萬浩　王炳炎　陳相羽　殷琪　蒲耀洲　李豪

摘要：目前核反應(yīng)堆換料檢修耗時(shí)長(zhǎng)，基于維修人員經(jīng)驗(yàn)判斷，存在缺陷識(shí)別不精確、數(shù)據(jù)零散、可追溯性低等不足，并且受個(gè)人主觀影響較大。隨著新一代技術(shù)的發(fā)展，如大數(shù)據(jù)、人工智能等，智能維護(hù)能夠有效提高維護(hù)質(zhì)量和效率。本文闡述分析了反應(yīng)堆系統(tǒng)檢修的現(xiàn)狀和工業(yè)檢修技術(shù)的進(jìn)展，提出了基于大數(shù)據(jù)的反應(yīng)堆系統(tǒng)全生命周期智能檢修思路，研究了全生命周期檢修數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)庫(kù)構(gòu)建、施工檢修過程管理和智能檢修方案等關(guān)鍵技術(shù)。以反應(yīng)堆壓力容器的主螺栓螺紋檢修為例，提出了主螺栓螺紋檢修的數(shù)據(jù)挖掘與智能決策支持技術(shù)路線、實(shí)施路徑及其壽命預(yù)測(cè)，從而提高主螺栓螺紋檢修過程的服務(wù)能力，有利于進(jìn)一步保障核反應(yīng)堆結(jié)構(gòu)服役的安全性與可靠性。最后，針對(duì)智能檢修技術(shù)在反應(yīng)堆系統(tǒng)的加快推進(jìn)提出了一些建議。

關(guān)鍵詞：智能檢修；大數(shù)據(jù)；全生命周期；決策支持；反應(yīng)堆換料

中圖分類號(hào)：TL38+7 文獻(xiàn)標(biāo)志碼：A doi：10.3969/j.issn.1006-0316.2023.04.001

文章編號(hào)：1006-0316 （2023） 04-0001-08

Solution of Full-Life-Cycle Intelligent Maintenance of Nuclear Reactor System Based on Big Data

WAN Hao，WANG Bingyan，CHEN Xiangyu，YIN Qi，PU Yaozhou，LI Hao

（ Science and Technology on Reactor System Design Technology Laboratory，

Nuclear Power Institute of China， Chengdu 610041， China ）

Abstract：Nuclear reactor refueling maintenance takes a long time at present. It is mostly based on experience， which causes problems such as inaccurate identification of defects， scattered data， and poor traceability， and it is greatly affected by subjective factors. With the development of new generation technologies， such as big data and artificial intelligence，? the quality and efficiency of maintenance can be effectively improved. This paper described and analyzed the research status of reactor system maintenance and the progress of industrial maintenance technology. The solution of full-life-cycle intelligent maintenance of reactor system based on big data was put forward， and the key technologies， such as data standardization， database construction， maintenance progress management， and intelligent maintenance scheme， were studied. Taking the thread maintenance of the main bolt as an example， a data mining and intelligent decision support technology roadmap were proposed to improve the serviceability of the maintenance process， and to ensure the safety and reliability of the nuclear reactor in service. Finally， some suggestions were put forward for the promotion of intelligent maintenance in reactor system.

Key words：intelligent maintenance；big data；full-life-cycle；decision support；nuclear reactor refueling

反應(yīng)堆系統(tǒng)換料檢修是確保核電廠長(zhǎng)期安全運(yùn)行和穩(wěn)定營(yíng)運(yùn)的必要手段。當(dāng)前反應(yīng)堆系統(tǒng)的檢修過程常采用人工管理方式或部分計(jì)算機(jī)輔助存檔等管理方式，缺乏對(duì)檢修過程數(shù)據(jù)的重視。而隨著核電廠多年的運(yùn)行與檢修，檢修過程數(shù)據(jù)得到了大量積累，這些數(shù)據(jù)在反應(yīng)堆系統(tǒng)缺陷識(shí)別、可靠性維護(hù)、健康狀態(tài)管理等方面將發(fā)揮顯著作用，對(duì)切實(shí)保障反應(yīng)堆運(yùn)行的安全性、可靠性與經(jīng)濟(jì)性具有重要意義。

