State sensing of bubble jet flow based on acoustic recognition and deep learning

音響認識と深層学習に基づく気泡噴流の状態検知

三上 奈生*; 植木 祥高*; 芝原 正彦*; 相澤 康介 ; 荒 邦章 

Mikami, Nao*; Ueki, Yoshitaka*; Shibahara, Masahiko*; Aizawa, Kosuke; Ara, Kuniaki

この研究では、ナトリウム冷却高速炉(SFR)の蒸気発生器(SG)管の損傷によって引き起こされる液中への気泡噴流の検知に関するものである。本研究の主な目的は、気泡噴流に対して音響認識と深層学習に基づく新しい状態検知手法を開発することである。新しい手法の適用性を評価するために、模擬流体として水と空気を用いた概念検討を実施した。まず、SFRのSG管からの正常音と異常音をシミュレートする配管内流動音と気泡噴流音の取得と分析を行い、音響信号と特徴周波数の整理を行った。得られた試験結果を基に、ディープラーニングモデルを構築し、性能評価を実施した。その結果、提案したすべてのモデルは、ほぼ100.00%の精度で配管内流動音と気泡噴流音を識別できた。最も良いモデルでは、配管内流動音と3種類の気泡噴流音を99.76%の精度で識別できた。この結果は、深層学習による音響認識が実際のSFRにおけるバブルジェットの流れの状態を感知する大きな可能性を秘めていることを示唆している。

This study covers the accidental generation of bubble jet flow caused by steam generator (SG) tubes damaging in sodium cooled fast reactors (SFRs). The main objective of this study is to develop a novel state sensing method of bubble jet flow based on acoustic recognition and deep learning. Prior to the application of this method to actual SFRs, we utilize air and water as simulant fluids in order to perform the proof of concept. This study is divided into three phases. The first phase is the acquisition and analysis of pipe flow sound and bubble jet flow sound, each of which simulates the normal and anomaly sound from SG tubes in SFRs. The second phase is the preprocessing of acoustic signals and feature extraction. The third phase is the building of deep learning models and performance evaluation. As a result, every of our proposed models could distinguish between pipe flow sound and bubble jet sound with an accuracy of almost 100.00%, and the best model could classify pipe flow sound and three types of bubble jet flow sound with an accuracy of 99.76%. This result suggests that the acoustic recognition with deep learning has great potential to sense the state of bubble jet flow in actual SFRs.