燃料デブリ取り出しのための機械式マニピュレータのナビゲーションおよび制御(委託研究); 令和3年度英知を結集した原子力科学技術・人材育成推進事業

廃炉環境国際共同研究センター; 東京大学*

JAEA-Review 2022-040, 70 Pages, 2023/01

JAEA-Review-2022-040.pdf:3.17MB

日本原子力研究開発機構(JAEA)廃炉環境国際共同研究センター(CLADS)では、令和3年度英知を結集した原子力科学技術・人材育成推進事業(以下、「本事業」という)を実施している。本事業は、東京電力ホールディングス株式会社福島第一原子力発電所の廃炉等を始めとした原子力分野の課題解決に貢献するため、国内外の英知を結集し、様々な分野の知見や経験を、従前の機関や分野の壁を越えて緊密に融合・連携させた基礎的・基盤的研究及び人材育成を推進することを目的としている。平成30年度の新規採択課題から実施主体を文部科学省からJAEAに移行することで、JAEAとアカデミアとの連携を強化し、廃炉に資する中長期的な研究開発・人材育成をより安定的かつ継続的に実施する体制を構築した。本研究は、研究課題のうち、令和3年度に採択された「燃料デブリ取り出しのための機械式マニピュレータのナビゲーションおよび制御」の令和3年度の研究成果について取りまとめたものである。本研究は、未知環境での衝突対応の為の機械的可変インピーダンスアクチュエータを用いたロボットマニピュレータの開発および効率的な探査・廃止措置のための人工知能を使った制御手法の構築に取り組む。従来調査では困難だった開口部から奥の領域における調査を行う他、先端部のグリッパーで、ペデスタルの底部に存在する小石状の燃料デブリの回収を目指す。ペデスタル内部の環境制約に対応する為のマニピュレータ機構と遠隔操作システムの開発に取り組む。令和3年度は、最適なマニピュレータのパラメータ設計とナビゲーションアルゴリズムの開発に取り組んだ。シミュレーションソフトウェアの選定や環境構築をした。英国チームとの協議のもと、要求寸法やペイロード、アクチュエータ要求諸元や構造検討を行った。ビジュアルサーボや遠隔操作インターフェースの検討準備を行った。電装系やソフトウェアシステムの構成を決めた。英国チームや外部アドバイザとの隔週ミーティングなど密な連携のもと、研究を推進した。年度末には、東京大学とミュンヘン工科大学(TUM)主催の国際ワークショップにて、プロジェクト紹介の口頭発表を行った。

Virtual environment for integrated design support (VINDS) for conceptual design of a space power reactor core

吉川 栄和*; 高橋 信*; 長松 隆*; 武岡 智*; 久語 輝彦; 土橋 敬一郎

PHYSOR 96: Int. Conf. on the Physics of Reactors, 1, p.B92 - B101, 1996/00

原子炉の概念設計では、様々な技術分野の専門家グループによる協同作業が必要である。それには、各技術者グループの設計活動を効率的に支援する計算機システムを構築する必要がある。本システム(VINDS)は、3次元グラフィックス、数値計算処理、人工知能技術等の最新の情報処理技術を利用するとともに、仮想現実技術をもとにしたヒューマンインターフェースをもつシステムに、設計に関する諸タスクを統合することを目指したものであり、宇宙用原子炉の概念設計を対象に構築したのである。VINDSシステムで提案された方策は、各工学解析計算の実行するための協同作業環境の構築に貢献するものである。本研究は、京大との協力研究による成果である。

Neural network with an expert system for real-time nuclear power plant monitoring

鍋島 邦彦; 鈴木 勝男; E.Tuekcan*

SMORN-VII,Symp. on Nuclear Reactor Surveillance and Diagnostics,Vol. 1, 0, P. 4_1, 1995/00

原子炉の状態監視は、運転の安全性・維持のための重要な課題である。原子力施設における監視では、プラントの運転状態に関連した量が、予想される正常及び非正常の範囲内にあるかどうかを知る必要がある。ここではオランダのボルセレ原子力プラントの監視のために、ニューラルネットワークとエキスパートシステムを組み合せたハイブリットAI監視システムを開発した。この監視システムでは、三層構造のニューラルネットワークが主要な測定信号の多様な運転パターンを学習することによりプラントシステムをモデル化する。エキスパートシステムは、マンマシンインターフェイスとして、またニューラルネットワークと運転員の双方から得られた情報を基に診断を行う。このハイブリット監視システムは、原子力プラントの信頼性と運転性の向上に有効であることが示された。

