CN116204975B - 一种船用非能动余热排出系统的设计优化方法 - Google Patents
一种船用非能动余热排出系统的设计优化方法 Download PDFInfo
- Publication number
- CN116204975B CN116204975B CN202310044770.5A CN202310044770A CN116204975B CN 116204975 B CN116204975 B CN 116204975B CN 202310044770 A CN202310044770 A CN 202310044770A CN 116204975 B CN116204975 B CN 116204975B
- Authority
- CN
- China
- Prior art keywords
- waste heat
- marine
- passive waste
- design
- optimization
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种船用非能动余热排出系统的设计优化方法,包括:获取船用非能动余热排出系统设计优化的独立设计变量和功能函数;基于所述独立设计变量和功能函数,获取数据集;所述数据集用于训练代理模型;基于训练后的所述代理模型,获取惩罚适应度函数;基于所述惩罚适应度函数,对船用非能动余热排出系统进行设计优化,获取优化后的独立设计变量,并对优化结果进行验证,完成船用非能动余热排出系统的设计优化。本发明在保证船用非能动余热排出系统性能和安全的前提下,降低船用核动力装置系统的重量,减小船用核动力装置的尺寸,进一步提高船用核动力装置的总体性能。
Description
技术领域
本发明属于核反应堆工程技术领域,尤其涉及一种船用非能动余热排出系统的设计优化方法。
背景技术
受限于船体空间和载重的要求,船用核动力装置首先需要考虑的问题就是资源的最优化利用,必须综合考虑空间、载重和安全性。陆上核电厂通常在反应堆的顶部布置一个巨大的冷却水箱作为非能动余热排出系统的最终热阱,从而保证事故条件下非能动余热排出系统具有足够的自然循环能力和冷却水源。对于空间和载重量有限的船用核动力装置而言,采用类似的设计会大幅度降低船舶的总体性能。
对于船用非能动余热排出系统的设计,另一个需要考虑的因素是船用环境。海洋条件引起的倾斜、起伏、摇摆等附加作用力会影响非能动余热排出系统的功能和可靠性。因此,在进行非能动余热排出系统的设计时,必须同步开展系统设计优化。在满足非能动余热排出系统安全性要求的前提下,降低非能动余热排出系统的重量,减小船用核动力装置的尺寸,对于进一步提高船用核动力装置的总体性能具有重要的意义。
发明内容
为解决上述技术问题,本发明提出了一种船用非能动余热排出系统的设计优化方法,在保证船用非能动余热排出系统性能和安全的前提下,降低船用核动力装置系统的重量,减小船用核动力装置的尺寸,进一步提高船用核动力装置的总体性能。
为实现上述目的,本发明提供了一种船用非能动余热排出系统的设计优化方法,包括:
获取船用非能动余热排出系统设计优化的独立设计变量和功能函数;
基于所述独立设计变量和功能函数,获取数据集;所述数据集用于训练代理模型;
基于训练后的所述代理模型,获取惩罚适应度函数;
基于所述惩罚适应度函数,对船用非能动余热排出系统进行设计优化,获取优化后的独立设计变量,并对优化结果进行验证,完成船用非能动余热排出系统的设计优化。
可选地,获取船用非能动余热排出系统设计优化的独立设计变量包括:
获取船用非能动余热排出系统的设计优化目标;
基于所述设计优化目标,采用参数敏感性分析和独立性判断准则,获取船用非能动余热排出系统设计优化的所述独立设计变量。
可选地,所述设计优化目标包括:船用非能动余热排出系统的重量、船用非能动余热排出系统的体积或其他经济性指标。
可选地,所述独立设计变量包括:结构设计参数、运行参数和海洋条件参数。
可选地,获取船用非能动余热排出系统设计优化的功能函数包括:
利用故障模式及影响分析技术识别系统失效模式,根据失效模式和船用非能动余热排出系统的系统功能确定船用非能动余热排出系统的失效准则,并将所述失效准则作为船用非能动余热排出系统设计优化中的所述功能函数。
可选地,所述失效准则的热工参数包括:燃料包壳的峰值温度,堆芯出口的峰值温度,一回路峰值压力、二回路峰值压力和船用非能动余热排出系统的累计换热量。
可选地,获取所述数据集包括:
对所述独立设计变量进行抽样,获取输入矢量;
获取所述功能函数在不同工况下的瞬态响应值;
基于所述输入矢量和所述瞬态响应值,构建所述数据集,并将所述数据集通过线性比例归一化处理。
可选地,所述惩罚适应度函数为:
其中,F(xi)为惩罚适应度函数,f(xi)为个体xi的目标函数值,ρ为种群中可行解的比例,C为惩罚因子项,为个体xi的惩罚函数值。
可选地,对船用非能动余热排出系统进行设计优化包括:
将优化算法中的适应度函数替换为所述惩罚适应度函数,通过替换后的所述优化算法,对船用非能动余热排出系统进行设计优化。
