基于大數(shù)據(jù)的反應堆系統(tǒng)全生命周期智能檢修方案研究

萬浩　王炳炎　陳相羽　殷琪　蒲耀洲　李豪

摘要：目前核反應堆換料檢修耗時長，基于維修人員經(jīng)驗判斷，存在缺陷識別不精確、數(shù)據(jù)零散、可追溯性低等不足，并且受個人主觀影響較大。隨著新一代技術的發(fā)展，如大數(shù)據(jù)、人工智能等，智能維護能夠有效提高維護質(zhì)量和效率。本文闡述分析了反應堆系統(tǒng)檢修的現(xiàn)狀和工業(yè)檢修技術的進展，提出了基于大數(shù)據(jù)的反應堆系統(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)標準、數(shù)據(jù)庫構建、施工檢修過程管理和智能檢修方案等關鍵技術。以反應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路線、實施路徑及其壽命預測，從而提高主螺栓螺紋檢修過程的服務能力，有利于進一步保障核反應堆結構服役的安全性與可靠性。最后，針對智能檢修技術在反應堆系統(tǒng)的加快推進提出了一些建議。

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

中圖分類號：TL38+7 文獻標志碼：A doi：10.3969/j.issn.1006-0316.2023.04.001

文章編號：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

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

當前，以大數(shù)據(jù)、人工智能、云計算為特征新一代技術的快速發(fā)展，使反應堆檢修管理模式逐漸開始轉變，以數(shù)據(jù)挖掘、大數(shù)據(jù)分析、智能決策支持等方式進行檢修管理，可以彌補傳統(tǒng)檢修方式耗時長、缺陷識別不精確、數(shù)據(jù)零散、可追溯性不強、受個人主觀影響較大等不足。因此，智能檢修是推進核反應堆全生命周期管理的有效手段，融合設備設計與過程狀態(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，實時分析出檢修對象的當前狀態(tài)和與預估壽命，實現(xiàn)檢修過程系統(tǒng)化閉環(huán)管理，提高對核反應堆系統(tǒng)的維護能力。

1 發(fā)展現(xiàn)狀

1.1 反應堆系統(tǒng)檢修現(xiàn)狀

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

針對不同的檢修對象，現(xiàn)有核電廠通常采用視頻或圖片回傳、超聲檢測、無損檢測、磁粉探傷等不同工程檢測手段，通過維修人員或設備對各類信號的判斷，采用相應的修理方式[2]?？偟膩砜?，由于反應堆檢修頻率低，大多檢修工作由人工完成，自動化程度偏低，檢修工藝流程和策略需要進一步完善。同時，反應堆系統(tǒng)檢修期間產(chǎn)生了大量的現(xiàn)場檢測維修數(shù)據(jù)，而在傳統(tǒng)的反應堆管理模式中，這些數(shù)據(jù)大多是靜態(tài)和孤立的，數(shù)據(jù)之間建立的關系較少，且較為抽象[3]。而這些數(shù)據(jù)對反應堆設計、施工、運行及安全性、可靠性具有重要的價值[4]。

為此，方滿洲等[5]針對核電廠反應堆檢修管理方式的不足，提出了換料檢修計算機化管理的方法，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用的方法，并在反應堆檢修中進行應用，結果表明可以縮短工期。隨著計算機軟硬件的不斷發(fā)展，虛擬現(xiàn)實技術變得日漸成熟，李喆等[7]對反應堆檢修對象進行了數(shù)字化建模，將混合現(xiàn)實技術應用到了核電廠日常設備維護中，大大提高了核電廠的檢修效率。針對核電廠中產(chǎn)生的大量數(shù)據(jù)，相關研究人員建立了檢修數(shù)據(jù)庫[8-9]，并對其中存在的問題進行大量分析，從而進一步推動了檢修數(shù)據(jù)庫管理工作的專業(yè)化、標準化[10]。

以上研究有利于核反應堆系統(tǒng)檢修過程數(shù)字化技術水平的發(fā)展，但少有學者對檢修對象的全生命周期數(shù)據(jù)收集與利用進行研究，而這些數(shù)據(jù)對檢修過程自動化程度以及對缺陷識別、剩余壽命預測等具有重要價值，對確保反應堆檢修和運行安全與建設數(shù)字化反應堆具有重要意義。

