Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Subekti, M.*; 工藤 和彦*; 鍋島 邦彦; 高松 邦吉
Atom Indonesia, 43(2), p.93 - 102, 2017/08
HTTR炉心の中心制御棒を引き抜く反応度添加抜試験を評価する際、1点炉近似の動特性モデルを用いた解析手法は、最も汎用的である。一方、制御棒が引き抜かれると同時に、将来の反応度および中性子束の変化予測値を速やかに出力するには、非常に速い処理速度を持つ別の解析手法を必要とする。そこで、Time Delayed Neural Network (TDNN)とJordan Recurrent Neural Network (JordanRNN)を組み合わせ、新たにTD-Jordan RNNというニューラルネットワーク・モデルを作成し、HTTRの試験データをオフラインで十分学習させた。その結果、反応度添加試験時の反応度および中性子束の変化予測値を速やかに出力することができた。
鍋島 邦彦; Subekti, M.*; 松石 智美*; 大野 富生*; 工藤 和彦*; 中川 繁昭
Journal of Power and Energy Systems (Internet), 2(1), p.92 - 103, 2008/00
HTTR(熱出力30MW)のオンライン監視システムにニューラルネットワークを適用した。本システムでは、幾つかのニューラルネットワークがそれぞれ独立に、異なる構成,入出力信号,学習則で、プラント動特性をモデル化している。その中の1つである自己相関型多層パーセプトロン(MLP)は、正常な運転データのみで学習を行い、プラント全体に渡る信号を予測することで、リアルタイム監視を行うものである。その他のネットワークは、オンラインでの反応度予測及び監視,ヘリウムリークの監視を行う。オンラインテストの結果から、それぞれのニューラルネットワークが精度良い予測と信頼性のある異常検知をできることが示された。
Subekti, M.*; 工藤 和彦*; 鍋島 邦彦
Proceedings of International Conference on Advances in Nuclear Science and Engineering (ICANSE 2007) (CD-ROM), p.53 - 63, 2007/11
大きくて複雑なPWRの運転監視システムは、多数のプラント信号によるダイナミックシステムであるため、その監視は困難である。監視システムの中に統合されたニューラルネットワークによる異常検知は、従来の警報装置より早い段階で異常を検知することで原子炉の安全性を向上させる。監視システムのタスクを完全なものにするため、エキスパートシステムによるオンライン異常診断を考慮する。開発したニューラルネットワークとエキスパートシステムの組合せ(ニューロエキスパート)は、PWRシミュレータでの幾つかの異常事象でテストされ、従来の警報装置より早く異常を検知し、診断することができた。
鍋島 邦彦; 松石 智美*; 牧野 純*; Subekti, M.*; 大野 富生*; 工藤 和彦*; 中川 繁昭
Proceedings of 15th International Conference on Nuclear Engineering (ICONE-15) (CD-ROM), 6 Pages, 2007/04
HTTR(熱出力30MW)のオンライン監視システムにニューラルネットワークを適用した。本システムでは、幾つかのニューラルネットワークがそれぞれ独立に、異なる構成,入出力信号,学習則で、プラント動特性をモデル化している。その中の1つである自己相関型MLPは、正常な運転データのみで学習を行い、プラント全体に渡る信号を予測することで、リアルタイム監視を行うものである。そのほかのネットワークは、オンラインでの反応度予測及び監視,ヘリウムリークの監視を行う。オンラインテストの結果から、それぞれのニューラルネットワークが精度良い予測と信頼性のある異常検知をできることが示された。
Subekti, M.*; 大野 富生*; 工藤 和彦*; 鍋島 邦彦; 高松 邦吉
Proceedings of 5th American Nuclear Society International Topical Meeting on Nuclear Plant Instrumentation, Controls, and Human Machine Interface Technology (NPIC & HMIT 2006) (CD-ROM), p.75 - 82, 2006/11
ニューロエキスパートは過去の加圧水型原子炉(PWR)の監視システムの研究において利用されてきた。その研究において、ニューロエキスパート,一般的なノイズ分析及び改良したニューラルネットワークは監視システムを改善してきた。また、平行法の適用においては、リアルタイム処理を機能させるためにコンピュータネットワークの分散型アーキテクチャを必要とした。本研究においては、センサー劣化を検出できる監視システムの改良、及び高温工学試験研究炉(HTTR)の監視の実証を目的とする。PWRのオンラインシミュレータ、及びRSG-GAS(インドネシアの30MW研究炉)でテストされた手法をもととして改良した本監視システムは、さらに複雑なHTTRの監視に十分活用できると思われる。