与现有技术相比,本发明具有如下优点和技术效果:
本发明所述的船用非能动余热排出的设计优化方法,在充分考虑海洋条件和运行参数的不利条件的前提下,在保障船用核动力装置的安全的前提下,对非能动余热排出系统进行设计优化,能够进一步降低船用核动力装置的重量,减少其空间尺寸,提高船舶的总体性能。
本发明采用自适应惩罚函数法处理非能动余热排出系统的功能函数,避免了惩罚因子选取困难的问题,并且加强对功能函数的边界搜索能力。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例的非能动余热排出系统设计优化分析流程示意图;
图2为本发明实施例的双层自适应遗传算法优化BP神经网络流程示意图;
图3为本发明实施例的测试组双层自适应遗传算法优化BP神经网络模型的预测效果示意图;
图4为本发明实施例的优化算法寻优过程示意图;
图5为本发明实施例的优化算法收敛过程示意图;
图6为本发明实施例的优化后参数在事故模拟期间的自然循环流量示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明出了一种船用非能动余热排出系统的设计优化方法,包括:
获取船用非能动余热排出系统设计优化的独立设计变量和功能函数;
基于所述独立设计变量和功能函数,获取数据集;所述数据集用于训练代理模型;
基于训练后的所述代理模型,获取惩罚适应度函数;
基于所述惩罚适应度函数,对船用非能动余热排出系统进行设计优化,获取优化后的独立设计变量,并对优化结果进行验证,完成船用非能动余热排出系统的设计优化。
进一步地,获取船用非能动余热排出系统设计优化的独立设计变量包括:
获取船用非能动余热排出系统的设计优化目标;
基于所述设计优化目标,采用参数敏感性分析和独立性判断准则,获取船用非能动余热排出系统设计优化的所述独立设计变量。
进一步地,所述设计优化目标包括:船用非能动余热排出系统的重量、船用非能动余热排出系统的体积或其他经济性指标。
进一步地,所述独立设计变量包括:结构设计参数、运行参数和海洋条件参数。
进一步地,获取船用非能动余热排出系统设计优化的功能函数包括:
利用故障模式及影响分析技术识别系统失效模式,根据失效模式和船用非能动余热排出系统的系统功能确定船用非能动余热排出系统的失效准则,并将所述失效准则作为船用非能动余热排出系统设计优化中的所述功能函数。
进一步地,所述失效准则的热工参数包括:燃料包壳的峰值温度,堆芯出口的峰值温度,一回路峰值压力、二回路峰值压力和船用非能动余热排出系统的累计换热量。
进一步地,获取所述数据集包括:
对所述独立设计变量进行抽样,获取输入矢量;
获取所述功能函数在不同工况下的瞬态响应值;
基于所述输入矢量和所述瞬态响应值,构建所述数据集,并将所述数据集通过线性比例归一化处理。
进一步地,对船用非能动余热排出系统进行设计优化包括:
将优化算法中的适应度函数替换为所述惩罚适应度函数,通过替换后的所述优化算法,对船用非能动余热排出系统进行设计优化。
实施例
如图1所示,下面结合船用非能动余热排出系统的设计优化流程图对本实施例的实施步骤作进一步详细描述;
步骤1:确定船用非能动余热排出系统设计优化的目标Y;
根据船舶载重或者空间的实际需求情况,确定船用非能动余热排出系统的设计优化目标Y;在本具体实施例中,根据需求,选择非能动余热排出系统的重量作为设计优化的优化目标。
非能动余热排出系统由冷却水箱、余热排出换热器、相关的阀门及管道等设备组成。因此非能动余热排出系统的重量主要包括冷却水箱的重量、余热排出换热器的重量、相关管道的重量以及其他重量。由于蒸汽密度和凝结水的密度相差较大,蒸汽管道和凝结水管道的重量需要分开计算;余热排出换热器的重量包括传热管的重量、管板重量和支撑板的重量以及壳体的重量;冷却水箱的重量主要是最小水装量的计算。
步骤2:根据步骤1所确定的设计优化目标,采用参数敏感性分析和独立性判断准则,在非能动余热排出系统的影响参数中,确定非能动余热排出系统设计优化的独立设计变量X;
影响非能动余热排出系统重量的参数主要包括结构参数、海洋条件参数以及运行参数等。通过开展设计参数敏感性分析和设计参数之间的独立性判断,选取影响非能动余热排出系统重量的主要参数进行优化。敏感性分析方法包括:基于方差的全局敏感性分析方法、基于元效应的全局敏感性分析方法等;独立性判断方法包括:定义法、分布函数法、密度函数法、分布律法、特征函数法等。
在本实施例中,通过采用基于方差的全局敏感性分析方法,选取影响较大的设计参数,通过采用特征函数法选取以下独立设计优化变量,变量组合如下:蒸汽管道内径Ds、凝水管道内径Dl、蒸汽管道长度L、传热管内径Dr、传热管长度Lr、传热管个数n以及冷却水箱初始温度T0。
优化设计的独立变量组合:
X=(Ds,Dl,L,Dr,Lr,n,T0)T
更进一步地,非能动余热排出系统设计优化的独立设计变量X,根据优化目标的不同而有所不同。
