System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及放射性容器维护领域,具体而言,涉及一种针对六氟化铀容器的壁厚预测方法。
技术介绍
1、随着铀转化生产的发展,人们的安全生产意识逐渐加强。六氟化铀是核燃料生产过程中一种重要的中间产品。六氟化铀的操作安全非常重要,与工作人员的健康和周围的环境密切相关。
2、六氟化铀容器是六氟化铀与环境、人类之间的一道重要屏障,起到了保护、包容和隔离六氟化铀、保护人类和防止环境受到放射性污染的重要作用。六氟化铀容器的寿命普遍约为几十年,在六氟化铀容器漫长的使用过程中,六氟化铀容器因腐蚀、运输磨损等因素导致壁厚变薄,影响其安全性能。
3、目前,针对六氟化铀容器的安全性检查,为人工携带精密仪器对六氟化铀容器加强检查和增加检查频次,防止六氟化铀的屏障失效,六氟化铀直接释放到环境中,对工作人员及公众造成伤害,但是工作人员在检查过程中,由于六氟化铀自身中含有放射性核素,使得运输六氟化铀的运输容器相当于一个辐射源,不断向其周边发出射线,从而产生外照射的辐射防护问题,因此即使工作人员身穿防护服,频繁的检查次数和大量的检查时间,导致工作人员接触时间变长依旧存在辐射风险。
技术实现思路
1、本专利技术的目的在于提供一种针对六氟化铀容器的壁厚预测方法,通过构建直接预测模型和间接预测模型,根据不同情况输出精准的壁厚预测值,根据预测模型的预测结果给予专业的检查意见和维修建议,从而减少六氟化铀容器的维护人员、维护设备等的资源浪费,减少检查频次和时间,填补不能人工智能预测六氟化铀容器状态的空白
2、本专利技术的实施例是这样实现的:
3、一种针对六氟化铀容器的壁厚预测方法,根据六氟化铀容器的壁厚随时间变化规律构建直接预测模型和间接预测模型,用于计算六氟化铀容器的剩余壁厚,验证预测模型的预测精度后,结合实际情况制定两种预测模型的使用条件;
4、直接预测模型为:m=θs×m0+βg×log(age)+δ,其中,θs和βg为直接预测模型参数,m为剩余最小壁厚,m0为初始壁厚,log(age)为六氟化铀容器年龄的自然对数,δ为模型的随机误差;
5、间接预测模型为:m(t)=c0-d(t),其中,c0为初始壁厚,d(t)为通过幂律关系计算得到的最大腐蚀深度。
6、作为优选的技术方案,所述直接预测模型的参数θs和βg计算方法包括:
7、获取历史壁厚数据,历史壁厚数据包括历史测量时间和对应时间点的历史测量壁厚共同构成的实测数据组;
8、按照六氟化铀容器的容器特征对历史壁厚数据进行分组整理;
9、对分组整理后的数据根据时间关系进行模型加权优化;
10、通过直接预测模型计算每组数据的θs和βg;
11、根据回归方法得到参数θs和βg初始阈值;
12、通过拟合优化确定直接预测模型参数θs和βg。
13、作为优选的技术方案,所述容器特征包括容器存储位置的地理特征、天气特征、六氟化铀状态特征、使用条件特征、容器材料特征。
14、作为优选的技术方案,所述随机误差δ通过统计分布的方式获取随机误差的置信区间或概率。
15、作为优选的技术方案,所述直接预测模型通过历史壁厚数据拟合优化直接预测模型的参数,同时验证或评估直接预测模型的预测能力。
16、作为优选的技术方案,所述最大腐蚀深度的幂律关系计算方法为:d(t)=a×(age)b,其中,a和b是间接预测模型参数,age是六氟化铀容器的服役年限。
17、作为优选的技术方案,所述间接预测模型参数a和b的计算方法包括:
18、获取历史坑深数据,历史坑深数据包括历史测量时间和对应时间点的历史腐蚀深度共同构成的实测数据组;
19、将最大腐蚀深度计算模型进行对数变化,经过对数变换后的公式为:log(d(t))=log(a)+b×log(age),采用线性回归分析得到估计值log(a)和b,指数转换后计算得到a和b的估计值;
20、通过拟合优化确定间接预测模型参数a和b。
21、作为优选的技术方案,所述采用线性回归分析得到估计值log(a)和b后,还进行拟合优度检验。
22、作为优选的技术方案,所述最大腐蚀深度的计算过程中,使用统计分布来描述基本模型中腐蚀深度的变异性,以计算预测的置信区间或概率。
23、作为优选的技术方案,根据六氟化铀容器的使用时间,选择或组合所述直接预测模型和间接预测模型,以输出最优剩余壁厚预测值。
24、本专利技术实施例的有益效果是:
25、1、本专利技术通过直接预测模型和间接预测模型对六氟化铀容器的壁厚情况做出预测,从而给出针对性的检查意见和维修建议,显著提高了对六氟化铀容器壁分析的效率,更有利于运营单位快速、高效的对六氟化铀容器进行检修或替换管理,进而更加提高六氟化铀容器在存储或运输过程中的安全性;