1.2 工業(yè)檢修技術進展

檢修技術是通過對零部件存在的缺陷進行

識別，根據(jù)已有的經(jīng)驗對缺陷進行維修決策，并同時對零部件的壽命做出預測，達到系統(tǒng)運行安全可靠的目的。研究人員近些年在數(shù)據(jù)驅動的故障檢測與診斷技術方面取得了大量研究成果[11-13]。檢修測量技術針對對象的不同有各類技術手段獲得數(shù)據(jù)，分析技術手段常有統(tǒng)計法、頻譜法、模型法等，其中融合機器學習技術是這些方法研究的熱點[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)驗為核心，轉向依靠大數(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、運行風險上升等）問題。以大數(shù)據(jù)為核心，工業(yè)檢修技術正向智能化邁進。

另一方面，在具體的工業(yè)領域應用中，一些研究人員針對不同行業(yè)進行了相關研究。在水電站領域，李林等[15]從設備全生命周期管理角度，采用基于時間序列分解模型的趨勢預測模型，對發(fā)電機機組和水輪機設備的故障進行實時診斷，達到水電站智慧檢修。在石油管網(wǎng)領域，董紹華等[16]針對管網(wǎng)當前系統(tǒng)繁多及數(shù)據(jù)采集與應用脫節(jié)的問題，提出了大數(shù)據(jù)驅動的全生命周期智能管網(wǎng)解決方案，從而保障管道安全、高效運營。在電力領域，蒲天驕等[17]認為人工智能技術對電力設備信息提取與知識庫建立、健康狀態(tài)評價、設備運行狀態(tài)預測、缺陷識別與故障診斷、影像分析、壽命預測、檢修策略推薦等環(huán)節(jié)具有廣闊的應用前景。在軌道交通領域，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輸設備技術狀態(tài)大數(shù)據(jù)平臺。在電子設備[19]、機械加工[20]、高溫鍋爐[21]、油氣鉆采[22]等相關方面，研究人員利用智能技術提高了這些設備或零件的檢修水平。

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

2 反應堆系統(tǒng)全生命周期智能檢修關鍵技術

反應堆系統(tǒng)檢修的全生命周期管理可以定義為：在項目規(guī)劃、參數(shù)研究、反應堆結構設計、設備制造、安裝設計、現(xiàn)場施工、運行維護、檢修、退役等整個生命周期內(nèi)，整合不同階段的業(yè)務與知識數(shù)據(jù)信息，建立檢修對象數(shù)據(jù)管理模型，實現(xiàn)檢修對象從規(guī)劃到退役的全過程信息化管理。核電站反應堆全生命周期智能檢修關鍵技術包括以下四個方面。

2.1 構建全生命周期檢修數(shù)據(jù)標準

構建反應堆系統(tǒng)檢修對象統(tǒng)一數(shù)據(jù)標準和規(guī)范，在其全生命周期內(nèi)執(zhí)行相同的數(shù)據(jù)標準，同時通過數(shù)據(jù)模型整合各業(yè)務數(shù)據(jù)，從而形成與檢修對象相對應的數(shù)據(jù)資產(chǎn)，進一步保證數(shù)據(jù)的完整性和可重復應用。在此基礎上，規(guī)范數(shù)據(jù)的格式、編碼、結構，最終實現(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)標準構建思路如圖1所示。

2.2 構建全生命周期檢修數(shù)據(jù)庫

構建反應堆系統(tǒng)全生命周期檢修數(shù)據(jù)模型，以檢修對象的本體數(shù)據(jù)和運行及檢修的過程數(shù)據(jù)為主，將全生命周期各階段數(shù)據(jù)按統(tǒng)一標準錄入數(shù)據(jù)庫，并將該全部數(shù)據(jù)作為檢修對象的設備畫像。其中，反應堆檢修對象本體數(shù)據(jù)包括對象屬性、設計、結構參數(shù)、制造裝配等數(shù)據(jù)，過程數(shù)據(jù)包括監(jiān)測、運行、檢測、維修等數(shù)據(jù)。將這些數(shù)據(jù)資源進行統(tǒng)一入庫和開發(fā)利用，對檢修對象進行數(shù)字化管理，從而構建全生命周期檢修數(shù)據(jù)庫，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)場數(shù)據(jù)。同時，對于這些數(shù)據(jù)的獲取，根據(jù)數(shù)據(jù)對象的不同，如報告文檔、圖紙文件、記錄表格、運行狀態(tài)二進制文件以及智能設備、傳感器采集的數(shù)據(jù)，進行特征處理，在傳統(tǒng)經(jīng)驗規(guī)則的基礎上，形成關系型數(shù)據(jù)庫。