鍋島 邦彦; Kurnianto, K.*; Surbakti, T.*; Pinem, S.*; Subekti, M.*; 水口 祐介*; 工藤 和彦*
Proceedings of ICSC Congress on Computational Intelligence Methods and Applications (CIMA'2005) (CD-ROM), 4 Pages, 2005/12
ANNOMA (Artificial Neural Network of Monitoring Aids)システムを、インドネシアにある多目的原子炉(RSG-GAS)の状態監視と信号評価に適用した。フィードフォワードネットワークで原子炉の正常運転データを学習し、原子炉の動特性をモデル化する。本手法は、実際の原子炉からの測定信号とニューラルネットワークモデルによる推定値の偏差を監視することで、異常検知を行うことである。各信号の偏差のパターンから異常判別(センサ故障かシステムの異常)も可能となる。オンラインによるテスト結果から、出力上昇及び定常運転時の原子炉状態をリアルタイムで監視することに成功した。
Subekti, M.*; 大野 富生*; 工藤 和彦*; 高松 邦吉; 鍋島 邦彦
Proceedings of International Conference on Nuclear Energy System for Future Generation and Global Sustainability (GLOBAL 2005) (CD-ROM), 6 Pages, 2005/10
本報告では、分散型アーキテクチャに基づいた新しい全統合監視システムを提案する。この監視システムは分散型アーキテクチャを採用しており、その監視作業はセントラルサーバーによってクライアントPCに分散される。この分散型アーキテクチャを用いることで処理能力が最大限に発揮され、監視作業が重く回線容量の不足を引き起こした場合でも、リアルタイム処理の連続性を弱めることはない。また、この監視システムは、信号処理モジュールをメインシステム内に統合しており、そのメインシステムはクライアントPCにTCP/IPを通して監視作業を分散させている。メインシステムとクライアントPC間の信号処理は、監視作業が効率的に分散化されるよう最適化されている。さらに、各々のPCは完全に分離されており、あるPCにおける処理状態は決して他のPCに影響を与えない。
大野 富生*; Subekti, M.*; 工藤 和彦*; 高松 邦吉; 中川 繁昭; 鍋島 邦彦
日本原子力学会和文論文誌, 4(2), p.115 - 126, 2005/06
日本原子力研究所の高温工学試験研究炉(HTTR)では高温ガス炉の安全性実証を目的とした制御棒引き抜き試験が行われている。試験の実施には事前解析が必要で、本報ではニューラルネットワークを用いた原子炉出力及び反応度変化の予測手法について報告する。本研究で提案するのはリカレントネットワーク(RNN)を基本とし、時系列データの処理性能を向上させるため時間同期信号(TSS)を加えたモデルである。ネットワークの入力とするのは中央制御棒位置変化と他の重要な炉心情報で、原子炉出力及び反応度変化を出力とする。学習後、今後の試験における原子炉出力及び反応度変化の予測が可能となる。
大野 富生*; Subekti, M.*; 丸山 裕太*; 鍋島 邦彦; 工藤 和彦*
第13回インテリジェント・システム・シンポジウム講演論文集, p.212 - 217, 2003/12
本研究では、ニューラルネットワークモデルの一つである多層パーセプトロンを用いて原子力プラントのシミュレーション方法について述べる。ニューラルネットワークの主な特徴は学習による高速な処理でモデルを得ることが可能である。さらに、入力に「時間同期信号」と「進展同期信号」を加えることにより、いろいろな大きさや進展速度を持つ異常事象にも対応することができる。PWRシミュレータで作成した幾つかのサンプルデータを学習させることによって、学習以外の進展速度を持つ異常、特に外挿にも適用できることが明らかになった。
Subekti, M.*; 大野 富生*; 工藤 和彦*; 鍋島 邦彦; 高松 邦吉
no journal, ,
反応度測定の代替方法として提案しているニューラルネットワーク手法は、初期原子炉出力9MW, 15MW及び18MWにおける制御棒引抜き試験のデータを用いて検証済みである。また、反応度測定に対するニューラルネットワーク手法の適用性は、オフラインの事前テストで確認されており、今後オンラインでの反応度測定及び異常検知ができると思われる。本研究の検証結果は、ニューラルネットワーク手法の最も良い応用例になると思われる。
鍋島 邦彦; 中川 繁昭; 牧野 純*; 松石 智美*; Subekti, M.*; 大野 富生*; 工藤 和彦*
no journal, ,
ニューラルネットワークを用いた総合的な原子力プラント運転監視システムを開発し、HTTRにオンラインで適用した。反応度投入事象を模擬した「制御棒引抜き試験」と、冷却材喪失事象を模擬した「循環器回転数低下試験」及び「循環器2台停止試験」時に、リアルタイムでの運転状態を監視した結果、これらの異常検知・診断が可能であることが明らかになった。
