CN113465778B - 温度获得方法 - Google Patents

温度获得方法 Download PDF

Info

Publication number
CN113465778B
CN113465778B CN202110684920.XA CN202110684920A CN113465778B CN 113465778 B CN113465778 B CN 113465778B CN 202110684920 A CN202110684920 A CN 202110684920A CN 113465778 B CN113465778 B CN 113465778B
Authority
CN
China
Prior art keywords
radioactive
temperature
reactant
obtaining
processing system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110684920.XA
Other languages
English (en)
Other versions
CN113465778A (zh
Inventor
朱冬冬
李玉松
鲜亮
汪润慈
张生栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Atomic of Energy
Original Assignee
China Institute of Atomic of Energy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Institute of Atomic of Energy filed Critical China Institute of Atomic of Energy
Priority to CN202110684920.XA priority Critical patent/CN113465778B/zh
Publication of CN113465778A publication Critical patent/CN113465778A/zh
Application granted granted Critical
Publication of CN113465778B publication Critical patent/CN113465778B/zh
Priority to US17/789,849 priority patent/US11982636B2/en
Priority to PCT/CN2022/099630 priority patent/WO2022268000A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/20—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity
    • G01N25/48—Investigating or analyzing materials by the use of thermal means by investigating the development of heat, i.e. calorimetry, e.g. by measuring specific heat, by measuring thermal conductivity on solution, sorption, or a chemical reaction not involving combustion or catalytic oxidation
    • G01N25/4806—Details not adapted to a particular type of sample
    • G01N25/4813—Details not adapted to a particular type of sample concerning the measuring means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/0037—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the heat emitted by liquids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/02—Means for indicating or recording specially adapted for thermometers
    • G01K1/026—Means for indicating or recording specially adapted for thermometers arrangements for monitoring a plurality of temperatures, e.g. by multiplexing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/14—Supports; Fastening devices; Arrangements for mounting thermometers in particular locations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
    • G01K1/14—Supports; Fastening devices; Arrangements for mounting thermometers in particular locations
    • G01K1/143—Supports; Fastening devices; Arrangements for mounting thermometers in particular locations for measuring surface temperatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K3/00—Thermometers giving results other than momentary value of temperature