2.3 施工檢修過程管理

施工檢修過程管理包括對檢測數(shù)據(jù)、維修數(shù)據(jù)采集進行錄入管理，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)的關聯(lián)一致性，如設計、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)訓練集，對檢修對象的狀態(tài)、工程參數(shù)、是否存在缺陷、存在哪類缺陷等智能識別和決策，以支持工程人員對檢修對象進行修配，并結合設計數(shù)據(jù)對檢修對象進行剩余壽命預測。

2.4 全生命周期智能檢修方案設計

智能檢修的核心是對已有的數(shù)據(jù)資源充分利用，并結合先進的智能算法，重點突出數(shù)據(jù)資源對檢修過程的決策支持功能，如圖3所示。首先，在傳統(tǒng)關系型數(shù)據(jù)庫的基礎上，對檢修過程產(chǎn)生的圖片、超聲檢測、無損檢測、磁粉探傷等數(shù)據(jù)進行大數(shù)據(jù)建模，通過訓練進一步發(fā)掘檢測過程與維修過程的非關系型數(shù)據(jù)。其次，利用得到的數(shù)據(jù)模型，對施工檢測過程進行決策支持，智能判斷出缺陷類型與維修方式。同時，根據(jù)對象屬性數(shù)據(jù)和設計數(shù)據(jù)，實時分析出檢修對象的剩余壽命，以提高對反應堆結構的維護水平。

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路線研究。壓力容器螺孔螺紋狀態(tài)關系到核反應堆的正常運行。在核反應堆壽期內(nèi)，螺紋可能會出現(xiàn)粘結、污染、生銹以及損傷等情況，因此需要針對螺紋進行系統(tǒng)性的檢查及修復等相關工作。

現(xiàn)有對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。僅對已經(jīng)出現(xiàn)的缺陷進行被動處理，關鍵步驟之間缺乏必要反饋，數(shù)據(jù)流通性較差；②自動化程度低。依靠維修人員進行人工肉眼評判缺陷情況和局部修復；③可追溯性差。檢修結果沒有進行系統(tǒng)的數(shù)據(jù)分析、經(jīng)驗反饋以及錄入螺紋質(zhì)量數(shù)據(jù)庫；④缺乏科學判據(jù)。例如，螺紋多次檢修后累積的拋光加工量對螺栓使用壽命或者對壓力容器影響，并無明確評判標準。

因此，針對以上存在的局限，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)，以此建立關系型數(shù)據(jù)資源庫；其次，利用智能技術提高維修人員的決策能力及自動化水平，并挖掘非關系型數(shù)據(jù)；建立專家系統(tǒng)，結合已有數(shù)據(jù)資源，對檢修后的主螺栓進行壽命預測。

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)庫構成，以主螺栓為對象，對螺紋的本體數(shù)據(jù)和過程數(shù)據(jù)進行挖掘。從項目總體方案設計資料中挖掘主螺栓螺紋對象的屬性數(shù)據(jù)，如功能、安全等級等；從基本方案中挖掘設計數(shù)據(jù)，如強度、失效特征等；從詳細設計圖紙中挖掘結構參數(shù)數(shù)據(jù)，如材料、基本要素等；從裝配圖紙和施工計劃中挖掘裝配數(shù)據(jù)，如配合對象、預緊力等；監(jiān)測主螺栓運行過程中的振動、溫度等數(shù)據(jù)；同樣地，針對檢測和維修過程，挖掘其檢測數(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路線

施工現(xiàn)場對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)范和結構化的圖片，如圖5所示?，F(xiàn)有對此較為成熟的智能決策支持技術是基于機器視覺的缺陷識別。

基于機器視覺的主螺栓螺紋缺陷檢測主要由螺紋圖像采集、螺紋圖像預處理、螺紋缺陷識別三部分組成。螺紋圖像采集可以采取適用于核輻射環(huán)境下的雙目相機對螺紋進行拍照采集，通過相機標定算子、A/D轉換、數(shù)據(jù)傳輸?shù)壬蟼鞯綌?shù)據(jù)存儲中心；圖像預處理包括圖像降噪和圖像增強兩部分，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，圖像增強可選擇合適的增強算法和灰度拉伸算法增強圖片識別度；螺紋缺陷識別過程首先需要對分割得到的螺紋圖像提取得到螺紋缺陷的幾何形狀特征，然后構建螺紋缺陷特征庫，最后利用神經(jīng)網(wǎng)絡算法的識別模型進行螺紋缺陷識別?；跈C器視覺的螺紋缺陷檢測系統(tǒng)技術路線如圖6所示。

