Известия вузов. Ядерная энергетика

Рецензируемый научно-технический журнал. ISSN: 0204-3327

Возможность применения аппарата нейронных сетей для прогнозирования эрозионно-коррозионного износа оборудования АЭС

25.12.2015 2015 - №04 Моделирование процессов в объектах ядерной энергетики

А.Д. Вишнякова О.М. Гулина Н.Л. Сальников

DOI: https://doi.org/10.26583/npe.2015.4.07

УДК: 621.039:004.8

Интенсивность процесса эрозионно-коррозионного износа (ЭКИ) определяется большим числом параметров, сложным образом влияющих друг на друга. Использование интеллектуальной нейронной сети (ИНС) для решения задачи прогнозирования ЭКИ позволяет оценить взаимное влияние всех факторов, выделить существенные свойства поступающей информации и, в конечном итоге, улучшить точность прогноза без определения всех зависимостей между множеством факторов, обусловливающих процесс ЭКИ. Предлагается подход к созданию и обучению оптимальной нейронной сети для задачи прогнозирования интенсивности ЭКИ в трубопроводах АС. Средствами ПО Matlab разработана интеллектуальная нейронная сеть, решающая задачу прогнозирования утонения стенки прямого участка трубопровода с однофазной средой второго контура АЭС с ВВЭР. Сеть обучена с помощью алгоритма упругого обратного распространения, выполнено исследование нескольких конфигураций НС, проведен анализ полученных результатов.

Построена концептуальная схема интеллектуальной системы, реализованной в виде комплекса из трех видов НС: репликативной, самоорганизующейся карты Кохоннена и НС обратного распространения.

Ссылки

  1. Бараненко В.И., Янченко Ю.А., Гулина О.М., Докукин Д.А. О расчете скорости эрозионно-коррозионного износа и остаточного ресурса трубопроводов АЭС// Известия вузов. Ядерная энергетика. – 2010. – № 2. С.55-63.
  2. Chexal V.K. (Bind), Horowitz J.S. Chexal-Horowitz Flow-Accelerated Corrosion Model-Parameter and Influences. Current perspective of Inter. Pressure vessels and Piping: Codes and Standard. Book No. 409768. –1995. – РP. 231-243.
  3. Гулина О.М., Бараненко В.И., Докукин Д.А. Методологическая основа прогнозирования эрозионно-коррозионного износа оборудования АС методом нейросетевого моделирования// Известия вузов. Ядерная энергетика. – 2008. – № 1. С. 3-8.
  4. Уоссерман Ф. Нейрокомпьютерная техника: теория и практика./ Пер. на русский язык Ю. А. Зуева, В. А. Точенова, 1992. www.codenet.ru/progr/alg/nks/
  5. Свинглер К. Применение Neural Networks. Практическое руководство./ Пер. Ю.П. Маслобоева. Свободный доступ на http://matlab.exponenta.ru/neuralnetwork/book4/3_3.php

нейронная сеть алгоритм обучения эрозионно-коррозионный износ трубопроводы АС