核电厂故障检测与报警系统的发展概况

文章分析了传统的核电厂故障诊断及报警系统的结构和特点,指出了其需要改进的方面。概要评述基于知识库的专家系统、基于故障树的诊断系统和基于神经网络的诊断系统的发展概况及其在核电厂报警系统中的应用前景。     

核电厂仪控板件故障检测与诊断技术研究

仪控板件是核电厂仪控系统的重要组成部分,仪控板件的性能对核电厂能否安全、可靠、经济的运行有直接影响。本工作以在线测试为基础,对核电厂仪控板件的故障检测及其诊断技术进行了探讨;介绍了国外同行在该领域的相关经验和在线测试的主要功能、开发流程以及测试数据的分析方法,该故障检测与诊断技术对提高核电厂的安全运行水平有重要作用。     

核反应堆故障早期检测和在线状态监测方法

即将颁布的核行业标准《核电厂反应堆堆内构件的振动监测》(简称标准)对早期监测反应堆压力容器堆内构件蜕化的方法、故障检测仪表和监测程序提出了要求,适用于以中子波动信号和反应堆压力容器振动信号为基础的堆内构件和一回路部件的动态特性的监测。本文强调了标准所包含的核电站新型仪表控制系统的监测方法。新系统不同于传统的监测系统,它的主要目的是早期故障检测．以便向电厂操纵员和检查维修人员提供有用的状态信息。     

核医学数据获取动态存储器的设计

介绍了核医学图像数据获取的基本方法和与计算机的接口,重点介绍接口中数据获取动态存储器的设计,给出了硬件电路和设计原理。     

基于主元分析的小型压水堆故障检测和辨识方法研究

故障检测和辨识对于小型压水堆的安全经济运行具有重要意义。反应堆中通常采用基于信号和专家知识经验的故障检测和辨识方法,操纵员往往不能从海量的故障数据信息中及时准确甄别故障类型,追溯故障原因。本文提出了采用主元分析进行小型压水堆故障检测和辨识的方法。首先利用RELAP5程序对小型压水堆建模,获得典型故障的样本数据。其次,基于主元分析理论对样本降维,并计算T2和Q两个统计量,通过判断是否超出阈值来检测反应堆运行状态。然后,利用贡献率图方法分析了过程变量对于统计量的贡献率,从而确定了对故障特征变化起主要作用的变量,实现对不同故障的辨识。最终和实际物理过程分析结果进行对比,验证了该方法的有效性。      

70 串列加速器物理实验仪器管理系统

串列加速器上进行的核物理实验需要使用大量的核电子学仪器完成实验信号的数据采集和信号转换工作。这些核电子学仪器由我们数据获取组管理。原来使用的手工记录仪器借还的方法使管理者和物理实验用户查询仪器的使用情况非常繁琐，并无法提醒仪器校验的日期。为了解决这个问题，利用现有的网络环境，编写了在网络上运行的在线实验仪器管理系统。     

利用γ射线技术检测炼化分馏塔类设备运行故障

对γ射线扫描检测技术原理以及在分馏塔类设备运行故障的检测情况进行了简要介绍。这些应用情况表明,利用γ射线检测技术不仅可以快速、准确诊断分馏塔的结构故障,还可以用于分馏塔的运行状况评价、操作优化、挖潜增效以及实现预测维修等多个方面。因此,该技术在石油化工领域具有广泛的应用前景。     

27 串列加速器实验室Midas-VME数据获取系统调试总结

串列加速器实验室自80年代引入基于CAMAC的数据获取系统以来，数据采集的前端电子学一直基于CAMAC系统。随着VME标准的成熟，在国内外实验室的已经得到广泛的普及和应用，已经成为核物理实验数据获取系统必备的配置，而且价格也明显低于相同的CAMAC系统。为了满足串列实验室日益增大的数据采集量，也为了方便与国内外实验室交流，串列加速器实验室需引进基于VME的数据获取系统。自2003年以来，从软硬件两方面对VME数据获取系统进行了大量的调研，并与物理实验人员进行了多次协商讨论，确立了VME＋Midas＋Linux数据获取系统的方案。     

机器学习方法研究原子核的电荷半径

原子核的电荷半径是表征其电荷分布范围的物理量,对理解原子核这个复杂的量子多体系统内部核子间的相互作用发挥着重要的作用。但传统的物理模型对原子核电荷半径的描述还难以令人满意,特别是对于像钙同位素链所表现出的强烈的奇偶效应类现象。近些年来,随着机器学习方法在物理学领域的广泛应用,已有多种机器学习模型用于研究原子核电荷半径,这使得原子核电荷半径的计算精度得到大幅提升。本文综述了近年来包括贝叶斯概率分类器、核岭回归模型、人工神经网络以及贝叶斯神经网络在内的机器学习方法在原子核电荷半径研究中应用的最新进展,对比了不同机器学习方法、不同训练集与不同输入对机器学习预测原子核电荷半径结果的影响,并对机器学习在原子核物理中的进一步应用进行了展望。     

