物聯(lián)網(wǎng)的壓水堆CRDM故障信息融合方法分析

郭 清，夏 虹，韓文偉

(1.哈爾濱工程大學(xué)工程訓(xùn)練中心，150001哈爾濱;2.核安全與仿真技術(shù)國防重點學(xué)科實驗室(哈爾濱工程大學(xué))，150001哈爾濱)

核電站自運行以來，國內(nèi)外時有發(fā)生控制棒執(zhí)行機(jī)構(gòu)失靈的報道［1］.2012年中國秦山核電站發(fā)生一回路堆芯控制棒滑棒事件，雖及時發(fā)現(xiàn)消除了隱患，但對控制棒執(zhí)行機(jī)構(gòu)的安全狀態(tài)監(jiān)測為核工作者們敲響了警鈴.核電站的啟動、功率調(diào)節(jié)、通量展平以及緊急事故停堆，均需通過控制棒驅(qū)動機(jī)構(gòu)來實 現(xiàn).控 制 棒 驅(qū) 動 機(jī) 構(gòu)［2］(control rod drive mehanism，CRDM)是核反應(yīng)堆壓力容器內(nèi)唯一可動的重要執(zhí)行機(jī)構(gòu)，其故障主要表現(xiàn)為卡棒、滑棒和落棒［3］，其中以落棒故障影響最為嚴(yán)重，甚至能夠造成停堆事故.控制棒束掉落堆芯可能是由于一個或幾個控制棒驅(qū)動機(jī)構(gòu)發(fā)生了故障，一旦發(fā)生任何一種細(xì)微故障征兆，都將對核電站產(chǎn)生不容忽視的安全隱患.

核電行業(yè)是具有較強(qiáng)輻射性的高危行業(yè)之一，將物聯(lián)網(wǎng)投入核電產(chǎn)業(yè)應(yīng)用［4］，將會極大地增加實時監(jiān)控的便捷性以及減少核物質(zhì)對工作人員的傷害.本文將物聯(lián)網(wǎng)技術(shù)應(yīng)用于無法近距離探測的一回路反應(yīng)堆安全殼內(nèi)，搭建物聯(lián)網(wǎng)CRDM故障識別平臺，使用無線傳輸網(wǎng)絡(luò)實現(xiàn)在最短時間內(nèi)將感知到的風(fēng)險發(fā)送到主控室并報警，以達(dá)到盡早發(fā)現(xiàn)控制棒故障，降低卡棒、滑棒、落棒故障發(fā)生的風(fēng)險概率.

1 核電物聯(lián)網(wǎng)

物聯(lián)網(wǎng)［5］(internet of things，IoT)是由MIT Auto-ID Center在1999年率先提出，簡而言之就是由傳感器(物)和互聯(lián)網(wǎng)一起構(gòu)成的網(wǎng)絡(luò).物聯(lián)網(wǎng)目前已在礦業(yè)、水力、農(nóng)業(yè)、交通、物流等多個領(lǐng)域進(jìn)入應(yīng)用，它可以對“物”進(jìn)行全程跟蹤、信息處理和數(shù)據(jù)融合.物理網(wǎng)連接的不僅是互聯(lián)網(wǎng)終端，而是“所有物體”，實現(xiàn)了物與物間的信息傳遞與溝通.與互聯(lián)網(wǎng)相比，物聯(lián)網(wǎng)在 anytime、anyone、anywhere的基礎(chǔ)上，又拓展到了anything，擴(kuò)展到了無人以外的機(jī)器對機(jī)器(即M2M)之間廣泛的通信和信息的交流.

從信息融合角度看核動力裝置中的各種監(jiān)測監(jiān)控信息都具有空間屬性.在核電站安全運行期間內(nèi)多源信息始終處于隨時間動態(tài)變化的復(fù)雜系統(tǒng)中，所探測的實際狀態(tài)各種數(shù)據(jù)，如果得不到有效的集成和融合，就會形成彼此之間沒有關(guān)聯(lián)的信息孤島.探測到的多源信息如果得不到有效的綜合利用，就不能為核動力裝置的安全提供決策依據(jù).物聯(lián)網(wǎng)的出現(xiàn)，為提供更多有效決策信息的實現(xiàn)提供了可能.