當(dāng)前，以大數(shù)據(jù)、人工智能、云計(jì)算為特征新一代技術(shù)的快速發(fā)展，使反應(yīng)堆檢修管理模式逐漸開始轉(zhuǎn)變，以數(shù)據(jù)挖掘、大數(shù)據(jù)分析、智能決策支持等方式進(jìn)行檢修管理，可以彌補(bǔ)傳統(tǒng)檢修方式耗時(shí)長(zhǎng)、缺陷識(shí)別不精確、數(shù)據(jù)零散、可追溯性不強(qiáng)、受個(gè)人主觀影響較大等不足。因此，智能檢修是推進(jìn)核反應(yīng)堆全生命周期管理的有效手段，融合設(shè)備設(shè)計(jì)與過程狀態(tài)信息，采用數(shù)據(jù)建模的分析理念，提供成熟可靠的智能檢修一體化解決方案，實(shí)時(shí)分析出檢修對(duì)象的當(dāng)前狀態(tài)和與預(yù)估壽命，實(shí)現(xiàn)檢修過程系統(tǒng)化閉環(huán)管理，提高對(duì)核反應(yīng)堆系統(tǒng)的維護(hù)能力。

1 發(fā)展現(xiàn)狀

1.1 反應(yīng)堆系統(tǒng)檢修現(xiàn)狀

在核電廠反應(yīng)堆系統(tǒng)換料大修期間，檢修對(duì)象包括：壓力容器主螺栓與密封面、上部堆內(nèi)構(gòu)件、指套管、控制棒驅(qū)動(dòng)機(jī)構(gòu)、反應(yīng)堆頂蓋等。按照維修發(fā)生的時(shí)機(jī)，可將維修分為修復(fù)性維修和預(yù)防性維修兩大類[1]。目前核電廠換料檢修大多數(shù)實(shí)施的是預(yù)防性維修模式，即在結(jié)構(gòu)或設(shè)備未發(fā)生事故或未造成損失的前提下就展開一系列檢修，通過對(duì)反應(yīng)堆各零部件的系統(tǒng)性檢查、維修和更換，使其保持在規(guī)定的狀態(tài)。

針對(duì)不同的檢修對(duì)象，現(xiàn)有核電廠通常采用視頻或圖片回傳、超聲檢測(cè)、無損檢測(cè)、磁粉探傷等不同工程檢測(cè)手段，通過維修人員或設(shè)備對(duì)各類信號(hào)的判斷，采用相應(yīng)的修理方式[2]?？偟膩砜?，由于反應(yīng)堆檢修頻率低，大多檢修工作由人工完成，自動(dòng)化程度偏低，檢修工藝流程和策略需要進(jìn)一步完善。同時(shí)，反應(yīng)堆系統(tǒng)檢修期間產(chǎn)生了大量的現(xiàn)場(chǎng)檢測(cè)維修數(shù)據(jù)，而在傳統(tǒng)的反應(yīng)堆管理模式中，這些數(shù)據(jù)大多是靜態(tài)和孤立的，數(shù)據(jù)之間建立的關(guān)系較少，且較為抽象[3]。而這些數(shù)據(jù)對(duì)反應(yīng)堆設(shè)計(jì)、施工、運(yùn)行及安全性、可靠性具有重要的價(jià)值[4]。

為此，方滿洲等[5]針對(duì)核電廠反應(yīng)堆檢修管理方式的不足，提出了換料檢修計(jì)算機(jī)化管理的方法，以提高檢修效率和可靠性及其管理水平。王百眾等[6]研究了大亞灣核電廠三維數(shù)字化管理及其在核電廠大修期間中應(yīng)用的方法，并在反應(yīng)堆檢修中進(jìn)行應(yīng)用，結(jié)果表明可以縮短工期。隨著計(jì)算機(jī)軟硬件的不斷發(fā)展，虛擬現(xiàn)實(shí)技術(shù)變得日漸成熟，李喆等[7]對(duì)反應(yīng)堆檢修對(duì)象進(jìn)行了數(shù)字化建模，將混合現(xiàn)實(shí)技術(shù)應(yīng)用到了核電廠日常設(shè)備維護(hù)中，大大提高了核電廠的檢修效率。針對(duì)核電廠中產(chǎn)生的大量數(shù)據(jù)，相關(guān)研究人員建立了檢修數(shù)據(jù)庫(kù)[8-9]，并對(duì)其中存在的問題進(jìn)行大量分析，從而進(jìn)一步推動(dòng)了檢修數(shù)據(jù)庫(kù)管理工作的專業(yè)化、標(biāo)準(zhǔn)化[10]。

