Автоматическое обнаружение начала кипения теплоносителя в активной зоне реактора ВВЭР

Abstract

Основная идея работы состоит в том, что шумовые сигналы на выходе основных технологических параметров ядерной энергоустановки (нейтронного потока, динамического давления и др.) содержат важную информацию о техническом состоянии оборудования. Были разработаны эффективные алгоритмы распознавания случайных процессов, которые после соответствующего преобразования рассматриваются как многомерные случайные векторы. Автоматическая классификация этих векторов в разработанных алгоритмах реализуется на основе функции правдоподобия, в частности байесовского классификатора и решающих функций. Применение байесовского классификатора основано на построении многомерных распределений вероятностей в признаковом пространстве соответствующей мерности, с помощью которого описывается случайные вектор-реализации соответствующих образов, подлежащие автоматической классификации.

Головна ідея роботи полягає в тому, що шумові сигнали на виході вимірювачів головних технологічних параметрів ядерної енергетичної установки (нейтронного потоку, динамічного тиску тощо) несуть важливу інформацію про технічний стан устаткування. Було розроблено ефективні алгоритми розпізнавання випадкових процесів, які після відповідного спектрального перетворення розглядаються як багатомірні випадкові вектори. Автоматична класифікація цих векторів у розроб­лених алгоритмах реалізується на основі функції вірогідності, зокрема байєсівського класифікатора та вирішуючих функцій. Застосування байєсівського класифікатора засновано на побудові багато­мірних розподілів імовірностей в ознаковому просторі відповідної мірності, за допомогою якого опи­суються випадкові вектори реалізації відповідних образів, що підлягають автоматичній класифікації.

The principal idea of the work consists in that noise signals at the outlet of main nuclear power plant technological parameter gauges (neutron flux, dynamic pressure etc.) contain important information on technical state of the equipment Еfficient algorithms of random process identification that after respective spectral transformation are considered as multidimensional random vectors were developed. Automated classification of these vector in the developed algorithms in realized on the base of probability function, especially of Bayes classifier. Application of classifier is based on construction of multidimensional distribution of probabilities in feature space of corresponding dimension, with the help of which random vectorsrealizations of corresponding images that are subjected to automated classification are described.