以該技術路線建立的基于機器視覺系統(tǒng)將能實現(xiàn)螺紋圖像的自動采集、自動處理分析、外部缺陷的自動識別。同時，結合專家系統(tǒng)以及相關的對象屬性數(shù)據(jù)、設計數(shù)據(jù)、結構參數(shù)數(shù)據(jù)等，對識別到的缺陷類型進行自動判斷，為檢修操作人員提供相應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測

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

異常缺陷檢測與剩余壽命預測的關系：由于異常點是進行退化建模的起始點，因此異常點檢測結果的準確性直接影響到剩余壽命預測的結果。因此，異常檢測和壽命預測需要結合起來考慮，其主要思路如圖7所示。

在圖7中，圖像檢測系統(tǒng)運行后，首先以監(jiān)測得到的數(shù)據(jù)為基礎，采用統(tǒng)計過程控制的方法對異常點u進行檢測，一旦異常點u被檢測到，基于該異常點到當前時刻tk時的監(jiān)測數(shù)據(jù)進行退化建模，然后對對象退化到失效閾值的首次到達時間（即壽命或剩余壽命）進行預測，并得出預測的剩余壽命分布情況。

4 結論與建議

（1）反應堆智能檢修集成了計算機技術、大數(shù)據(jù)技術、智能決策技術等先進技術，是實現(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)字化反應堆技術重要組成部分，進一步提高檢修過程的服務能力和反應堆結構服役的可靠性。

（2）數(shù)據(jù)是智能檢修的根本，加強檢修對象和運行過程的數(shù)字化建設是關鍵，數(shù)據(jù)與決策分析模型的精準性是核心因素，實現(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)字化建設依賴智能設備和傳感的數(shù)據(jù)采集能力，需要加強智能設備開發(fā)，綜合考慮核輻射對設備和傳感器數(shù)據(jù)采集過程的影響，對此設置相應的維護機制。

（4）加強反應堆智能檢修一體化數(shù)字平臺建設，加大數(shù)據(jù)的應用范圍。

參考文獻：

[1]陳學楚. 現(xiàn)代維修理論[M]. 北京：國防工業(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)字化反應堆技術在設計階段的應用研究[J]. 核動力工程，2018，39（4）：187-191.

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

[5]方滿洲，吳中旺，奚樹人. 核電站大修換料的計算機化管理[J]. 核科學與工程，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)字化動態(tài)管理[J]. 核動力工程，2005，26（2）：196-198.

[7]李喆，陳佳寧，張林鍹. 核電站設備維修中混合現(xiàn)實技術的應用研究[J]. 計算機仿真，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)庫平臺[J]. 中國核電，2014，7（2）：186-189.

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

[11]周東華，胡艷艷. 動態(tài)系統(tǒng)的故障診斷技術[J]. 自動化學報，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、壽命預測與維修決策的研究進展[J]. 自動化學報，2013，39（6）：28-36.

[14]裴洪，胡昌華，司小勝，等. 基于機器學習的設備剩余壽命預測方法綜述[J]. 機械工程學報，2019，55（8）：1-13.

[15]李林，侯遠航，鄭建，等. 基于全生命周期的水電站智慧檢修創(chuàng)新實踐[J]. 水電站機電技術，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]. 油氣儲運，2017，36（1）：28-36.

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

[18]王華偉，史天運，蔣薈，等. 鐵路運輸設備技術狀態(tài)大數(shù)據(jù)平臺研究[J]. 鐵道運輸與經(jīng)濟，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)分析技術應用研究綜述[J]. 機械，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，紀國法. 基于大數(shù)據(jù)挖掘技術的頁巖氣井壓裂液產(chǎn)出規(guī)律分析[J]. 科學技術與工程，2019，19（25）：130-134.

收稿日期：2022-12-20

基金項目：國家自然科學基金（52175241）

作者簡介：萬浩（1992－），男，四川眉山人，博士，工程師，主要研究方向為反應堆結構及專用設備，E-mail：wanhao_92@163.com。