以上研究有利于核反應(yīng)堆系統(tǒng)檢修過程數(shù)字化技術(shù)水平的發(fā)展，但少有學(xué)者對(duì)檢修對(duì)象的全生命周期數(shù)據(jù)收集與利用進(jìn)行研究，而這些數(shù)據(jù)對(duì)檢修過程自動(dòng)化程度以及對(duì)缺陷識(shí)別、剩余壽命預(yù)測(cè)等具有重要價(jià)值，對(duì)確保反應(yīng)堆檢修和運(yùn)行安全與建設(shè)數(shù)字化反應(yīng)堆具有重要意義。

1.2 工業(yè)檢修技術(shù)進(jìn)展

檢修技術(shù)是通過對(duì)零部件存在的缺陷進(jìn)行

識(shí)別，根據(jù)已有的經(jīng)驗(yàn)對(duì)缺陷進(jìn)行維修決策，并同時(shí)對(duì)零部件的壽命做出預(yù)測(cè)，達(dá)到系統(tǒng)運(yùn)行安全可靠的目的。研究人員近些年在數(shù)據(jù)驅(qū)動(dòng)的故障檢測(cè)與診斷技術(shù)方面取得了大量研究成果[11-13]。檢修測(cè)量技術(shù)針對(duì)對(duì)象的不同有各類技術(shù)手段獲得數(shù)據(jù)，分析技術(shù)手段常有統(tǒng)計(jì)法、頻譜法、模型法等，其中融合機(jī)器學(xué)習(xí)技術(shù)是這些方法研究的熱點(diǎn)[14]。智能制造環(huán)境下，解決問題的方法逐漸從過去的以人的經(jīng)驗(yàn)為核心，轉(zhuǎn)向依靠大數(shù)據(jù)分析來發(fā)現(xiàn)和解決各種顯性（如缺陷、故障等）與隱性（如性能下降、磨損、運(yùn)行風(fēng)險(xiǎn)上升等）問題。以大數(shù)據(jù)為核心，工業(yè)檢修技術(shù)正向智能化邁進(jìn)。

另一方面，在具體的工業(yè)領(lǐng)域應(yīng)用中，一些研究人員針對(duì)不同行業(yè)進(jìn)行了相關(guān)研究。在水電站領(lǐng)域，李林等[15]從設(shè)備全生命周期管理角度，采用基于時(shí)間序列分解模型的趨勢(shì)預(yù)測(cè)模型，對(duì)發(fā)電機(jī)機(jī)組和水輪機(jī)設(shè)備的故障進(jìn)行實(shí)時(shí)診斷，達(dá)到水電站智慧檢修。在石油管網(wǎng)領(lǐng)域，董紹華等[16]針對(duì)管網(wǎng)當(dāng)前系統(tǒng)繁多及數(shù)據(jù)采集與應(yīng)用脫節(jié)的問題，提出了大數(shù)據(jù)驅(qū)動(dòng)的全生命周期智能管網(wǎng)解決方案，從而保障管道安全、高效運(yùn)營(yíng)。在電力領(lǐng)域，蒲天驕等[17]認(rèn)為人工智能技術(shù)對(duì)電力設(shè)備信息提取與知識(shí)庫(kù)建立、健康狀態(tài)評(píng)價(jià)、設(shè)備運(yùn)行狀態(tài)預(yù)測(cè)、缺陷識(shí)別與故障診斷、影像分析、壽命預(yù)測(cè)、檢修策略推薦等環(huán)節(jié)具有廣闊的應(yīng)用前景。在軌道交通領(lǐng)域，王華偉等[18]將故障診斷、狀態(tài)維修等檢修決策融合到了鐵路運(yùn)輸設(shè)備技術(shù)狀態(tài)大數(shù)據(jù)平臺(tái)。在電子設(shè)備[19]、機(jī)械加工[20]、高溫鍋爐[21]、油氣鉆采[22]等相關(guān)方面，研究人員利用智能技術(shù)提高了這些設(shè)備或零件的檢修水平。