    • G01K3/02—Thermometers giving results other than momentary value of temperature giving means values; giving integrated values
    • G01K3/06—Thermometers giving results other than momentary value of temperature giving means values; giving integrated values in respect of space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0092—Temperature by averaging, e.g. by scan
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin
    • Y02E30/30—Nuclear fission reactors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Combustion & Propulsion (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

根据本发明的实施例提供一种温度获得方法、装置和计算机可读存储介质，其中，温度获得方法包括：建立温度获得模型，其中，所述温度获得模型基于向温度获得模型输入的所述放射性物质处理系统的运行参数，获得在该参数条件下所述放射性物质处理系统中的放射性反应物不同部位的温度；在放射性物质处理过程中，向所述温度获得模型中输入所述放射性物质处理系统当前的运行参数；获得所述温度获得模型输出的所述放射性物质处理系统中的放射性反应物不同部位当前的温度。根据本发明实施例的温度获得方法、装置和计算机可读存储介质能够减少温度获得过程中的放射性操作并降低测温设备的依赖性，提高放射性反应物温度获得的安全性。

Description

温度获得方法
技术领域
本申请放射性物质处理技术领域，特别是涉及一种用于放射性物质处理过程中获得放射性反应物不同部位的温度的方法。
背景技术
随着核工业的迅速发展，如何对核工业中产生的大量放射性废物进行处理是亟待解决的问题，固化处理是一种能够较为安全和高效的对放射性废物进行处理的方法。
固化是指选择稳定性较高的固化基质长时间包容这些核素，常用的固化方法有玻璃固化、陶瓷固化、玻璃陶瓷固化、人造岩石固化以及各种水泥固化等等。其中，玻璃固化技术比较成熟，并且，玻璃固化体具有浸出率低、辐照稳定等优点，使得玻璃固化技术成为固化技术研究的热点。
玻璃固化是将高放废液与玻璃基材按一定比例混合后，在高温下煅烧、熔融、浇注，经退火后转化为稳定玻璃固化体。以磷酸、磷酸盐或其他含磷物质作玻璃形成剂的称为磷酸盐玻璃固化，以二氧化硅和三氧化二硼作玻璃形成剂的称为硼硅酸盐玻璃固化。
玻璃固化的研究开始于20世纪50年代末，早期对磷酸盐玻璃固化研究较多，随后发现磷酸盐玻璃固化体贮存一段时间后形成晶体，失去透明性，使放射性核素的浸出率显著增加，而且磷酸腐蚀性强，熔融器和固化尾气管道需用铂作材料。于是研究工作的重点转向硼硅酸盐玻璃固化。研究结果证明，硼硅酸盐玻璃是较理想的高放废液固化基材。
迄今为止，玻璃固化已经发展了4代，第1代熔制工艺是感应加热金属熔炉，一步法罐式工艺。罐式工艺是将高放废液的蒸发浓缩液和玻璃形成剂同时分别加入金属罐中，金属罐用中频感应加热，分为若干区，废液在罐中蒸发，与玻璃形成剂一起熔融、澄清，最后从下端冻融阀排出熔制好的玻璃。
第2代熔制工艺是回转煅烧路+感应加热金属熔炉两步法工艺，这是在罐式工艺上发展起来的工艺，第1步骤中高放废液先在回转煅烧炉中煅烧成固态煅烧物，第2步把煅烧物与玻璃形成剂分别加入中频感应加热金属熔炉中，在那里熔铸呈玻璃，最后通过冻融阀注入玻璃储罐中。这种工艺的优点是能够进行连续生成，处理量较大，缺点是工艺比较复杂，熔炉寿命不够长。
第3代熔制工艺是焦耳加热陶瓷熔炉工艺，焦耳加热陶瓷熔炉(简称电熔炉)工艺最早是由美国太平洋西北实验室所开发，焦耳加热陶瓷熔炉采用电极加热，炉体由耐火陶瓷材料构成。高放废液与玻璃形成剂分别加入熔炉中，高放废液在熔炉中进行蒸发与玻璃形成剂一起熔铸成玻璃。熔制的玻璃由底部冻融阀或溢流口以批式或连续方式出料。焦耳加热陶瓷熔炉工艺处理量大，熔炉寿命比较长(约5年)，缺点是熔炉体积大，给退役带来困难，熔炉底部的贵金属可能会沉积，从而影响出料。
第4代熔制工艺是冷坩埚感应熔炉工艺。冷坩埚是采用高频感应进行加热，炉体外壁为水冷套管和高频感应圈，不使用耐火材料，也无需电极加热。高频(100-13000kHz)感应加热使玻璃熔融，由于水冷套管中连续通过冷却水，因此炉内近套管处形成一层固态玻璃壳体，熔融的玻璃责备包容在自冷固态玻璃层内，顶上通常还有一个冷罩，以限制易挥发物的释放。冷坩埚除了可以熔铸玻璃外，还可以用来熔融废金属、处理乏燃料包壳、焚烧高氯高硫的废塑料和废树脂等。
冷坩埚熔炉的优点是熔制温度高，可处理对象多，熔融的玻璃不直接与金属接触，腐蚀性小，炉体寿命较长，尾气处理也比较简单。基于此，冷坩埚技术是我国乃至全世界着力研究的热点技术。
无论采用上述的哪种反应容器进行玻璃固化处理，都需要使用测温装置来持续监测反应容器内的放射性熔融物的温度，然而如前述内容所述的，反应容器内通常拥有极高的温度，并且放射性熔融物通常具有较强的腐蚀性，这对测温装置的使用寿命带来了挑战，使用测温装置进行测温成本较高，并且使用测温装置进行测温通常需要操作人员调整测温装置的位置，涉及到的放射性操作较多，安全性较差。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用于放射性物质处理过程中获得放射性反应物不同部位温度的方法。