核反应堆控制棒驱动机构故障检测仪研制

以控制棒驱动机构为研究对象,基于机构结构噪声检测原理,自主研发了一套故障检测仪,并在试验台架模拟控制棒驱动机构上进行了测试分析,测试结果表明该检测仪可实现控制棒驱动机构的故障鉴别,为核反应堆控制棒驱动机构的安装调试和检修提供了一种科学有效的故障检测手段。      

无损检测加速器辐射防护屏蔽模拟设计

利用加速器的工程CAD模型和MCNP计算文件获得的辐射剂量分布图,定性分析了加速器周围的辐射场分布,并结合国家相关标准GB/T 20129—2015对加速器防护性能的剂量学相关指标进行了模拟计算和优化分析。研究结果表明在加速器初步设计的状态下,利用CAD精确建模和MC模拟计算的方式进行加速器防护性能指标的快速检测和评价具有一定可行性,并以此为基础进行加速器屏蔽结构、材料设置的优化。     

加速器注入系统实验平台辅助设备改造

加速器作为核科学研究的一项综合技术设施,需要长期的技术积累和持续的研究与发展,才能不断地满足核科学技术研究的需求。因此在基础科研设施建设方面,我们主要是以加速器注入系统实验平台建设为核心,通过完善配套设备来提高科研设施的性能,从而为提出更高的科研目标打下基础。     

粒子加速器设备标定中基准面引出研究

在粒子加速器设备标定中,如丝靶、剥离膜等设备需采用光学仪器间接测量其中一些运动机构相对于标定基准的偏差,这时需将激光跟踪仪测量的标定基准进行引出,提供用于光学仪器定位的参考点。本文对采用激光跟踪仪进行基准面引出时的误差及其影响进行了分析,通过约束水平拟合及合理选择放样参考点的方法,能有效减小误差的影响。这种方法可提高准直的精度,能为实际工作中类似设备的标定提供指导,保障加速器设备的顺利安装,在加速器准直测量中具有重要意义。     

山西省部分放射治疗设备性能检测及防护设施评价

依据有关国家标准规定的检测项目和检测方法,山西省卫生厅卫生监督所对山西省39家医疗机构使用的28台60Co治疗机和21台医用电子加速器的防护性能进行了检测,并对其机房防护设施进行监测评价.检测结果显示,放射治疗设备防护性能总体较好,且医用加速器优于钴治疗机;机房防护设施符合国家标准.     

基于机器学习从逐事件重离子碰撞提取物理信息

在重离子碰撞实验和输运模型模拟中均可逐事件获取观测量数据,然而,利用重离子碰撞研究核物质性质时通常只使用观测量对所有事件的平均值。机器学习拥有强大的数据分析和处理能力,可有效利用逐事件观测量数据中包含的丰富信息。本文通过极端相对论量子分子动力学(UrQMD)模型和机器学习算法的结合,为相关问题的研究提供新途径。研究结果显示,机器学习方法可从逐事件的观测量数据中提取关键物理参数的信息。此外,利用机器学习中特征量重要性归因方法,还可找出对提取相关参数最重要的特征量,从而对研究这些问题提供有价值的参考。     

基于机器学习的高强度ODS合金成分设计

针对200~300组氧化物弥散强化（ODS）合金成分、工艺及力学性能数据,尝试借助机器学习的方法,建立了ODS合金中关键成分与拉伸性能的关联性。研究结果发现,在Cr、Y2O3、W和Ti含量与ODS合金抗拉强度的变化趋势中,均存在对应着抗拉强度极值的最优值,而添加Al对抗拉强度的提升无明显作用。获得了几种抗拉强度优化的ODS合金关键成分配比,预测出的室温抗拉强度均在1 400 MPa以上,这将为快堆结构材料用ODS合金优化设计提供技术支持,加速推进ODS合金的材料优化。     

PET／CT设备性能检测

以NEMA NUJ2-2001标准推荐的方法对PET/CT、设备性能进行验收测试;给出空间分辨率,散射分数,计数丢失和随机符合测量,计数丢失和随机符合校正,灵敏度,图像质量、衰减和散射校准准确性检测数据,从测试图像分析3D采集的性能优于2D采集,且图像质量好.