神经网络-遗传复合算法在压水堆堆芯换料设计中的应用
基于大规模数据的训练,神经网络模型能迅速准确预测堆芯的有效增殖因数(keff)、组件功率峰因子(Rad)和棒功率峰因子(FΔH),并以这3个参数作为衡量换料方式优劣的标准,构造改进的遗传算法从大量堆芯燃料方案中迅速搜索出最优排布方案,解决了在大量堆芯换料方案中选择最优方案费时的问题.堆芯装载方式建模时,设计二进制向量作为输入参数,有效减少了网络复杂度、提高了预测精度;最优方案搜索时,具有独特交叉算子、选择算子的遗传算法保证了搜索结果在可行域内,并提高了搜索效率.理论分析和数值实验结果表明,包含1个隐藏层的单隐层自适应BP网络可很好预测keff数据,包含3个隐藏层的自适应BP神经网络可较好地预测Rad和FΔH数据,再运用遗传算法快速搜索出了较理想的换料方案,为人工智能算法在核工业中的进一步深入应用提供参考.
堆芯换料优化、自适应BP神经网络、遗传算法
54
TM623.91;TP183(发电、发电厂)
2020-05-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
825-834