根据本发明的实施例提供一种用于放射性物质处理过程中获得放射性反应物不同部位温度的方法，所述放射性物质处理过程在放射性物质处理系统中进行，所述放射性物质在所述放射性物质处理系统中作为放射性反应物，所述方法包括如下步骤：建立温度获得模型，其中，所述温度获得模型基于向温度获得模型输入的所述放射性物质处理系统的运行参数，获得在该参数条件下所述放射性物质处理系统中的放射性反应物不同部位的温度；在放射性物质处理过程中，向所述温度获得模型中输入所述放射性物质处理系统当前的运行参数；获得所述温度获得模型输出的所述放射性物质处理系统中的放射性反应物不同部位当前的温度，其中，建立所述温度获得模型包括如下步骤：获取多组训练数据，每组所述训练数据包括：在第n时刻测得的所述放射性物质处理系统中所述放射性反应物不同部位的温度，以及在所述第n时刻下所述放射性物质处理系统的运行参数，n为不小于1的整数；使用所述多组训练数据对学习模型进行训练以建立所述温度获得模型。
可选地，所述放射性物质处理系统的运行参数包括：一个或多个表征所述放射性物质处理系统的运行功率的参数。
可选地，所述放射性物质处理系统的运行参数还包括：一个或多个表征所述放射性物质处理系统内的反应环境的参数。
可选地，所述放射性物质处理系统的运行参数还包括：一个或多个表征所述放射性物质处理系统内的所述放射性反应物的组分和/或物理状态的参数。
可选地，所述放射性反应物不同部位的温度包括：所述放射性反应物内部的温度；以及所述放射性反应物表面的温度。
可选地，获取所述多组训练数据中的每组所述训练数据时，包括如下步骤：在第n时刻测得所述放射性反应物内部至少一个部位的温度，根据所述放射性反应物内部至少一个部位的温度获得所述放射性反应物内部的温度；在所述第n时刻测得所述放射性反应物表面至少一个部位的温度，根据所述放射性反应物表面至少一个部位的温度获得所述放射性反应物表面的温度；以及获取所述放射性物质处理系统在所述第n时刻的运行参数。
可选地，所述在第n时刻测得所述放射性反应物内部至少一个部位的温度包括：在放射性物质处理过程中将第一测温装置的至少一个测温端置于所述放射性反应物的内部，其中，当所述第一测温装置的测温端为多个时，多个测温端置于所述放射性反应物内部的不同部位；在所述第n时刻读取所述第一测温装置输出的测温数据，以测得第n时刻所述放射性反应物内部的至少一个部位的温度。
可选地，所述放射性物质处理过程中，所述放射性反应物为熔融态物质和固态物质的混合物，所述将第一测温装置的至少一个测温端置于所述放射性反应物的内部包括：将所述第一测温装置的至少一个测温端置于所述放射性反应物中的所述熔融态物质内部。
可选地，所述在所述第n时刻测得所述放射性反应物表面至少一个部位的温度包括：在放射性物质处理过程中使用第二测温装置获取所述放射性反应物辐射的可见光；对所述第二测温装置在所述第n时刻获得的所述可见光进行分析，以在所述第n时刻测得所述放射性反应物表面的至少一个部位的温度。
根据本发明的实施例还提供一种温度获得装置，用于放射性物质处理过程中获得放射性反应物不同部位的温度，所述放射性物质处理过程在放射性物质处理系统中执行，所述放射性物质在所述放射性物质处理系统中作为放射性反应物，所述温度获得装置包括一个或多个处理器，所述一个或多个处理器用于：建立温度获得模型，其中，所述温度获得模型基于向温度获得模型输入的所述放射性物质处理系统的运行参数，获得在该参数条件下所述放射性物质处理系统中的放射性反应物不同部位的温度；在所述放射性物质处理过程中，向所述温度获得模型中输入所述放射性物质处理系统当前的运行参数；获得所述温度获得模型输出的所述放射性物质处理系统中的放射性反应物不同部位当前的温度，其中，建立所述温度获得模型时，所述一个或多个处理器具体用于：获取多组训练数据，每组所述训练数据包括：在第n时刻测得的所述放射性物质处理系统中所述放射性反应物不同部位的温度，以及在所述第n时刻下所述放射性物质处理系统的运行参数，n为不小于1的整数；使用所述多组训练数据对学习模型进行训练以建立所述温度获得模型。
根据本发明的实施例还提供一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如上任一所述的方法。
根据本发明实施例的温度获得方法、装置和计算机可读存储介质，借助温度获得模型，根据放射性物质处理系统的多个运行参数来获得放射性反应物不同部位的温度，从而减少了温度获得过程中的放射性操作，提高了温度获得的安全性，并降低测温设备的依赖性。
附图说明
图1为根据本发明实施例的温度获得方法的流程图；
图2为根据本发明实施例的获取温度获得模型构建方法流程图；
图3为根据本发明实施例的放射性物质处理系统示意图；
图4为根据本发明实施例的训练数据获取方法流程图；
图5为根据本发明实施例的训练数据获取方法流程图；
图6为根据本发明实施例的温度获得装置示意图；
图7为根据本发明实施例的计算机可读存储介质示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一个实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
根据本发明的实施例首先提供一种温度获得方法，用于在放射性物质处理过程中获得放射性反应物不同部位的温度，所述放射性物质处理过程在放射性物质处理系统中进行，所述放射性物质在所述放射性物质处理系统中作为放射性反应物，参照图1，所述方法包括如下步骤：
步骤S102：建立温度获得模型，其中，所述温度获得模型基于向温度获得模型输入的所述放射性物质处理系统的运行参数，获得在该参数条件下所述放射性物质处理系统中的放射性反应物不同部位的温度；
步骤S104：在放射性物质处理过程中，向所述温度获得模型中输入所述放射性物质处理系统当前的运行参数；
步骤S106：获得所述温度获得模型输出的所述放射性物质处理系统中的放射性反应物不同部位当前的温度。
其中，参照图2，建立温度获得模型包括如下步骤：
步骤S1022：获取多组训练数据，每组所述训练数据包括：在第n时刻测得的所述放射性物质处理系统中所述放射性反应物不同部位的温度，以及在所述第n时刻下所述放射性物质处理系统的运行参数，n为不小于1的整数；