物聯(lián)網(wǎng)主要體現(xiàn)在有效感知和深入智能分析處理兩個方面，尤其適合大面積的核工業(yè)領(lǐng)域，對于人類未能探測的地方和區(qū)域，提供了方便有力的探測識別信息采集功能，能夠?qū)崿F(xiàn)物物相連的智能化識別和管理.物聯(lián)網(wǎng)能夠?qū)⒑穗娬局懈鞣N探測傳感器、電氣機(jī)械設(shè)備、電纜等整合為一體，為核控人員提供多維空間的多源傳感器信息.利用物聯(lián)網(wǎng)核工作人員可以對安全殼內(nèi)的堆芯功率復(fù)雜環(huán)境下的核設(shè)備、核儀器實施更加有效的控制和協(xié)同管理，物聯(lián)網(wǎng)的應(yīng)用為建立核電安全生產(chǎn)和預(yù)警故障診斷信息融合提供了新的思路和方法.

2 物聯(lián)網(wǎng)CRDM故障識別系統(tǒng)

2.1 CRDM物聯(lián)網(wǎng)框架結(jié)構(gòu)

基于物聯(lián)網(wǎng)構(gòu)建的堆芯CRDM故障識別系統(tǒng)框架，如圖1所示，按照信息融合處理過程劃分為感知信息、傳遞信息和融合信息3個層次，協(xié)同實現(xiàn)堆芯CRDM故障信息征兆的動態(tài)實時捕捉，以完成堆芯CRDM故障診斷的預(yù)測預(yù)警功能.

物聯(lián)網(wǎng)堆芯CRDM故障識別系統(tǒng)主要采用ARM11 DMA-6410L開發(fā)平臺、ZigBee通訊裝置ZB2530-01無線通訊模塊.ARM11 DMA-6410L是采用32 bit的Samsung S3C6410處理器，具有3D及支持動態(tài)電壓頻率調(diào)整(即DVFS)及低功耗的存儲器界面，采用AXI、AHB和APB總線組成的32 bit內(nèi)部總線結(jié)構(gòu)界面，處理能力最大可達(dá)667 MHz.DMA-6410L開發(fā)平臺與 ZigBee裝置ZB2530-01無線通訊模塊連接后，通過UART串列輸出輸入來交換訊息.其中感知層采用TI公司低功耗單片機(jī)MSP430F4270作為無線傳感器網(wǎng)絡(luò)節(jié)點的微處理器，MEMS傳感器用于檢測CRDM電磁信號;網(wǎng)絡(luò)層由2個無線模塊ZB2530實現(xiàn)遠(yuǎn)距離無線數(shù)據(jù)傳輸.采用ARM11核心微處理器與GSM模塊連接，用于信號的傳遞與處理，ARM11微處理器可同時控制讀取無線模塊ZB2530的SPI總線和與GSM模塊通訊的UART總線，支持無線模塊ZB2530的無線喚醒方式.

圖1 物聯(lián)網(wǎng)CRDM故障識別系統(tǒng)構(gòu)成

2.2 感知層——MEMS傳感器

微電子機(jī)械系統(tǒng)(micro electro mechanical systems，MEMS)是將IC電路與傳感元件集成在一起的智能傳感器，它能夠根據(jù)采集到的信息自主地或通過外部指令采取相應(yīng)動作，具有微型化、智能化、多功能、高集成度等特點.