更进一步地,非能动余热排出系统设计优化的优化目标改变时,对非能动余热排出系统参数进行敏感性分析和独立性检验时,其结果必然有所不同,但非能动余热排出系统的设计优化的独立设计变量X,包括但不限于非能动余热排出系统的结构参数,如蒸汽、凝结水管道内径,冷热源高度,传热管内径,传热管长度,以及传热管个数等;海洋条件运动参数,如摇摆周期,摇摆振幅,倾斜角度,垂荡振幅与垂荡周期等;运行状态参数,如反应堆运行功率,冷却水箱初始温度,非能动余热排出系统的运行压力等。
步骤3:利用故障模式及影响分析技术识别系统失效模式,根据失效模式和系统功能确定非能动余热排出系统的失效准则,并将其作为非能动余热排出系统设计优化中的功能函数G;
非能动余热排出系统的功能是发生全船断电或能动余热排出系统无法正常投入使用时,通过自然循环带走堆芯余热,实现堆芯的长期冷却,确保堆芯和燃料包壳的完整性。利用故障模式及影响分析技术识别系统失效模式,根据失效模式确定非能动余热排出系统功能函数。燃料包壳的峰值温度、堆芯出口峰值温度、一回路峰值压力、二回路峰值压力以及非能动余热排出系统带走的热量是衡量非能动余热排出系统功能的重要标准,当有任意准则不满足要求时,整个非能动余热排出系统处于失效状态。
步骤4:在取值范围内对独立设计变量X进行抽样,作为热工水力程序实验的输入矢量,计算步骤3所确定的功能函数G在不同工况下的瞬态响应值,将抽样形成的输入矢量和功能函数G的瞬态响应值组成数据集,训练代理模型;
代理模型包括但不限于响应面模型、人工神经网络、支持向量机、径向基函数、随机森林、克里金模型以及改进模型。
在取值范围内对独立设计变量X进行抽样,形成输入矢量作为热工水力程序实验的输入,计算非能动余热排出系统的功能函数G的响应值。将输入矢量和实验或热工水力程序的输出组成非能动余热排出系统的瞬态响应的数据集合。并通过线性比例归一化处理将所有数据处于[0,1]范围内,处理方法如下:
其中,x′i为独立变量组合X中的任意变量归一化之后的值;xi,min为该变量的最小值;xi,max为该变量的最大值。
之后,将预处理后的数据进行划分,按照7:1:2的比例分为训练集、测试集与测试集,其中划分方法包括但不限于随机划分、分层抽样划分等。采用预处理后的数据训练代理模型。以双层自适应遗传算法优化人工神经网络为例展开描述:
双层自适应遗传算法优化BP神经网络的流程图如图2所示。双层自适应遗传算法优化BP神经网络的预测能力如图3所示。
确定模型的初始结构,即双层自适应遗传算法的基础交叉概率、基础变异概率,种群大小,进化代数,隐含层层数,输入层、输出层与隐含层各自的神经元个数,设置误差函数,根据训练集的数据确定模型的具体参数,利用验证组数据防止模型出现过拟合,最后利用测试组数据评价预测模型的整体性能,并对模型参数进行优化。
步骤5:通过步骤4获得的代理模型计算非能动余热排出系统的功能函数G的瞬态响应值,根据个体和群体违反约束的情况调节惩罚项,构建自适应惩罚函适应度函数的表达式;自适应惩罚适应度函数是指在优化算法中每一次迭代中惩罚因子根据群体中可行解的比例以及个体违反功能函数G的情况自动更新。
惩罚适应度函数分成三部分,一部分是目标函数Y,一部分是惩罚因子项C,另一部分是约束函数G,惩罚因子C可以根据群体空间中可行解的比例自适应调整。考虑约束惩罚之后,个体xi的惩罚适应度函数为:
式中,f(xi)为个体xi的目标函数值;α>0是一个需要调整的常数参量,具体为1~10之间的一个整数;ρ为种群中可行解的比例;为个体xi的惩罚函数值。
步骤6:将优化算法中的适应度函数替换为考虑了约束函数的自适应惩罚适应度函数,对非能动余热排出系统进行设计优化,通过优化算法得到优化后的设计变量X1;
优化算法,包括但不限于狼群优化算法、粒子群优化算法、模拟退火算法、遗传算法及其改进算法等。
在本实施例中,选择双层自适应遗传算法进行非能动余热排出系统的设计优化,将优化算法中适应度函数替换为考虑约束函数G的自适应惩罚函数适应度函数。通过判断引入种群的离散度,自动调整交叉操作和变异操作的顺序以及交叉操作和变异操作的概率,通过遗传算法中选择、交叉、变异操作,对目标函数进行优化。优化过程中最优个体的适应度变化如图4所示。最优个体的适应度值与种群的平均适应度值之间差值的变化如图5所示。
步骤7:优化结果验证。
通过实验或热工水力程序等验证优化结果的可行性,主要是验证优化后的设计变量X1在相同事故条件下,失效准则所规定的热工水力参数是否处于安全状态,如果不满足安全状态,则调整设计参数的值重新进行设计优化。优化后的自然循环流量如图6所示。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种船用非能动余热排出系统的设计优化方法,其特征在于,包括:
获取船用非能动余热排出系统设计优化的独立设计变量和功能函数;所述独立设计变量包括:结构设计参数、运行参数和海洋条件参数;
获取船用非能动余热排出系统设计优化的功能函数包括:
利用故障模式及影响分析技术识别系统失效模式,根据失效模式和船用非能动余热排出系统的系统功能确定船用非能动余热排出系统的失效准则,并将所述失效准则作为船用非能动余热排出系统设计优化中的所述功能函数;