步骤S1024：使用所述多组训练数据对学习模型进行训练以建立所述温度获得模型。
本发明的实施例中建立了温度获得模型，从而在进行放射性物质处理过程中，只需向温度获得模型中输入放射性物质处理系统当前的运行参数，而后即可获得温度获得模型输出的放射性反应物不同部位当前的温度。从而，操作人员无需人工操作测温装置对放射性反应物不同部位的温度进行测温，甚至无需测温装置，而只需要读取放射性物质处理系统的参数，从而减少了温度获得的成本，并且提高了安全性。
具体地，在本发明的实施例中，建立温度获得模型包括上述步骤S1022和步骤S1024。
步骤S1022中获取多组训练数据，并在步骤S1024中使用多组训练数据对学习模型进行训练，使用多组训练模型对学习模型进行训练的具体方法可以参照本领域中任何机器学习、深度学习等方法，例如，学习模型可以是神经网络模型等等，通过训练来构建温度获得模型。
每组训练数据包括在第n时刻测得的放射性物质处理系统中放射性反应物不同部位的温度，以及在第n时刻放射性物质处理系统的运行参数，n为不小于1的整数。即，每组训练数据中的放射性反应物不同部位的温度与放射性物质处理系统的运行参数是同一时刻的数据，放射性物质处理系统的运行参数可以泛指与放射性物质处理系统的运行状态有关的任何参数。
可以理解地，这些运行参数与放射性物质处理系统中的放射性反应物的状态密切相关，随着放射性反应物的温度的变化，这些运行参数也会发生相应的变化。以一个具体的实施方式进行举例，每组训练数据中可以包括：放射性反应物不同部位的温度T1、T2、T3、T4…Tx，与放射性物质处理系统的运行参数P1、P2、P3…Pn，这些温度和这些运行参数是在同一时刻获取到的数据，即，相互对应，将处理参数视作多个自变量，则反应物不同部位的温度为多个因变量。从而，使用这样的多组训练数据对学习模型进行训练所得到的温度获得模型，表征了放射性物质处理系统的运行参数以及放射性反应物不同部位的温度之间的对应关系。
在一些实施方式中，本领域技术人员可以选择合适的学习模型作为训练的基础，例如，可以使用多自变量、单因变量的多元非线性回归模型，即，以多个运行参数作为自变量，放射性反应物其中一个部位的温度作为因变量建立子模型，并依此方式针对每个部位的温度都建立子模型，从而，在这样的实施方式中温度获得模型由该多个子模型组成，在放射性物质处理过程中，可以使用其中的一个子模型获得放射性反应物某一对应部位的温度。可以理解地，放射性反应物不同部位的温度与运行参数之间的对应关系实际上是存在差异的，这种针对每个部位的温度分别建模的方法可以提高建模的准确性。
在一些实施方式中，也可以选择直接构建多自变量、多因变量的学习模型，而不针对每个部位的温度单独建模，这种建模方法更为简便。
在一些实施方式中，放射性物质处理系统的运行参数可以包括：一个或多个表征放射性物质处理系统的运行功率的参数。
参照图3，放射性物质处理系统可能包括反应容器10、加热装置20、进料装置30等装置，还可能包括其他的例如冷却装置、加压装置等等(图中未示出)，放射性物质处理系统的运行参数可以是表征这些装置的运行功率的参数，例如加热装置20的运行电压、运行电流、运行频率等，进料装置30的电机运转速率等等。
在一些实施方式中，放射性物质处理系统的运行参数还可以包括：一个或多个表征放射性物质处理系统内的反应环境的参数，例如，反应容器10内部的气压、湿度、堆积密度等等。
在一些实施方式中，放射性物质处理系统的运行参数还可以包括：一个或多个表征放射性物质处理系统内的放射性反应物的组分和/或物理状态的参数。例如，放射性反应物可以是多种物质的混合物，此时运行参数可以包括放射性反应物中每种物质的质量比，还可以包括放射性反应物此时的密度、堆积量等等。
可以理解的是，上述多个实施方式中描述了多种可以作为放射性物质处理系统的运行参数的参数，实际上可选择的运行参数并不限于上述列举的参数，任何与反应物的温度相关的参数均可以作为放射性物质处理系统的运行参数。然而，需要理解的是，如果选择了过多的参数作为运行参数，则建模时的运算量也会增加，并且，在放射性物质处理过程中，收集这些参数可能会消耗较多的时间，甚至收集某些参数时的操作比直接测温的操作更加复杂，这并不是我们期望的。
因此，在选择放射性物质处理系统的运行参数时，优先选择与放射性反应物的温度关联较为密切的、较为容易获得的参数，例如加热装置的工作电压、工作电流，反应容器10内的液面高度、堆积高度等等参数，从而在实际的放射性物质处理过程中，操作人员可以通过直接读取或者较为简单的操作获取到这些运行参数，并利用这些运行参数获得放射性反应物不同部位的温度。
在一些实施方式中，放射性反应物不同部位的温度可以包括：放射性反应物内部的温度，以及放射性反应物表面的温度。放射性反应物内部的温度可以是指放射性反应物堆积的平面以下的温度，而放射性反应物表面的温度可以是指放射性反应物堆积平面处的温度。从而内部温度和表面温度可以较为准确地表征此时放射性反应物的温度分布。可以理解地，放射性反应物不同部位的温度并不限于内部和表面，本领域技术人员可以根据实际的温度获得需求来选择放射性反应物不同部位的温度，在此不再赘述。
在一些实施方式中，获取多组训练数据中的每组训练数据可以具体包括如下步骤：
在第n时刻测得所述放射性反应物内部至少一个部位的温度，根据所述放射性反应物内部至少一个部位的温度获得所述放射性反应物内部的温度；在所述第n时刻测得所述放射性反应物表面至少一个部位的温度，根据所述放射性反应物表面至少一个部位的温度获得所述放射性反应物表面的温度；以及获取所述放射性物质处理系统在所述第n时刻的运行参数。
在本实施例中，获取放射性反应物的内部温度和表面温度时，可以选择获得多个温度后取平均值，从而能够获取到较为准确的内部温度和表面温度。
在一些实施方式中，参照图4，在第n时刻测得所述放射性反应物内部至少一个部位的温度包括：
步骤S402：在放射性物质处理过程中将第一测温装置40的至少一个测温端置于所述放射性反应物的内部，其中，当所述第一测温装置40的测温端为多个时，多个测温端置于所述放射性反应物内部的不同部位；
步骤S404：在所述第n时刻读取所述第一测温装置40输出的测温数据，以测得第n时刻所述放射性反应物内部的至少一个部位的温度。