在壓水堆核電站的核反應(yīng)堆中，控制棒在堆芯中的位置采用間接測量方式［6-10］，控制棒位置檢測裝置是安裝在控制棒行程罩殼(承壓部件)的外面，根據(jù)電磁感應(yīng)原理使用高精度磁敏傳感器，將控制棒的機(jī)械位移轉(zhuǎn)換成電信號來監(jiān)視控制棒在堆芯的實際位置.傳感器外部套有同控制棒固定在一起的驅(qū)動桿，驅(qū)動桿與線圈對應(yīng)部分的外表面上布置有磁化不銹鋼區(qū)段.當(dāng)控制棒上下移動時，驅(qū)動桿上磁化不銹鋼區(qū)段將導(dǎo)致傳感器線圈磁路閉合或開路，從而改變每個線圈的感應(yīng)電動勢，每個線圈根據(jù)其電動勢輸出0或1的信息編碼.控制棒每移動一步，將使多個線圈的磁路閉合或打開，從而形成唯一的位置信息編碼，由位置信息編碼便可確定棒位.在控制棒驅(qū)動機(jī)構(gòu)內(nèi)有均勻分布并由非磁隔離物相互隔離的9個線圈，如圖2所示，每個線圈周圍安裝一個MEMS傳感器，它由微功耗MCU、磁敏傳感器、2.45 GHz數(shù)字RF收發(fā)器、高溫鋰亞電池、IP68不銹鋼外殼和天線等組成.該傳感器每隔設(shè)定時間自動測量棒位位移，并將測得的位置數(shù)據(jù)用無線信號發(fā)送輸出.每個無線磁敏傳感器具有唯一的32 bits編號(ID號)，在實際使用時需分配、記錄每個MEMS傳感器的安裝地點，并與編號一起傳入網(wǎng)絡(luò)層.

圖2 CRDM內(nèi)部MEMS傳感器分布結(jié)構(gòu)

2.3 網(wǎng)絡(luò)層——ZigBee無線模塊

網(wǎng)絡(luò)層把智能感知層采集到的數(shù)據(jù)通過適當(dāng)可靠的方式傳到數(shù)據(jù)中心，并實現(xiàn)物聯(lián)網(wǎng)的數(shù)據(jù)信息與控制信息的雙向傳輸.實現(xiàn)ZigBee通訊裝置的是ZB2530-01無線通訊模塊，ZB2530-01模塊是采用TI最新一代CC2530 ZigBee SoC芯片，該芯片具有良好的無線接收靈敏度和強(qiáng)大的抗干擾能力及自我修復(fù)功能，適用于 2.4 GHz、IEEE802.15.4、ZigBee和 RF4CE(遙控解標(biāo)準(zhǔn)和協(xié)議)應(yīng)用.CC2530芯片包含高性能的RF收發(fā)器，工業(yè)標(biāo)準(zhǔn)增強(qiáng)型8051MCU，系統(tǒng)中可編程的快閃存儲器，8 KB RAM以及許多其他功能強(qiáng)大的特性.

基于ZigBee協(xié)議的無線傳感器網(wǎng)絡(luò)分簇網(wǎng)關(guān)節(jié)點的收發(fā)數(shù)據(jù)過程為:Coordinator從串口收到數(shù)據(jù)自動組網(wǎng)發(fā)給所有節(jié)點，某個節(jié)點從串口收到數(shù)據(jù)自動發(fā)送給Coordinator.其數(shù)據(jù)傳輸指令格式為:0xFD(數(shù)據(jù)傳輸命令)+0x0A(數(shù)據(jù)長度)+0x73 0x79(目標(biāo)地址)+0x01 0x02 0x03 0x04 0x05 0x06 0x07 0x08 0x09 0x10(舉例數(shù)據(jù))(數(shù)據(jù)共0x0A Bytes)，如圖3所示.

2.4 支撐層——Multi-Agent模塊

Agent自身屬性非常適合解決基于分布式網(wǎng)絡(luò)的故障監(jiān)測與診斷問題，Multi-Agent相當(dāng)于多個“子程序”間的調(diào)用，可以完成對數(shù)據(jù)的收集、處理和融合.Multi-Agent與信息融合有相通之處，Multi-Agent可將來自異構(gòu)且?guī)в胁町惖臄?shù)據(jù)信息進(jìn)行融合，融合結(jié)果比單個Agent的決策診斷可信度更高，能夠大大提高系統(tǒng)決策結(jié)果準(zhǔn)確率.