原子力知能化システム技術の研究(人間動作シミュレーション・プログラム:HASP); 平成3年度作業報告

秋元 正幸; 樋口 健二; 藤井 実; 久米 悦雄; 神林 奨; 海老原 健一

JAERI-M 92-198, 129 Pages, 1993/01

JAERI-M-92-198.pdf:3.93MB

日本原子力研究所は、1987年からHASP(Human Acts Simulation Program)と名付けた人工知能とロボティックスに関する研究を10年計画で開始した。これは、知能ロボット、知能化プラントの基盤技術を研究開発するものである。その内容は、命令理解システムの試作、視覚認識、2足歩行ロボットの動作シミュレーション、施設形状データの作成、被曝線量計算等のモンテカルロ計算の高速化を目的としたモンテカルロ計算装置の設計・試作などである。本報告は、平成3年度ののHASPの作業内容について記述する。

スーパーコンピューティングとは何か

浅井 清

原子力工業, 38(3), p.9 - 14, 1992/00

http://ci.nii.ac.jp/naid/40001074006

近年スーパーコンピュータの利用技術が発展し、それにつれて「スーパーコンピューティング」なる術語が一般に定着しつつある。原子力分野におけるスーパーコンピューティングの意味を、人間代替、実験代替、プラント知能化の面から捉え、原研における実例を挙げて解説した。

Multivariate analysis approach to predicting event timing based on temporal knowledge base for application to computerized system for radiological emergency response

石神 努; 山本 豊*; 畑 孝也*; 川久保 文恵*; 小林 健介

Probabilistic Safety Assessment and Management,Vol. 2, p.947 - 952, 1991/00

現在、原研で開発整備を行っている緊急技術助言対応システムは、緊急時に緊急技術助言組織に有用な情報を提供することを目的としている。特に、プラントの事故の状況、および、環境へのFP放出時期に係わる情報(プラント状態把握とFP放出予測)は、周辺住民への防護対策の意思決定上最も重要な情報の1つである。本システムではプラント状態把握とFP放出予測のために、知識工学におけるエキスパートシステムの手法を用いている。事象進展予測を行うためにはエキスパートシステムに含まれる知識ベースに時間の概念を導入することが必要であり、このため、時間を含む知識ベースを構築した。その際事象進展の時間予測に係わるデータを定めるために、種々の事故解析事例を多変量解析手法の1つである回帰分析法により分析した。また、エキスパートシステムの性能評価試験を行い知識ベースの妥当性を確認した。

放射線管理業務への人工知能(AI)適用,I; UTI-LISP言語による放射性物質等運搬時のエキスパートシステムの開発

木村 義隆*; 長谷川 圭佑; 池沢 芳夫

保健物理, 25, p.11 - 17, 1990/00

https://doi.org/10.5453/jhps.25.11

近年、科学の様々な分野で解釈・判断業務を支援するための人工知能(AI)が適用されている。放射線管理業務へAIを適用する第一段階として放射性物質等運搬時の輸送区分、容器等の判断を支援するエキスパートシステムを開発した。システムは、ルール化した法令等に記載されている運搬手続きに従い、運搬する核種、数量、性状、輸送方法等のユーザー入力情報をもとに前向き推論法で運搬物の輸送区分、容器、標識および枚数を解釈・判断する機能を有している。本システムの開発により、放射性物質等搬出時の解釈・判断事項の合理化、均一化および信頼性の向上が図られ、AI適用の有効性を確認することができた。

人間動作シミュレーション技術の研究

浅井 清

UTNL-R-0232, p.20 - 25, 1989/00

原研計算センターで行っている知能ロボット・モデル化研究「人間動作シミュレーション技術研究」の目的、概要、年次計画、進捗状況等について説明した。

Prediction of the operating control rod position of the HTTR with supervised machine learning

Ho, H. Q.; 長住 達; 島崎 洋祐; 濱本 真平; 飯垣 和彦; 後藤 実; Simanullang, I. L.*; 藤本 望*; 石塚 悦男

no journal, , 

During operation of the HTTR, hundreds of technical signals and operating conditions must be observed and evaluated to ensure safe operation of the reactor, for example reactor power, control rod position, coolant flow rate inlet/outlet, coolant temperature inlet/outlet, etc. The accumulated experiment data of the HTTR is not only important for the HTTR operation, but also for the basic development of the HTGR in general. Artificial intelligence (AI) and particularly machine learning (ML) are increasingly being used in various fields of research in modern science. They give the ability to make predictions as well as allow the extraction of key information about physical process from large datasets. Hence, there is a lot of potentials to apply AI and ML to predict the operating and safety parameters of the HTTR, and finally, a reactor simulator system for the HTTR could be expected by using the AI and ML algorithm. In this study, the control rod position of the HTTR is predicted based on ML without using the conventional neutronic codes. With the large accumulated data from operation history of the HTTR, the supervised ML with a linear regression algorithm was used. The linear regression algorithm finds a functional relationship between the input dataset (reactor power, burnup, etc.) and a reference dataset (control rod position), constructing a function that predicts control rod position from the other operation conditions. As result, the ML gives a good prediction of the HTTR control rod position with less than 5 difference compared to that in the experiment. This study is the initial step towards machine learning for research and analysis at the HTTR facility. With increasingly complicated experiments that create a large amount of data, ML is also expected to improve the design and safety analysis of the HTTR in the future.