在本实施例中，使用第一测温装置40获取放射性反应物内部的温度，再次参照图3，第一测温装置40可以是接触式测温装置，将第一测温装置40的测温端插入放射性反应物的内部，从而能够自第一测温装置40的接线端读取到放射性反应物的温度。在一些实施方式中，第一测温装置40可以具有多个测温端，将多个测温端分别置于放射性反应物内部的不同位置处，从而能够在第n时刻同时读取到放射性反应物内部的多个温度，而后对多个温度取均值来获取放射性反应物内部的温度。
在一些实施方式中，也可以同时使用多个第一测温装置40，并在第n时刻同时读取多个第一测温装置40输出的数据，并取均值获得放射性反应物内部的温度。
在一些实施方式中，放射性反应物为液态或者熔融态，则可以直接将第一测温装置40插入放射性反应物的堆积平面下方。在一些实施方式中，放射性反应物可能是固态物质和熔融态物质的混合物，而熔融态物质与固态物质可能存在温度上的差异，而熔融态物质的温度实际上是更为期望了解到的温度，此时，优选地将第一测温装置40置于放射性反应物中的熔融态物质内部，以避免第一测温装置40测得固态物质的温度。
在这样的实施方式中，多组训练数据的获取可以在一次放射性反应物处理过程中获得，例如，在第1时刻读取放射性反应物内部的温度，在第2时刻、第3时刻、第n时刻再次读取温度，即可获得多组训练数据。
在一些实施方式中，参照图5，在所述第n时刻测得所述放射性反应物表面至少一个部位的温度包括：在放射性物质处理过程中使用第二测温装置获取所述放射性反应物辐射的可见光；对所述第二测温装置在所述第n时刻获得的所述可见光进行分析，以在所述第n时刻测得所述放射性反应物表面的至少一个部位的温度。
可以理解地，在放射性物质处理过程中，放射性反应物的堆积平面可能会发生变化，如果使用接触式测温装置测量放射性反应物的表面温度，则在放射性反应物的堆积平面发生变化时，需要调整测温装置的位置，而该过程中将会涉及到放射性操作，尽管只需要在获取训练数据的过程中进行这样的操作，也并不是我们期望的。
为此，本实施方式中使用可见光测温的方法来获取放射性反应物表面的温度。仍然参照图3，反应容器10的一个壁上可以设置有通光孔，第二测温装置50可以设置在反应容器10的外部并且与该通光孔连接，从而第二测温装置50在放射性物质处理过程中可以持续获得放射性反应物堆积表面辐射的可见光图像，并可以根据该可见光图像测得放射性反应物表面的至少一个部位的温度。例如，根据第n时刻获得的可见光图像，可以分析获得第n时刻放射性反应物表面的温度。
第二测温装置50可以是本领域中任何合适的可见光测温装置，在一些实施方式中，第二测温装置50还可以是其他合适的非接触式测温装置，例如红外测温装置等等，本领域技术人员可以根据实际需求进行选择，在此不再赘述。使用第二测温装置50同样可以在一次放射性物质处理过程中获取到多组数据，并且，在获取数据的过程中无需调整第二测温装置50的位置，进一步的减少了放射性操作，保证操作人员的安全性。
根据本发明的实施例还提供一种温度获得装置600，用于放射性物质处理过程中获得放射性反应物不同部位的温度，放射性物质处理过程在放射性物质处理系统中执行，放射性物质在放射性物质处理系统中作为放射性反应物，参照图6，温度获得装置包括一个或多个处理器610，一个或多个处理器610用于：建立温度获得模型，其中，温度获得模型基于向温度获得模型输入的放射性物质处理系统的运行参数，获得在该参数条件下放射性物质处理系统中的放射性反应物不同部位的温度；在放射性物质处理过程中，向温度获得模型中输入放射性物质处理系统当前的运行参数；获得温度获得模型输出的放射性物质处理系统中的放射性反应物不同部位当前的温度，
其中，建立温度获得模型时，一个或多个处理器610具体用于：获取多组训练数据，每组训练数据包括：在第n时刻测得的放射性物质处理系统中放射性反应物不同部位的温度，以及在第n时刻下放射性物质处理系统的运行参数，n为不小于1的整数；使用多组训练数据对学习模型进行训练以建立温度获得模型。
在一些实施方式中，一个或多个处理器610在获取多组训练数据中的每组训练数据时，具体用于：
接收在第n时刻测得的放射性反应物内部至少一个部位的温度，根据放射性反应物内部至少一个部位的温度获得放射性反应物内部的温度；接收在第n时刻测得的放射性反应物表面至少一个部位的温度，根据放射性反应物表面至少一个部位的温度获得放射性反应物表面的温度；以及接收放射性物质处理系统在第n时刻的运行参数。
在一些实施方式中，一个或多个处理器610在接收在第n时刻测得的放射性反应物内部至少一个部位的温度时，具体用于：
在第n时刻读取第一测温装置40输出的测温数据，以测得第n时刻放射性反应物内部的至少一个部位的温度，其中，第一测温装置40的至少一个测温端置于放射性反应物的内部，其当第一测温装置40的测温端为多个时，多个测温端置于放射性反应物内部的不同部位。
在一些实施方式中，一个或多个处理器610在接收在第n时刻测得的放射性反应物表面至少一个部位的温度时，具体用于：
接收第二测温装置在第n时刻获得的可见光并进行分析，以在第n时刻测得放射性反应物表面的至少一个部位的温度，其中，第二测温装置用于在放射性物质处理过程获取放射性反应物辐射的可见光；
测温装置的具体实施方式中的技术细节可以参照前述内容，在此不再赘述。
根据本发明的实施例提供一种计算机可读存储介质700，参照图7，其上存储有可执行指令710，指令710被处理器执行时使处理器执行如上任一所述的方法。
计算机可读存储介质的具体实现方式可以参照前述内容，在此不再赘述。
本领域技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。
其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种温度获得方法，用于在放射性物质处理过程中获得放射性反应物不同部位的温度，所述放射性物质处理过程在放射性物质处理系统中进行，所述放射性物质在所述放射性物质处理系统中作为放射性反应物，所述方法包括如下步骤：
建立温度获得模型，其中，所述温度获得模型基于向温度获得模型输入的所述放射性物质处理系统的运行参数，获得在该参数条件下所述放射性物质处理系统中的放射性反应物不同部位的温度；
在放射性物质处理过程中，向所述温度获得模型中输入所述放射性物质处理系统当前的运行参数；