圖3 網(wǎng)關(guān)節(jié)點間收發(fā)數(shù)據(jù)圖

Multi-Agent模塊由粗糙集Agent和神經(jīng)網(wǎng)絡(luò)Agent兩個模塊構(gòu)成，神經(jīng)網(wǎng)絡(luò)和粗糙集(RS)理論是信息融合中重要的智能信息處理方法，都具有從大量實驗數(shù)據(jù)中獲取信息進(jìn)行推理決策的能力.粗糙集理論不需要任何先驗信息和系統(tǒng)模型，能有效處理各種不完備數(shù)據(jù)，通過數(shù)據(jù)間潛在的規(guī)律，提取到有用的信息，實現(xiàn)信息簡化處理.粗糙集方法偏重模擬人類抽象邏輯思維，而神經(jīng)網(wǎng)絡(luò)偏重模擬人類形象直覺思維，它倆之間具有很強(qiáng)的互補(bǔ)性.粗糙集Agent主要完成數(shù)據(jù)簡化和數(shù)據(jù)規(guī)則提取功能，CRDM的故障征兆表現(xiàn)在剛開始時具有模糊和不確定性，故障征兆和故障種類間的對應(yīng)關(guān)系不明確，粗糙集理論適合解決此類問題.首先對感知層收集到的含有故障信息的動態(tài)數(shù)據(jù)進(jìn)行連續(xù)屬性離散化，并構(gòu)建離散斷點決策表，然后進(jìn)行屬性約簡;將得到的簡約集傳遞給神經(jīng)網(wǎng)絡(luò)Agent模塊，隱含層按照粗糙集Agent簡約規(guī)則調(diào)整權(quán)值，直到符合神經(jīng)網(wǎng)絡(luò)Agent的目標(biāo)網(wǎng)絡(luò)精度為止.

3 驗證與分析

田灣核電站機(jī)組在不同狀態(tài)下的運行限值和安全限值(見表1)是機(jī)組必須遵守的安全規(guī)定.按照田灣核電站控制棒標(biāo)準(zhǔn)［11］，設(shè)定CRDM控制棒步進(jìn)距離h為標(biāo)準(zhǔn)值15.88 mm，從單棒的卡棒、滑棒及落棒仿真采集數(shù)據(jù)中提取15組含有故障信息的動態(tài)數(shù)據(jù)，進(jìn)行連續(xù)屬性離散化及歸一化處理，如表2所示，其中每組數(shù)據(jù)包含6種輸入特征，分別表示棒位6種位移范圍(＜0.38 mm，0.38 ～15.88 mm，h，2h，3h，≥3h).

表1 田灣核電站CRDM主要技術(shù)參數(shù)

粗糙集理論研究中定義信息系統(tǒng)S=(U，C，D)，其中:U={x1，x2，…，xn}，對象xi(1≤i≤n)表示采集到的故障數(shù)據(jù);條件屬性C={c1，c2，c3，c4，c5，c6}表示控制棒移動位移大小的隸屬程度;決策屬性集D={d1，d2，d3}表示CRDM的故障類別，分別代表卡棒、滑棒、落棒3種故障.

表2 15組CRDM連續(xù)屬性離散化故障數(shù)據(jù)

粗糙集理論無法直接使用連續(xù)型數(shù)據(jù)，故進(jìn)行屬性約簡前需先對具有連續(xù)值特征的屬性進(jìn)行離散化.依據(jù)田灣核電站機(jī)組在不同狀態(tài)下的運行限值和安全限值的安全規(guī)定，確定各條件屬性的離散斷點(見表3)，整理后得到CRDM故障信息離散化決策表(見表4)，簡化同一故障種類中的條件屬性(見表5).