基于所述独立设计变量和功能函数,获取数据集;所述数据集用于训练代理模型;
基于训练后的所述代理模型,获取惩罚适应度函数;
所述惩罚适应度函数为:
其中,F(xi)为惩罚适应度函数,f(xi)为个体xi的目标函数值,ρ为种群中可行解的比例,C为惩罚因子项,为个体xi的惩罚函数值;
基于所述惩罚适应度函数,对船用非能动余热排出系统进行设计优化,获取优化后的独立设计变量,并对优化结果进行验证,完成船用非能动余热排出系统的设计优化。
2.根据权利要求1所述的船用非能动余热排出系统的设计优化方法,其特征在于,获取船用非能动余热排出系统设计优化的独立设计变量包括:
获取船用非能动余热排出系统的设计优化目标;
基于所述设计优化目标,采用参数敏感性分析和独立性判断准则,获取船用非能动余热排出系统设计优化的所述独立设计变量。
3.根据权利要求2所述的船用非能动余热排出系统的设计优化方法,其特征在于,所述设计优化目标包括:船用非能动余热排出系统的重量、船用非能动余热排出系统的体积或其他经济性指标。
4.根据权利要求1所述的船用非能动余热排出系统的设计优化方法,其特征在于,所述失效准则的热工参数包括:燃料包壳的峰值温度,堆芯出口的峰值温度,一回路峰值压力、二回路峰值压力和船用非能动余热排出系统的累计换热量。
5.根据权利要求1所述的船用非能动余热排出系统的设计优化方法,其特征在于,获取所述数据集包括:
对所述独立设计变量进行抽样,获取输入矢量;
获取所述功能函数在不同工况下的瞬态响应值;
基于所述输入矢量和所述瞬态响应值,构建所述数据集,并将所述数据集通过线性比例归一化处理。
6.根据权利要求1所述的船用非能动余热排出系统的设计优化方法,其特征在于,对船用非能动余热排出系统进行设计优化包括:
将优化算法中的适应度函数替换为所述惩罚适应度函数,通过替换后的所述优化算法,对船用非能动余热排出系统进行设计优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310044770.5A CN116204975B (zh) | 2023-01-30 | 2023-01-30 | 一种船用非能动余热排出系统的设计优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310044770.5A CN116204975B (zh) | 2023-01-30 | 2023-01-30 | 一种船用非能动余热排出系统的设计优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116204975A CN116204975A (zh) | 2023-06-02 |
CN116204975B true CN116204975B (zh) | 2023-08-15 |
Family
ID=86510584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310044770.5A Active CN116204975B (zh) | 2023-01-30 | 2023-01-30 | 一种船用非能动余热排出系统的设计优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116204975B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609313A (zh) * | 2017-10-18 | 2018-01-19 | 哈尔滨工程大学 | 一种船用非能动安全系统可靠性分析方法 |
CN110472270A (zh) * | 2019-06-28 | 2019-11-19 | 合肥通用机械研究院有限公司 | 一种钠冷堆非能动余热排出系统的建模优化方法 |
CN115048797A (zh) * | 2022-06-27 | 2022-09-13 | 中国核动力研究设计院 | 非能动余热排出系统的优化策略生成方法、装置及介质 |
-
2023
- 2023-01-30 CN CN202310044770.5A patent/CN116204975B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609313A (zh) * | 2017-10-18 | 2018-01-19 | 哈尔滨工程大学 | 一种船用非能动安全系统可靠性分析方法 |
CN110472270A (zh) * | 2019-06-28 | 2019-11-19 | 合肥通用机械研究院有限公司 | 一种钠冷堆非能动余热排出系统的建模优化方法 |
CN115048797A (zh) * | 2022-06-27 | 2022-09-13 | 中国核动力研究设计院 | 非能动余热排出系统的优化策略生成方法、装置及介质 |
Non-Patent Citations (1)
Title |
---|