获得所述温度获得模型输出的所述放射性物质处理系统中的放射性反应物不同部位当前的温度，
其中，建立所述温度获得模型包括如下步骤：
获取多组训练数据，每组所述训练数据包括：在第n时刻测得的所述放射性物质处理系统中所述放射性反应物不同部位的温度，以及在所述第n时刻下所述放射性物质处理系统的运行参数，n为不小于1的整数；
使用所述多组训练数据对学习模型进行训练以建立所述温度获得模型；
其中，所述放射性物质处理系统的运行参数包括：
一个或多个表征所述放射性物质处理系统的运行功率的参数；和/或
一个或多个表征所述放射性物质处理系统内的反应环境的参数；和/或
一个或多个表征所述放射性物质处理系统内的所述放射性反应物的组分和/或物理状态的参数；
所述放射性反应物不同部位的温度包括：
所述放射性反应物内部的温度；以及
所述放射性反应物表面的温度。
2.根据权利要求1所述的方法，其中，获取所述多组训练数据中的每组所述训练数据时，包括如下步骤：
在第n时刻测得所述放射性反应物内部至少一个部位的温度，根据所述放射性反应物内部至少一个部位的温度获得所述放射性反应物内部的温度；
在所述第n时刻测得所述放射性反应物表面至少一个部位的温度，根据所述放射性反应物表面至少一个部位的温度获得所述放射性反应物表面的温度；以及
获取所述放射性物质处理系统在所述第n时刻的运行参数。
3.根据权利要求2所述的方法，其中，所述在第n时刻测得所述放射性反应物内部至少一个部位的温度包括：
在放射性物质处理过程中将第一测温装置的至少一个测温端置于所述放射性反应物的内部，其中，当所述第一测温装置的测温端为多个时，多个测温端置于所述放射性反应物内部的不同部位；
在所述第n时刻读取所述第一测温装置输出的测温数据，以测得第n时刻所述放射性反应物内部的至少一个部位的温度。
4.根据权利要求3所述的方法，其中，所述放射性物质处理过程中，所述放射性反应物为熔融态物质和固态物质的混合物，所述将第一测温装置的至少一个测温端置于所述放射性反应物的内部包括：
将所述第一测温装置的至少一个测温端置于所述放射性反应物中的所述熔融态物质内部。
5.根据权利要求2-4中任一项所述的方法，其中，所述在所述第n时刻测得所述放射性反应物表面至少一个部位的温度包括：
在放射性物质处理过程中使用第二测温装置获取所述放射性反应物辐射的可见光；
对所述第二测温装置在所述第n时刻获得的所述可见光进行分析，以在所述第n时刻测得所述放射性反应物表面的至少一个部位的温度。
6.一种温度获得装置，用于放射性物质处理过程中获得放射性反应物不同部位的温度，所述放射性物质处理过程在放射性物质处理系统中执行，所述放射性物质在所述放射性物质处理系统中作为放射性反应物，所述温度获得装置包括一个或多个处理器，所述一个或多个处理器用于：
建立温度获得模型，其中，所述温度获得模型基于向温度获得模型输入的所述放射性物质处理系统的运行参数，获得在该参数条件下所述放射性物质处理系统中的放射性反应物不同部位的温度；
在所述放射性物质处理过程中，向所述温度获得模型中输入所述放射性物质处理系统当前的运行参数；
获得所述温度获得模型输出的所述放射性物质处理系统中的放射性反应物不同部位当前的温度，
其中，建立所述温度获得模型时，所述一个或多个处理器具体用于：
获取多组训练数据，每组所述训练数据包括：在第n时刻测得的所述放射性物质处理系统中所述放射性反应物不同部位的温度，以及在所述第n时刻下所述放射性物质处理系统的运行参数，n为不小于1的整数；
使用所述多组训练数据对学习模型进行训练以建立所述温度获得模型；
其中，所述放射性物质处理系统的运行参数包括：
一个或多个表征所述放射性物质处理系统的运行功率的参数；和/或
一个或多个表征所述放射性物质处理系统内的反应环境的参数；和/或
一个或多个表征所述放射性物质处理系统内的所述放射性反应物的组分和/或物理状态的参数；
所述放射性反应物不同部位的温度包括：
所述放射性反应物内部的温度；以及
所述放射性反应物表面的温度。
7.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1-5中任一项所述的方法。
CN202110684920.XA 2021-06-21 2021-06-21 温度获得方法 Active CN113465778B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110684920.XA CN113465778B (zh) 2021-06-21 2021-06-21 温度获得方法
US17/789,849 US11982636B2 (en) 2021-06-21 2022-06-17 Method for acquiring temperature
PCT/CN2022/099630 WO2022268000A1 (zh) 2021-06-21 2022-06-17 温度获得方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110684920.XA CN113465778B (zh) 2021-06-21 2021-06-21 温度获得方法

Publications (2)

Publication Number Publication Date
CN113465778A CN113465778A (zh) 2021-10-01
CN113465778B true CN113465778B (zh) 2022-04-08

Family

ID=77868826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110684920.XA Active CN113465778B (zh) 2021-06-21 2021-06-21 温度获得方法

Country Status (3)

Country Link
US (1) US11982636B2 (zh)
CN (1) CN113465778B (zh)
