سامانه شناسي، مدل سازي و تحليل ايمني راكتور تحقيقاتي تهران در شرايط حوادث ناشي ازدست رفتن جريان خنك كننده با شبكه عصبي مصنوعي بازگشتي

System identification and safety analysis of research reactor in the LOFA using the recurrent neural network

تحليل حوادث بصورت برخط بادقت بالا ازمنظر ايمني و كنترل اهميت دارد. با توجه به دشواري حل معادلات انتقال شار امكان استفاده‌از آن‌ها براي تخمين شار به‌صورت بر‌خط وجود ندارد. در پژوهش اخير سامانه‌شناسي و مدل‌سازي راكتور تحقيقاتي تهران براي حوادث نوع ازدست‌رفتن جريان خنك‌كننده، با‌استفاده‌از شبكه‌عصبي‌مصنوعي بازگشتي، بعنوان روش سامانه‌شناسي هوشمند، مورد انجام قرار گرفته‌است. همچنين تحليل ايمني راكتور براي حوادث مورد پيش‌بيني اين نوع مورد انجام قرارگرفته‌است. در پژوهش اخير، ابتدا روند چهار حادثه اين‌نوع، تعريف، سپس مدل‌سازي راكتور، با استفاده‌از كد محاسباتي TRANS انجام شده‌است. اطلاعات ورودي و نتايج خروجي، بعنوان داده‌هاي آموزش شبكه، براي سامانه‌شناسي راكتور مورد استفاده قرارگرفته‌است. شبكه‌هاي متعددي از نوع عصبي‌مصنوعي‌بازگشتي نظارت‌شده، براي دست‌يابي به شبكه با ساختار، تابع و وزن‌هاي مناسب مورد آموزش و ارزيابي نتايج قرار گرفته‌اند. شبكه طراحي‌شده، بااستفاده‌از حادثه ديگري مورد صحت‌سنجي و ارزيابي قرارگرفته‌است. همچنين تحليل حوادث محتمل ازاين نوع، مورد ارزيابي قرارگرفته‌است. نتايجتا، در حادثه حادثه بازشدن ناخواسته فلاپروالو وخاموش‌سازي اضطراري مربوط‌به كاهش سطح ارتفاع خنك‌كننده ايمني راكتور مختل مي‌باشد.و شبكه عصبي‌مصنوعي بازگشتي با50لايه مخفي و تعداد15عنصر تاخير در ورودي با تابع سيگمويد بعنوان شبكه مناسب انتخاب شده‌است. از شبكه مورد طراحي مي‌توان براي تحليل حالات گذار حوادث ناشي‌از دست رفتن جريان خنك‌كننده اين راكتور استفاده نمود.

Online accident analysis is important in terms of safety and control of the system. Considering the difficulty of solving, the neutron transport equations, it is not possible to use them in online neutron flux calculations. In the recent research, System identification, modeling and safety analysis of research reactor in the loss of flow accident using the recurrent artificial neural network has been done. Also, reactor safety analysis for predicted events of this type accident has been carried out. In the event of unplanned flapper valve openings and emergency shut--down by reducing the coolant level , the immunity of the reactor is impaired. The recurrent neural network with 50 hidden layers and a total of 15 delayed input elements with a sigmoid function as the appropriate network. The designed network can be used to analyze the transition states of loss of flow accidents.