以上文獻(xiàn)可以看出，核反應(yīng)堆換料檢修技術(shù)的發(fā)展需要依靠大數(shù)據(jù)、智能決策等先進(jìn)手段，從全生命周期角度，借鑒智能技術(shù)在其他工業(yè)領(lǐng)域的應(yīng)用經(jīng)驗(yàn)來開展實(shí)踐，從而提高檢修過程的管理水平和智能化檢修技術(shù)。

2 反應(yīng)堆系統(tǒng)全生命周期智能檢修關(guān)鍵技術(shù)

反應(yīng)堆系統(tǒng)檢修的全生命周期管理可以定義為：在項(xiàng)目規(guī)劃、參數(shù)研究、反應(yīng)堆結(jié)構(gòu)設(shè)計(jì)、設(shè)備制造、安裝設(shè)計(jì)、現(xiàn)場(chǎng)施工、運(yùn)行維護(hù)、檢修、退役等整個(gè)生命周期內(nèi)，整合不同階段的業(yè)務(wù)與知識(shí)數(shù)據(jù)信息，建立檢修對(duì)象數(shù)據(jù)管理模型，實(shí)現(xiàn)檢修對(duì)象從規(guī)劃到退役的全過程信息化管理。核電站反應(yīng)堆全生命周期智能檢修關(guān)鍵技術(shù)包括以下四個(gè)方面。

2.1 構(gòu)建全生命周期檢修數(shù)據(jù)標(biāo)準(zhǔn)

構(gòu)建反應(yīng)堆系統(tǒng)檢修對(duì)象統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)和規(guī)范，在其全生命周期內(nèi)執(zhí)行相同的數(shù)據(jù)標(biāo)準(zhǔn)，同時(shí)通過數(shù)據(jù)模型整合各業(yè)務(wù)數(shù)據(jù)，從而形成與檢修對(duì)象相對(duì)應(yīng)的數(shù)據(jù)資產(chǎn)，進(jìn)一步保證數(shù)據(jù)的完整性和可重復(fù)應(yīng)用。在此基礎(chǔ)上，規(guī)范數(shù)據(jù)的格式、編碼、結(jié)構(gòu)，最終實(shí)現(xiàn)數(shù)據(jù)的全面統(tǒng)一和集成共享。全生命周期檢修數(shù)據(jù)標(biāo)準(zhǔn)構(gòu)建思路如圖1所示。

2.2 構(gòu)建全生命周期檢修數(shù)據(jù)庫(kù)

構(gòu)建反應(yīng)堆系統(tǒng)全生命周期檢修數(shù)據(jù)模型，以檢修對(duì)象的本體數(shù)據(jù)和運(yùn)行及檢修的過程數(shù)據(jù)為主，將全生命周期各階段數(shù)據(jù)按統(tǒng)一標(biāo)準(zhǔn)錄入數(shù)據(jù)庫(kù)，并將該全部數(shù)據(jù)作為檢修對(duì)象的設(shè)備畫像。其中，反應(yīng)堆檢修對(duì)象本體數(shù)據(jù)包括對(duì)象屬性、設(shè)計(jì)、結(jié)構(gòu)參數(shù)、制造裝配等數(shù)據(jù)，過程數(shù)據(jù)包括監(jiān)測(cè)、運(yùn)行、檢測(cè)、維修等數(shù)據(jù)。將這些數(shù)據(jù)資源進(jìn)行統(tǒng)一入庫(kù)和開發(fā)利用，對(duì)檢修對(duì)象進(jìn)行數(shù)字化管理，從而構(gòu)建全生命周期檢修數(shù)據(jù)庫(kù)，如圖2所示。

另一方面，上述八類數(shù)據(jù)的來源主要包括歷史數(shù)據(jù)和施工現(xiàn)場(chǎng)數(shù)據(jù)。同時(shí)，對(duì)于這些數(shù)據(jù)的獲取，根據(jù)數(shù)據(jù)對(duì)象的不同，如報(bào)告文檔、圖紙文件、記錄表格、運(yùn)行狀態(tài)二進(jìn)制文件以及智能設(shè)備、傳感器采集的數(shù)據(jù)，進(jìn)行特征處理，在傳統(tǒng)經(jīng)驗(yàn)規(guī)則的基礎(chǔ)上，形成關(guān)系型數(shù)據(jù)庫(kù)。