WO (1) WO2022268000A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113465778B (zh) * 2021-06-21 2022-04-08 中国原子能科学研究院 温度获得方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2091453A2 (en) * 2006-12-08 2009-08-26 Koninklijke Philips Electronics N.V. A system, method, computer-readable medium, and use for planning combined therapy
CN102175345A (zh) * 2011-01-06 2011-09-07 华东理工大学 多喷嘴对置式水煤浆气化炉炉膛温度的软测量方法
CN102508972A (zh) * 2011-11-09 2012-06-20 北京化工大学 一种氢能反应堆的建模方法
CN104102782A (zh) * 2014-07-18 2014-10-15 上海电力学院 压水堆核电站反应堆温度rbf神经网络控制方法
CN106709137A (zh) * 2016-11-16 2017-05-24 东南大学 基于多项式极大似然估计的核电站堆芯温度场软测量方法
CN106709133A (zh) * 2016-11-16 2017-05-24 东南大学 基于神经网络曲面拟合的核电站堆芯温度场软测量方法
CN206628277U (zh) * 2017-01-19 2017-11-10 杨红波 一种处理中低放射性废物设备
CN208077622U (zh) * 2018-01-11 2018-11-09 航天晨光股份有限公司 一种放射性废液结晶干燥系统
CN110322932A (zh) * 2019-07-11 2019-10-11 重庆科技学院 三嗪酮生产过程反应釜温度软测量方法及系统
FI20186089A1 (fi) * 2018-12-16 2020-06-17 Fortum Power & Heat Oy Menetelmä nestemäisten jätteiden käsittelemiseksi ja kiinteyttämiseksi
CN112084701A (zh) * 2020-08-12 2020-12-15 扬州大学 一种基于数据驱动的系统瞬态温度预测方法
CN112926791A (zh) * 2021-03-19 2021-06-08 中国工商银行股份有限公司 一种机房温度分布预测方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62148896A (ja) * 1985-12-24 1987-07-02 三機工業株式会社 放射性廃棄物の溶融方法及びその装置
CN101067828A (zh) * 2007-06-12 2007-11-07 中南大学 焦炉火道温度集成建模与软测量方法
CN101476939B (zh) * 2009-02-12 2010-09-01 清华大学 一种双ccd温度场测量装置及方法
JP2013517457A (ja) * 2010-01-19 2013-05-16 アディティア ビルラ サイエンス アンド テクノロジー カンパニー リミテッド オンライン決定システムに基づく冶金プロセス用ソフトセンサー
FR2984877B1 (fr) * 2011-12-22 2014-01-24 Areva Nc Conditionnement d'un dechet radioactif par cimentation
US9529348B2 (en) * 2012-01-24 2016-12-27 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for deploying industrial plant simulators using cloud computing technologies
GB2507116B (en) * 2012-10-22 2014-09-10 Vito Logar Soft sensor for online estimation of the steel bath temperature in an electric arc furnace (EAF)
KR20210023603A (ko) * 2019-08-23 2021-03-04 엘지전자 주식회사 온도 예측 모델의 생성 장치 및 시뮬레이션 환경의 제공 방법
CN111270044B (zh) * 2020-01-16 2023-08-29 杭州麦乐克科技股份有限公司 一种钢水温度非接触软测量方法及装置
CN113465778B (zh) * 2021-06-21 2022-04-08 中国原子能科学研究院 温度获得方法
CN113468684B (zh) * 2021-06-21 2022-07-01 中国原子能科学研究院 熔融装置内熔融物温度的测量方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2091453A2 (en) * 2006-12-08 2009-08-26 Koninklijke Philips Electronics N.V. A system, method, computer-readable medium, and use for planning combined therapy
CN102175345A (zh) * 2011-01-06 2011-09-07 华东理工大学 多喷嘴对置式水煤浆气化炉炉膛温度的软测量方法
CN102508972A (zh) * 2011-11-09 2012-06-20 北京化工大学 一种氢能反应堆的建模方法
CN104102782A (zh) * 2014-07-18 2014-10-15 上海电力学院 压水堆核电站反应堆温度rbf神经网络控制方法
CN106709137A (zh) * 2016-11-16 2017-05-24 东南大学 基于多项式极大似然估计的核电站堆芯温度场软测量方法
