基于人工神经网络的压水堆燃料破损状态监测

为提升对核反应堆燃料棒包壳破损的预测能力,建立两个串联的人工神经网络分别判断燃料棒包壳是否破损以及破损程度。通过改变沾污铀质量、增加数据扰动、改变运行功率和使用更少的特征核素进行训练,对用于判断是否破损的神经网络模型和判断破损等级的神经网络进行了性能测试和分析。在沾污铀质量小于0.5 g、数据扰动在30%以内、单棒功率在77 kW到120 kW之间的条件下,第1个人工神经网络能较好地判断出是否破损。第2个神经网络,对于考虑的5种破损程度,判断的精确性较高。与传统的碘同位素比值法相比,神经网络方法响应更快,精度更高。结果表明,人工神经网络可用于预测反应堆燃料包壳是否发生破损以及破损程度。