2.3 施工檢修過程管理

施工檢修過程管理包括對(duì)檢測(cè)數(shù)據(jù)、維修數(shù)據(jù)采集進(jìn)行錄入管理，以及智能化決策支持管理。

施工數(shù)據(jù)錄入主要包含檢修全過程的數(shù)據(jù)采集與加載，需要滿足數(shù)據(jù)完整性以及檢修數(shù)據(jù)與屬性數(shù)據(jù)的關(guān)聯(lián)一致性，如設(shè)計(jì)、制造、裝配、缺陷等數(shù)據(jù)。智能化決策支持是利用已有的數(shù)據(jù)資源或者數(shù)據(jù)訓(xùn)練集，對(duì)檢修對(duì)象的狀態(tài)、工程參數(shù)、是否存在缺陷、存在哪類缺陷等智能識(shí)別和決策，以支持工程人員對(duì)檢修對(duì)象進(jìn)行修配，并結(jié)合設(shè)計(jì)數(shù)據(jù)對(duì)檢修對(duì)象進(jìn)行剩余壽命預(yù)測(cè)。

2.4 全生命周期智能檢修方案設(shè)計(jì)

智能檢修的核心是對(duì)已有的數(shù)據(jù)資源充分利用，并結(jié)合先進(jìn)的智能算法，重點(diǎn)突出數(shù)據(jù)資源對(duì)檢修過程的決策支持功能，如圖3所示。首先，在傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)的基礎(chǔ)上，對(duì)檢修過程產(chǎn)生的圖片、超聲檢測(cè)、無損檢測(cè)、磁粉探傷等數(shù)據(jù)進(jìn)行大數(shù)據(jù)建模，通過訓(xùn)練進(jìn)一步發(fā)掘檢測(cè)過程與維修過程的非關(guān)系型數(shù)據(jù)。其次，利用得到的數(shù)據(jù)模型，對(duì)施工檢測(cè)過程進(jìn)行決策支持，智能判斷出缺陷類型與維修方式。同時(shí)，根據(jù)對(duì)象屬性數(shù)據(jù)和設(shè)計(jì)數(shù)據(jù)，實(shí)時(shí)分析出檢修對(duì)象的剩余壽命，以提高對(duì)反應(yīng)堆結(jié)構(gòu)的維護(hù)水平。

3 智能檢修數(shù)據(jù)挖掘與決策支持——以主螺栓螺紋檢修為例

以核反應(yīng)堆壓力容器的主螺栓螺紋檢修為例，開展檢修數(shù)據(jù)挖掘與決策支持的技術(shù)路線研究。壓力容器螺孔螺紋狀態(tài)關(guān)系到核反應(yīng)堆的正常運(yùn)行。在核反應(yīng)堆壽期內(nèi)，螺紋可能會(huì)出現(xiàn)粘結(jié)、污染、生銹以及損傷等情況，因此需要針對(duì)螺紋進(jìn)行系統(tǒng)性的檢查及修復(fù)等相關(guān)工作。

現(xiàn)有對(duì)主螺栓螺紋檢修采用的是人工的方式，數(shù)據(jù)主要記錄于文本材料中，沒有形成系統(tǒng)的檢修工藝及流程，檢修策略不夠完善。目前的壓力容器主螺栓檢修存在一定局限性：①零散性。僅對(duì)已經(jīng)出現(xiàn)的缺陷進(jìn)行被動(dòng)處理，關(guān)鍵步驟之間缺乏必要反饋，數(shù)據(jù)流通性較差；②自動(dòng)化程度低。依靠維修人員進(jìn)行人工肉眼評(píng)判缺陷情況和局部修復(fù)；③可追溯性差。檢修結(jié)果沒有進(jìn)行系統(tǒng)的數(shù)據(jù)分析、經(jīng)驗(yàn)反饋以及錄入螺紋質(zhì)量數(shù)據(jù)庫(kù)；④缺乏科學(xué)判據(jù)。例如，螺紋多次檢修后累積的拋光加工量對(duì)螺栓使用壽命或者對(duì)壓力容器影響，并無明確評(píng)判標(biāo)準(zhǔn)。