CN106709133A (zh) * 2016-11-16 2017-05-24 东南大学 基于神经网络曲面拟合的核电站堆芯温度场软测量方法
CN206628277U (zh) * 2017-01-19 2017-11-10 杨红波 一种处理中低放射性废物设备
CN208077622U (zh) * 2018-01-11 2018-11-09 航天晨光股份有限公司 一种放射性废液结晶干燥系统
FI20186089A1 (fi) * 2018-12-16 2020-06-17 Fortum Power & Heat Oy Menetelmä nestemäisten jätteiden käsittelemiseksi ja kiinteyttämiseksi
CN110322932A (zh) * 2019-07-11 2019-10-11 重庆科技学院 三嗪酮生产过程反应釜温度软测量方法及系统
CN112084701A (zh) * 2020-08-12 2020-12-15 扬州大学 一种基于数据驱动的系统瞬态温度预测方法
CN112926791A (zh) * 2021-03-19 2021-06-08 中国工商银行股份有限公司 一种机房温度分布预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Design of Artificial Neural Network for Nuclear Reactor;Vinit Tarey;《International Journal of Emerging Technology and Advanced Engineering》;20120430(第4期);第437-442页 *

Also Published As

Publication number Publication date
US20230288358A1 (en) 2023-09-14
WO2022268000A1 (zh) 2022-12-29
US11982636B2 (en) 2024-05-14
CN113465778A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
Crum et al. Cold crucible induction melter studies for making glass ceramic waste forms: A feasibility assessment
CN113465778B (zh) 温度获得方法
CN104391179B (zh) 熔融玻璃电导率测试装置及其方法
DE102015122896A1 (de) Vorrichtung und Verfahren zur Analyse des Temperaturverhaltens des Unterdruckverflüchtigungs-/Kondensationsrückgewinnungstyps
CN113421684B (zh) 放射性过滤芯固化处理方法和系统
Pokorný et al. Modeling batch melting: Roles of heat transfer and reaction kinetics
KR101646917B1 (ko) 금속연료심 사출 주조 시스템 및 방법
Young et al. High-temperature cell assembly for spectrophotometric studies of molten fluoride salts
CN113354254B (zh) 进料方法和进料系统
Soldner et al. Modeling crystallization kinetics for selective laser sintering of polyamide 12
CN105813993B (zh) 用于低放射性废树脂玻璃化的玻璃组合物及利用其的低放射性废树脂的玻璃化方法
CN113267261B (zh) 测温装置的保护结构和测温组件
CN113468684B (zh) 熔融装置内熔融物温度的测量方法及系统
CN113011078B (zh) 三元正极材料制备过程中分解反应模拟方法、系统及介质
Paraiso et al. Characterization and modeling of chemical reactions taking place during the vitrification of high level nuclear waste
CN104599729B (zh) 一种用于干燥反应堆堆芯干保护的方法
CN113345616B (zh) 含硼放射性废液处理方法和系统
Gombert et al. Cold-crucible induction melter design and development
Chauvin et al. La Hague continuous improvement program to go beyond the current high level of equipment availability of the vitrification facility: operation support with specific numerical tools
Ruas et al. Validation of gravimetry for high-accuracy analysis of uranium
JP4791170B2 (ja) 出鋼温度予測方法
Piepel et al. Glass Chemistry Development Strategy for Hanford High-Level Waste
CN113421685A (zh) 放射性树脂固化处理方法和系统
CN114864441B (zh) 一种晶圆加热盘的温度补偿方法
CN202133293U (zh) 带自动拉温区功能的温度串级系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant