[发明专利]一种数据驱动型概率评估方法

权利要求书

1.一种数据驱动型概率评估方法，其特征在于，该方法用于反应堆冷却剂系统的动力分析，所述方法包括以下步骤：

1）基于有限元分析建立从主系统关键参数到主系统关键部件载荷分配的输入输出关系；

2）通过参数空间中的采样，通过反复调用所建立的输入输出关系，建立由大量样本点组成的数据库；并基于评定指标，赋予数据库中的样本点标签属性；所述数据库表征主系统关键参数到主系统关键部件载荷分配；

其中，所述的基于评定指标，赋予数据库中的样本点标签属性，具体为：基于评定指标评价已得到的部件失效情况，对每个参数配比下主系统关键部件载荷分配赋予标签；

3）基于所得数据库，采用回归算法对数据库中的输入输出关系进行拟合，得到输入输出关系的代理模型；采用分类算法，计算参数空间中主系统关键部件的失效边界，并获得关键参数和失效概率的对应关系；其中，所述失效边界是根据失效边界方程计算，所述失效边界方程中的参数是根据失效边界形式的定义，基于链接函数和训练集数据标签，按照最大似然度准则来计算；

4）对新的参数组合，利用代理模型和失效边界，对主系统关键部件的载荷分配和关键部件失效概率进行评估；

5）如果评估结果不满足评定指标，则调整主系统关键参数并重新进行概率评估；如果评估结果满足评定指标，则输出最优参数和评估结果；

步骤3）中利用公式(2)-公式(5)，计算参数空间中部件失效的边界，并获得关键参数和失效概率的对应关系，

式中，x为描述主系统关键参数的n维向量，h为定义部件失效边界的d维基函数向量，w为d维失效边界的参数向量，L为失效与否的标签值，P为在给定关键参数分布和失效边界条件下部件发生失效的概率，w*为满足最大似然准则的失效边界参数向量，λ₁=0.1和λ₂=0.01为机器学习中为防止过度拟合而设定的正则化参数。

2.根据权利要求1所述的一种数据驱动型概率评估方法，其特征在于，步骤3）中得到的代理模型为：，

式中，y为主系统关键部件所受载荷，E为代理模型中由于随机或不确定性因素而导致的计算误差。

3.根据权利要求1所述的一种数据驱动型概率评估方法，其特征在于，所述主系统关键参数包括：主设备支承刚度和支承的布置位置。

4.根据权利要求1所述的一种数据驱动型概率评估方法，其特征在于，所述失效边界的基函数向量为：h=[1, x₁, ..., x_n , (x₁)², ... , (x_n)², ...]^T。

5.根据权利要求1所述的一种数据驱动型概率评估方法，其特征在于，所述评定指标包括：ASME规范、RCC-M规范或相关设备的设计规格书。