19.04.2024
Подписывайтесь на Telegram-канал по ссылке

Машинное обучение помогло определить по звуку и сейсмоактивности, включен ли ближайший реактор

Monitoring Reactor Machine Learning

Сейсмические и акустические данные, зарегистрированные на расстоянии 50 м от исследовательского ядерного реактора, могут предсказать, находится ли он во включенном или выключенном состоянии с точностью 98%. Об этом говорится в новом исследовании, опубликованном в журнале Seismological Research Letters.

Применяя к данным несколько моделей машинного обучения, исследователи из Национальной лаборатории Ок-Риджа также смогли предсказать, когда реактор переключается между включением и выключением, и оценить уровни его мощности с точностью около 66%. Полученные результаты предоставляют международному сообществу ещё один инструмент для совместной проверки и мониторинга работы ядерных реакторов минимально инвазивным способом.

«Ядерные реакторы могут использоваться как для благотворных, так и для пагубных действий. Поэтому проверка того, что ядерный реактор работает, как заявлено, представляет интерес для сообщества ядерного нераспространения», — говорит ведущий автор исследования Ченгпин Чай, геофизик из Ок-Риджа.

Хотя сейсмические и акустические данные уже давно используются для мониторинга землетрясений и структурных свойств инфраструктуры, такой как здания и мосты, некоторые исследователи теперь используют эти данные для более пристального изучения промышленных процессов. В этом случае Чай и его коллеги развернули сейсмические и акустические датчики вокруг высокопоточного изотопного реактора в Ок-Ридже. Это исследовательский реактор, использующийся для производства нейтронов. Статус мощности реактора — это тепловой процесс в градирне, рассеивающей тепло.

«Мы обнаружили, что сейсмоакустические датчики могут регистрировать механические характеристики вибрирующего оборудования, такого как вентиляторы и насосы в градирне, с достаточной точностью, чтобы пролить свет на вопросы эксплуатации», — рассказывает Чай.

Затем исследователи сравнили ряд алгоритмов машинного обучения, чтобы определить, какие из них лучше всего оценивают состояние мощности реактора по конкретным сейсмоакустическим сигналам. Алгоритмы были обучены с использованием только сейсмических, только акустических данных или обоих типов данных, собранных в течение года. Учёные обнаружили, что объединенные данные дали наилучшие результаты.

«Сейсмоакустические сигналы, связанные с различными уровнями мощности, демонстрируют сложные закономерности, которые трудно анализировать с помощью традиционных методов, — поясняет Чай. — Подходы машинного обучения способны определить сложную взаимосвязь между различными реакторными системами и их сейсмоакустическими отпечатками пальцев и использовать их для прогнозирования уровней мощности».

Чай и его коллеги обнаружили некоторые интересные сигналы в ходе своего исследования, в том числе вибрации шумного насоса в выключенном состоянии реактора, которые исчезли при замене насоса. Чай заявил, что создание связи между сейсмическими и акустическими сигнатурами и различной промышленной деятельностью и оборудованием — это долгосрочная и сложная задача. Для высокопоточного изотопного реактора предварительные исследования показывают, что вентиляторы и насосы имеют разные сейсмоакустические характеристики и что разные скорости вращения вентиляторов имеют свои уникальные характеристики.