表315組CRDM離散化斷點

表4 15組CRDM離散化決策表

表515組CRDM簡化決策表

按照離散化決策表建立分辨矩陣，簡化后(見表5)包含3組故障對象，可建立3×3分辨矩陣為

由于故障對象本身無法自我分辨，因此分辨矩陣中該元素以1表示，條件屬性c1，c2，c3可分辨故障對象 1 和故障對象 2;c1，c2，c4，c5，c6可分辨故障對象1 和故障對象3;c3，c4，c5，c6可分辨對象2和對象3.

由3×3的分辨矩陣可寫出分辨函數(shù)，經(jīng)整理后得到5組屬性約簡集{c1c3}、{c2c3}、{c3c4}、{c3c5}、{c3c6}，將其作為輸入層數(shù)據(jù)送入粗糙集神經(jīng)網(wǎng)絡(luò)中，如圖4所示.

圖4 粗糙集神經(jīng)網(wǎng)絡(luò)Multi-Agent模塊

Multi-Agent診斷模塊是多輸入單輸出的3層粗糙集神經(jīng)網(wǎng)絡(luò)，首先對采集到的故障數(shù)據(jù)進(jìn)行連續(xù)屬性離散化，得出決策表;利用粗糙集算法［12-13］對決策表進(jìn)行約簡，消除相同的樣本，得出約簡決策表;然后將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入層［14-15］.隱藏層的節(jié)點數(shù)由粗糙集Agent提取規(guī)則數(shù)確定，隱藏層每個節(jié)點代表1條規(guī)則，根據(jù)提取到的15條規(guī)則(見表6)調(diào)整神經(jīng)網(wǎng)絡(luò)Agent權(quán)值和閾值，直到滿足網(wǎng)絡(luò)總誤差精度＜0.004為止.

為檢驗粗糙集神經(jīng)網(wǎng)絡(luò)融合算法結(jié)果的正確與否，將其與實際故障類型進(jìn)行比較，如表7所示，其診斷結(jié)果與實際故障類型相同，正確率為100%，從而驗證了物聯(lián)網(wǎng)支撐層的Multi-Agent模塊故障識別結(jié)果具有較高的可信度和準(zhǔn)確性.

表6 神經(jīng)網(wǎng)絡(luò)隱藏層判斷規(guī)則

表7 CRDM故障識別結(jié)果對比表

4 結(jié)論

1)本文主要研究從物聯(lián)網(wǎng)功能模塊構(gòu)建角度，建立了物聯(lián)網(wǎng)CRDM故障識別系統(tǒng)，提出以粗糙集神經(jīng)網(wǎng)絡(luò)進(jìn)行決策判斷的故障信息融合方法.從物聯(lián)網(wǎng)感知層、網(wǎng)絡(luò)層和支撐層角度分別引入MEMS傳感器、ZigBee模塊和Multi-Agent粗糙集神經(jīng)網(wǎng)絡(luò)模塊.構(gòu)建了堆芯CRDM物聯(lián)網(wǎng)故障識別系統(tǒng)框架，確定了物聯(lián)網(wǎng)堆芯CDRM故障識別體系結(jié)構(gòu)，其中決策層采用 Agent智能模塊——粗糙集神經(jīng)網(wǎng)絡(luò)融合算法來完成堆芯CRDM的故障模式識別及預(yù)警.

2)為避免MEMS傳感器數(shù)據(jù)量過大帶來的神經(jīng)網(wǎng)絡(luò)計算速度太慢問題，選取6種輸入特征代表棒位位移范圍，利用粗糙集理論的不可分辨關(guān)系、近似集合和屬性約簡的概念，將MEMS傳感器采集到的實測數(shù)據(jù)進(jìn)行約簡操作，去除冗余屬性得到約簡規(guī)則，將其作為神經(jīng)網(wǎng)絡(luò)Agent模塊輸入，將粗糙集Agent模塊簡約規(guī)則作為隱含層判斷準(zhǔn)則，對比神經(jīng)網(wǎng)絡(luò)輸出結(jié)果與實際故障類型，驗證了Multi-Agent融合算法具有較高的準(zhǔn)確率.實驗結(jié)果表明與實際故障情況相符，從CRDM故障識別角度證明了使用物聯(lián)網(wǎng)應(yīng)用于核動力裝置故障診斷的可行性，及粗糙集神經(jīng)網(wǎng)絡(luò)融合算法應(yīng)用于物聯(lián)網(wǎng)進(jìn)行信息融合決策的準(zhǔn)確性.