因此，針對(duì)以上存在的局限，提出了一種全新的、系統(tǒng)性的主螺栓孔螺紋全壽期檢修方案。首先，完善主螺栓的全生命周期數(shù)據(jù)，以此建立關(guān)系型數(shù)據(jù)資源庫(kù)；其次，利用智能技術(shù)提高維修人員的決策能力及自動(dòng)化水平，并挖掘非關(guān)系型數(shù)據(jù)；建立專家系統(tǒng)，結(jié)合已有數(shù)據(jù)資源，對(duì)檢修后的主螺栓進(jìn)行壽命預(yù)測(cè)。

3.1 全生命周期數(shù)據(jù)挖掘

根據(jù)圖2所示的全生命周期檢修數(shù)據(jù)庫(kù)構(gòu)成，以主螺栓為對(duì)象，對(duì)螺紋的本體數(shù)據(jù)和過程數(shù)據(jù)進(jìn)行挖掘。從項(xiàng)目總體方案設(shè)計(jì)資料中挖掘主螺栓螺紋對(duì)象的屬性數(shù)據(jù)，如功能、安全等級(jí)等；從基本方案中挖掘設(shè)計(jì)數(shù)據(jù)，如強(qiáng)度、失效特征等；從詳細(xì)設(shè)計(jì)圖紙中挖掘結(jié)構(gòu)參數(shù)數(shù)據(jù)，如材料、基本要素等；從裝配圖紙和施工計(jì)劃中挖掘裝配數(shù)據(jù)，如配合對(duì)象、預(yù)緊力等；監(jiān)測(cè)主螺栓運(yùn)行過程中的振動(dòng)、溫度等數(shù)據(jù)；同樣地，針對(duì)檢測(cè)和維修過程，挖掘其檢測(cè)數(shù)據(jù)和缺陷維修數(shù)據(jù)。主螺栓螺紋全生命周期檢修數(shù)據(jù)挖掘的內(nèi)容如圖4所示。

3.2 智能檢修決策支持的技術(shù)路線

施工現(xiàn)場(chǎng)對(duì)主螺栓螺紋缺陷檢查方式主要是由維修人員通過肉眼觀察采集的螺紋圖像情況，并且采集的螺紋圖像是較為規(guī)范和結(jié)構(gòu)化的圖片，如圖5所示?，F(xiàn)有對(duì)此較為成熟的智能決策支持技術(shù)是基于機(jī)器視覺的缺陷識(shí)別。

基于機(jī)器視覺的主螺栓螺紋缺陷檢測(cè)主要由螺紋圖像采集、螺紋圖像預(yù)處理、螺紋缺陷識(shí)別三部分組成。螺紋圖像采集可以采取適用于核輻射環(huán)境下的雙目相機(jī)對(duì)螺紋進(jìn)行拍照采集，通過相機(jī)標(biāo)定算子、A/D轉(zhuǎn)換、數(shù)據(jù)傳輸?shù)壬蟼鞯綌?shù)據(jù)存儲(chǔ)中心；圖像預(yù)處理包括圖像降噪和圖像增強(qiáng)兩部分，其中圖像降噪可通過中值濾波和均值濾波減低外部環(huán)境噪聲干擾等影響，圖像增強(qiáng)可選擇合適的增強(qiáng)算法和灰度拉伸算法增強(qiáng)圖片識(shí)別度；螺紋缺陷識(shí)別過程首先需要對(duì)分割得到的螺紋圖像提取得到螺紋缺陷的幾何形狀特征，然后構(gòu)建螺紋缺陷特征庫(kù)，最后利用神經(jīng)網(wǎng)絡(luò)算法的識(shí)別模型進(jìn)行螺紋缺陷識(shí)別?；跈C(jī)器視覺的螺紋缺陷檢測(cè)系統(tǒng)技術(shù)路線如圖6所示。

以該技術(shù)路線建立的基于機(jī)器視覺系統(tǒng)將能實(shí)現(xiàn)螺紋圖像的自動(dòng)采集、自動(dòng)處理分析、外部缺陷的自動(dòng)識(shí)別。同時(shí)，結(jié)合專家系統(tǒng)以及相關(guān)的對(duì)象屬性數(shù)據(jù)、設(shè)計(jì)數(shù)據(jù)、結(jié)構(gòu)參數(shù)數(shù)據(jù)等，對(duì)識(shí)別到的缺陷類型進(jìn)行自動(dòng)判斷，為檢修操作人員提供相應(yīng)地維修方式及維修量參數(shù)等。