基于空气冷却的熔盐堆非能动余热排出系统优化设计;张卓华 等;《核动力工程》;第第43卷卷(第第1期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116204975A (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Dynamic reliability based design optimization of the tripod sub-structure of offshore wind turbines | |
JP5357376B2 (ja) | 原子炉の炉心用未使用燃料バンドル設計を決定する方法、及び原子炉の炉心 | |
CN107609313B (zh) | 一种船用非能动安全系统可靠性分析方法 | |
CN109165421B (zh) | 基于遗传算法优化bp神经网络的船舶轴系轴承负荷值预测方法 | |
Mathews et al. | Functional reliability analysis of safety grade decay heat removal system of Indian 500 MWe PFBR | |
CN105975678B (zh) | 一种基于参数化模型的油气管道剩余强度预测方法 | |
CN116204975B (zh) | 一种船用非能动余热排出系统的设计优化方法 | |
CN113836791A (zh) | 一种基于遗传算法的移动半隐式粒子法关键参数优化方法 | |
CN114399235B (zh) | 一种基于雨情数据判定灾害风险等级的方法及系统 | |
Fleming et al. | Database development and uncertainty treatment for estimating pipe failure rates and rupture frequencies | |
Song et al. | A two-stage Kriging estimation variance reduction method for efficient time-variant reliability-based design optimization | |
CN114429003A (zh) | 锅炉四管寿命预测方法的系统 | |
CN117688725A (zh) | 一种预测油气管道腐蚀破裂压力的方法及装置 | |
Xia et al. | Optimization design of passive residual heat removal system based on improved genetic algorithm | |
No et al. | Development of a prediction method for SAMG entry time in NPPs using the extended group method of data handling (GMDH) model | |
CN114417723B (zh) | 一种基于神经网络的两相流动换热模型的应用方法 | |
Bucalossi et al. | Role of best estimate plus uncertainty methods in major nuclear power plant modifications | |
CN114818506A (zh) | 一种综合能源系统热网故障危害评估方法、系统和装置 | |
CN110610264A (zh) | 一种针对不确定性情景下供水管网调控的单目标优化算法 | |
Ebenuwa et al. | Fuzzy-based multi-objective design optimization of buried pipelines | |
Zhou et al. | Fuzzy PSA evaluation method for passive residual heat removal system | |
CN114048691A (zh) | 基于并行计算的反应堆非能动安全系统可靠性分析平台及方法 | |
Yagawa et al. | A study on probabilistic fracture mechanics for nuclear pressure vessels and piping | |
Wen et al. | A framework for calculating the failure probability of natural gas pipeline | |
Jeon et al. | Feasibility estimation of new mitigation system through causal inference analysis with functional model |
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 |