基于自适应RBF神经网络的小型铅铋快堆堆芯热工水力参数预测方法研究

吴红; 赵亚楠; 赵鹏程; 曾深权; 于涛

doi:10.20190/j.cnki.02580918.202505005

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于自适应RBF神经网络的小型铅铋快堆堆芯热工水力参数预测方法研究

更新时间：2025-11-28

- 基于自适应RBF神经网络的小型铅铋快堆堆芯热工水力参数预测方法研究
- Vol. 45, Issue 5, Pages: 869-877(2025)
- 作者机构：
  
  1. 南华大学核科学技术学院
  2. 中国核动力研究设计院
- 作者简介：
- 基金信息：
- DOI：10.20190/j.cnki.02580918.202505005
  CLC： TL33;TP183
- Published：2025
- 稿件说明：
移动端阅览
吴红, 赵亚楠, 赵鹏程, et al. 基于自适应RBF神经网络的小型铅铋快堆堆芯热工水力参数预测方法研究[J]. 2025, 45(5): 869-877.
DOI：

吴红, 赵亚楠, 赵鹏程, et al. 基于自适应RBF神经网络的小型铅铋快堆堆芯热工水力参数预测方法研究[J]. 2025, 45(5): 869-877. DOI： 10.20190/j.cnki.02580918.202505005.

摘要

为实现准确、高效预测铅铋快堆关键热工参数，提高铅铋快堆热工安全评价能力，提出了一种基于自适应径向基函数(RBF)神经网络的铅铋快堆燃料元件表面温度预测方法。利用子通道分析程序SUBCHANFLOW建立小型铅铋快堆SPALLER-100堆芯子通道模型，以计算得到的2 000组堆芯功率分布和各冷却剂流道质量流量分布数据作为训练样本，对自适应RBF神经网络模型进行训练，实现对铅铋快堆燃料元件表面温度的预测。通过对比，证明了自适应RBF神经网络方法的有效性、优越性和泛化能力。研究表明：自适应RBF神经网络方法预测燃料包壳最高温度相对误差不超过0.5%

可用于铅铋快堆热工水力参数的快速预测。

Abstract

关键词

Keywords

references

王端,王威策,潘翠杰,王东东.基于自适应BP神经网络的压水堆堆芯换料关键参数的预测方法[J].原子能科学技术,2020(01).

焦志钦.BP人工神经网络的原理及其应用[J].科技风,2010(12).

刘紫静,赵鹏程,张斌,于涛,谢金森,陈珍平,孙宇蒙.超长寿命小型自然循环铅铋快堆堆芯概念设计研究[J].原子能科学技术,2020(07).

彭星杰,应栋川,李庆,王侃.正则化径向基函数神经网络在堆芯轴向功率分布重构中的应用[J].核动力工程,2014(S2).

王东东,杨红义,王端,林超,王威策.中国实验快堆热工参数的自适应BP神经网络预测方法研究[J].原子能科学技术,2020(10).

夏虹,李彬,刘建新.基于RBF神经网络的压水堆堆芯三维功率分布方法研究[J].原子能科学技术,2014(04).

Eric J. Hartman,James D. Keeler,Jacek M. Kowalski.Layered Neural Networks with Gaussian Hidden Units as Universal Approximations[J].Neural Computation,1990(2).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