26、2、本专利技术构建直接预测模型和间接预测模型所需的数据集经过整理和优化后,且数据集能够被两种预测模型同时使用,为建立预测模型提供充足支撑的同时,还提升了预测的速度;
27、3、针对现有的六氟化铀容器还采用原始的加强检查频次来确定六氟化铀容器的状态而言,本专利技术中的针对六氟化铀容器的壁厚预测方法填补了六氟化铀容器智能评估的空白,减少六氟化铀容器维护过程中的人力、物力和财力等资源浪费问题;
28、4、直接预测模型和间接预测模型可以针对六氟化铀容器不同的使用状态或使用时间来进行预测模型选择或组合,获取最优的预测精度。
本文档来自技高网...【技术保护点】
1.一种针对六氟化铀容器的壁厚预测方法,其特征在于,根据六氟化铀容器的壁厚随时间变化规律构建直接预测模型和间接预测模型,用于六氟化铀容器的计算六氟化铀容器的剩余壁厚;
2.根据权利要求1所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述直接预测模型的参数θS和βG计算方法包括:
3.根据权利要求2所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述容器特征包括容器存储位置的地理特征、天气特征、六氟化铀状态特征、使用条件特征、容器材料特征。
4.根据权利要求1所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述随机误差δ通过统计分布的方式获取随机误差的置信区间或概率。
5.根据权利要求1所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述直接预测模型通过所述历史壁厚数据拟合优化直接预测模型的参数,同时验证或评估直接预测模型的预测能力。
6.根据权利要求1所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述最大腐蚀深度的幂律关系计算方法为:D(t)=A×(age)b,其中,A和b是间接预测模型参数,age是六氟化
7.根据权利要求6所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述间接预测模型参数A和b的计算方法包括:
8.根据权利要求7所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述采用线性回归分析得到估计值log(A)和b后,还进行拟合优度检验。
9.根据权利要求7所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述最大腐蚀深度的计算过程中,使用统计分布来描述基本模型中腐蚀深度的变异性,以计算预测的置信区间或概率。
10.根据权利要求1-9任一所述的针对六氟化铀容器的壁厚预测方法,其特征在于,根据六氟化铀容器的使用时间,选择或组合所述直接预测模型和间接预测模型,以输出最优剩余壁厚预测值。
...【技术特征摘要】
1.一种针对六氟化铀容器的壁厚预测方法,其特征在于,根据六氟化铀容器的壁厚随时间变化规律构建直接预测模型和间接预测模型,用于六氟化铀容器的计算六氟化铀容器的剩余壁厚;
2.根据权利要求1所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述直接预测模型的参数θs和βg计算方法包括:
3.根据权利要求2所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述容器特征包括容器存储位置的地理特征、天气特征、六氟化铀状态特征、使用条件特征、容器材料特征。
4.根据权利要求1所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述随机误差δ通过统计分布的方式获取随机误差的置信区间或概率。
5.根据权利要求1所述的针对六氟化铀容器的壁厚预测方法,其特征在于,所述直接预测模型通过所述历史壁厚数据拟合优化直接预测模型的参数,同时验证或评估直接预测模型的预测能力。
6.根据权利要求1...
【专利技术属性】
技术研发人员:陈磊,王长武,孙谦,焦力敏,王鹏毅,张煜航,张沛东,郝嘉欣,王智鹏,闫峰,孙树堂,连一仁,朱业明,闫津,荣誉,张智,
申请(专利权)人:中国辐射防护研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。