

Nuclear

Plant

Instrumentation

and

Control

Validation[A].Proceedings1996AmericanNucle2arSocietyInternational———TopicalMeetingonNPI[C].America:ANS,1996.287～294.[6]　RobertE,UhrigLH,IkonomopoulosAT.Appli2

cationofNeuralNetworksandFuzzySystemstoPowerPlant[A].1994IEEEInternationalConfer2enceonNeuralNetworks[C].America:IEEE,1994.3703～3718.

[7]　RajuGVS,ZhouJ,BrittainCR.Applicationof

FuzzyRle2basedTechniquestoControllerDesignofa

Power

Plant[A].

The

8th

Power

Plant

Dynamics,ControlandTestingSymposium[C].

Nuclear