3.3 主螺栓連接剩余壽命預(yù)測(cè)

由于反應(yīng)堆運(yùn)行中，主螺栓承受的應(yīng)力基本保證不變，疲勞強(qiáng)度較高。因此，主螺栓連接剩余壽命或失效機(jī)理主要與核電廠每次換料時(shí)檢修發(fā)現(xiàn)的螺紋缺陷類型和維修量（如銑削量）相關(guān)，即異常缺陷及其導(dǎo)致或累積了較大維修量。

異常缺陷檢測(cè)與剩余壽命預(yù)測(cè)的關(guān)系：由于異常點(diǎn)是進(jìn)行退化建模的起始點(diǎn)，因此異常點(diǎn)檢測(cè)結(jié)果的準(zhǔn)確性直接影響到剩余壽命預(yù)測(cè)的結(jié)果。因此，異常檢測(cè)和壽命預(yù)測(cè)需要結(jié)合起來考慮，其主要思路如圖7所示。

在圖7中，圖像檢測(cè)系統(tǒng)運(yùn)行后，首先以監(jiān)測(cè)得到的數(shù)據(jù)為基礎(chǔ)，采用統(tǒng)計(jì)過程控制的方法對(duì)異常點(diǎn)u進(jìn)行檢測(cè)，一旦異常點(diǎn)u被檢測(cè)到，基于該異常點(diǎn)到當(dāng)前時(shí)刻tk時(shí)的監(jiān)測(cè)數(shù)據(jù)進(jìn)行退化建模，然后對(duì)對(duì)象退化到失效閾值的首次到達(dá)時(shí)間（即壽命或剩余壽命）進(jìn)行預(yù)測(cè)，并得出預(yù)測(cè)的剩余壽命分布情況。

4 結(jié)論與建議

（1）反應(yīng)堆智能檢修集成了計(jì)算機(jī)技術(shù)、大數(shù)據(jù)技術(shù)、智能決策技術(shù)等先進(jìn)技術(shù)，是實(shí)現(xiàn)檢修系統(tǒng)化閉環(huán)管理的重要手段，未來可以作為數(shù)字化反應(yīng)堆技術(shù)重要組成部分，進(jìn)一步提高檢修過程的服務(wù)能力和反應(yīng)堆結(jié)構(gòu)服役的可靠性。

（2）數(shù)據(jù)是智能檢修的根本，加強(qiáng)檢修對(duì)象和運(yùn)行過程的數(shù)字化建設(shè)是關(guān)鍵，數(shù)據(jù)與決策分析模型的精準(zhǔn)性是核心因素，實(shí)現(xiàn)智能檢修的基本途徑需要各類數(shù)據(jù)的融合。

（3）智能檢修的數(shù)字化建設(shè)依賴智能設(shè)備和傳感的數(shù)據(jù)采集能力，需要加強(qiáng)智能設(shè)備開發(fā)，綜合考慮核輻射對(duì)設(shè)備和傳感器數(shù)據(jù)采集過程的影響，對(duì)此設(shè)置相應(yīng)的維護(hù)機(jī)制。

（4）加強(qiáng)反應(yīng)堆智能檢修一體化數(shù)字平臺(tái)建設(shè)，加大數(shù)據(jù)的應(yīng)用范圍。

參考文獻(xiàn)：

[1]陳學(xué)楚. 現(xiàn)代維修理論[M]. 北京：國(guó)防工業(yè)出版社，2003.

[2]Wachia E，Nishitania J，Okimura K，et al. Maintenance technology and its applications for PWR plants[C]. Salt Lake City， USA：International Conference on Nuclear Power Plant Life Management for Long Term Operations，2012：1-8.

[3]方浩宇，李慶，宮兆虎，等. 數(shù)字化反應(yīng)堆技術(shù)在設(shè)計(jì)階段的應(yīng)用研究[J]. 核動(dòng)力工程，2018，39（4）：187-191.

[4]施錦，陳松，核電站預(yù)防性維修的重要性[J]. 中國(guó)核電，2011，4（3）：278-281.