3)支撐層Multi-Agent模塊是一種智能軟體，是物聯(lián)網(wǎng)發(fā)展的關(guān)鍵核心技術(shù)，它具有無線的擴(kuò)展空間，進(jìn)一步研究采用不同信息融合方法構(gòu)建不同功能的設(shè)備診斷功能Agent模塊，對擴(kuò)展完善基于物聯(lián)網(wǎng)的核動力裝置故障診斷技術(shù)具有積極深遠(yuǎn)的影響.

［1］環(huán)境保護(hù)部核與輻射安全監(jiān)管二司，環(huán)境保護(hù)部核與輻射安全中心.中國核電廠運行事件綜合報告［M］.北京:中國環(huán)境科學(xué)出版社，2012.

［2］臧希年.核電廠系統(tǒng)及設(shè)備［M］.2版.北京:清華大學(xué)出版社，2010.

［3］昌正科，董治國，常樂莉.壓水堆核電站CRDM故障診斷研究與實踐［J］.自動化儀表，2013，34(6):58-61.

［4］陳志芳，陳軍慧.物聯(lián)網(wǎng)安防在核設(shè)施領(lǐng)域中的應(yīng)用［J］.物聯(lián)網(wǎng)技術(shù)，2013(7):27-30.

［5］ATZORI L，IERA A，MORABITO G.The internet of things:a survey［J］. Computer Networks，2010，54(15):2787-2805.

［6］黃平兒，何攀，何紹群.控制棒驅(qū)動機(jī)構(gòu)狀態(tài)監(jiān)測與故障診斷技術(shù)研究［J］.核電子學(xué)與探測技術(shù)，2013，33(3):338-340.

［7］ LEE Jung-Ryul，JEONG Hyomi，KONG Churl-Won.Wave propagation visualization in an experimental model for a control rod drive mechanism assembly［J］.Nuclear Engineering and Design，2011，24(9):3761-3767.

［8］周軍，曾科龍，劉吉光.反應(yīng)堆長棒控制系統(tǒng)調(diào)試方法研究——邏輯功能驗證、CRDM性能試驗和落棒試驗［J］.儀器儀表用戶，2013，20(4):34-36.

［9］HONG Ser-Gi，SONG Jae-Seung.A preliminary simulation study of dynamic rod worth for the SMART(Systemintegrated Modular Advanced ReacTor)reactor［J］.Annals of Nuclear Energy，2013，60:350-356.

［10］SAIAM M A，SODER M A M，SARDER M A，et al.Measurement of control rod reactivity and shut down margin of 3 MW TRIGA Mark-II research reactor using analogue and digital I＆C system［J］.Annals of Nuclear Energy，2014，68(6):257-261.

［11］孫漢虹.第三代核電技術(shù) AP1000［M］.北京:中國電力出版社，2010.

［12］CHENG Yi.The incremental method for fast computing the rough fuzzy approximations［J］.Data ＆ Knowledge Engineering，2011，70(1):84-100.

［13］LIANG Jiye，SHI Zhongzhi.The information entropy，eough entropy and knowledge granulation in rough set theory ［J］. InternationalJournalofUncertainty，F(xiàn)uzziness and Knowledge-Based Systems， 2004，12(1):37-46.

［14］GUO Qing，XIA Hong.Application research on multitarget tracking technology for digital nuclear power plant［J］.International Conference on Electrical and Control Engineering，2011(9):1455-1458.

［15］HAM F M，KOSTANIC I.Principles of Neurocomputing for Science＆ Engineering［M］.New York:McGraw-Hill Companies，Inc，2001.