[5]方滿洲，吳中旺，奚樹人. 核電站大修換料的計(jì)算機(jī)化管理[J]. 核科學(xué)與工程，2002，22（4）：380-384.

[6]王百眾，羅亞林，方昊，等. 核電站維修的三維數(shù)字化動(dòng)態(tài)管理[J]. 核動(dòng)力工程，2005，26（2）：196-198.

[7]李喆，陳佳寧，張林鍹. 核電站設(shè)備維修中混合現(xiàn)實(shí)技術(shù)的應(yīng)用研究[J]. 計(jì)算機(jī)仿真，2018，35（5）：340-344.

[8]Shimizu A，F(xiàn)urusawa T，Homma F，et al. Operation and maintenance experience from the HTTR database[J]. Journal of Nuclear Science and Technology，2014，51（11-12）：1444-1451.

[9]李艷良，劉丙月，高建勇，等. 核電廠SRCM分析及可靠性數(shù)據(jù)庫(kù)平臺(tái)[J]. 中國(guó)核電，2014，7（2）：186-189.

[10]孫中佩. 國(guó)內(nèi)某核電站大修數(shù)據(jù)庫(kù)的管理工作分析[J]. 企業(yè)技術(shù)開發(fā)，2015，34（17）：170-171.

[11]周東華，胡艷艷. 動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù)[J]. 自動(dòng)化學(xué)報(bào)，2009，35（6）：748-758.

[12]Wang H，Chai T Y，Ding J，et al. Data driven fault diagnosis and fault tolerant control：some advances and possible new directions[J]. Acta Automatica Sinica，2009，35（6）：739-747.

[13]周東華，魏慕恒，司小勝. 工業(yè)過程異常檢測(cè)、壽命預(yù)測(cè)與維修決策的研究進(jìn)展[J]. 自動(dòng)化學(xué)報(bào)，2013，39（6）：28-36.

[14]裴洪，胡昌華，司小勝，等. 基于機(jī)器學(xué)習(xí)的設(shè)備剩余壽命預(yù)測(cè)方法綜述[J]. 機(jī)械工程學(xué)報(bào)，2019，55（8）：1-13.

[15]李林，侯遠(yuǎn)航，鄭建，等. 基于全生命周期的水電站智慧檢修創(chuàng)新實(shí)踐[J]. 水電站機(jī)電技術(shù)，2019，42（12）：31-34.

[16]董紹華，張河葦. 基于大數(shù)據(jù)的全生命周期智能管網(wǎng)解決方案[J]. 油氣儲(chǔ)運(yùn)，2017，36（1）：28-36.

[17]蒲天驕，喬驥，韓笑人，等. 人工智能技術(shù)在電力設(shè)備運(yùn)維檢修中的研究及應(yīng)用[J]. 高電壓技術(shù)，2020，46（2）：369-383.

[18]王華偉，史天運(yùn)，蔣薈，等. 鐵路運(yùn)輸設(shè)備技術(shù)狀態(tài)大數(shù)據(jù)平臺(tái)研究[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2018，40（2）：38-43.

[19]Liu D T，Wang H，Peng Y，et al. Satellite lithium-ion battery remaining cycle life prediction with novel indirect health indicator extraction[J]. Energies，2013，6（8）：3654-3668.

[20]梁志宇，王宏志，李建中，等. 制造業(yè)中的大數(shù)據(jù)分析技術(shù)應(yīng)用研究綜述[J]. 機(jī)械，2018，45（6）：1-13.

[21]Zhang J X，Hu C H，He X，et al. Lifetime prognostics for deteriorating systems with time-varying random jumps[J]. Reliability Engineering and System Safety，2017，167：338-350.

[22]李思辰，張公社，紀(jì)國(guó)法. 基于大數(shù)據(jù)挖掘技術(shù)的頁(yè)巖氣井壓裂液產(chǎn)出規(guī)律分析[J]. 科學(xué)技術(shù)與工程，2019，19（25）：130-134.

收稿日期：2022-12-20

基金項(xiàng)目：國(guó)家自然科學(xué)基金（52175241）

作者簡(jiǎn)介：萬浩（1992－），男，四川眉山人，博士，工程師，主要研究方向?yàn)榉磻?yīng)堆結(jié)構(gòu)及專用設(shè)備，E-mail：wanhao_92@163.com。