[发明专利]一种数据驱动型概率评估方法

说明书

本发明公开了一种数据驱动型概率评估方法，该方法用于反应堆冷却剂系统动力分析，所述方法包括：利用有限元计算程序建立描述主系统关键参数到载荷分配的输入输出关系；通过参数空间中的采样，建立由大量样本点组成的数据库，通过相关评价规范和设计规格说明，对数据进行标签赋予；基于所得数据库，应用机器学习中的回归和分类算法，建立输入输出的代理模型；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；对于新的参数组合，利用代理模型和失效边界，可快速对主系统的载荷分配和部件失效概率进行评估，为反应堆冷却剂系统关键参数的优化提供了支撑。

技术领域

本发明涉及反应堆结构力学领域，具体涉及一种用于反应堆冷却剂系统动力分析的概率评估方法，用于反应堆冷却剂系统的动力分析和载荷分配计算。

背景技术

反应堆冷却剂系统(主系统)的动力分析和载荷分配计算是反应堆结构设计中的重要环节，是对结构安全性评估的主要技术手段。主系统的动力分析和载荷分配计算涉及多学科、多物理场、多状态耦合，在建模计算中通常需要在计算方法、计算量、计算精度、建模方式等方面进行综合考虑和优化。

工程上对反应堆主系统关键部件的力学评估主要通过两种方法开展：一种是建立整个系统的详细的三维模型，通过动力分析对关键部件的应力直接获取；另一种通过简化建模的方式，首先得到主系统的主要载荷分配，然后通过部件的详细模型，将求得的载荷分配作为输入，进一步对部件的动力响应进行评价。这两种方式均通过物理数值模型对主系统的动力响应进行计算，每次计算需要应用有限元程序对系统的动力学方程进行积分计算。虽然第二种方法相对降低了动力分析的计算量，但若发生主系统关键参数变更，则需要重新进行载荷分配和部件应力评定的计算。因此，基于物理模型的动力分析和载荷分析计算方法，对可能存在参数变更的系统而言，存在灵活性较低，计算代价较大等问题。

现有的动力分析和载荷分配计算主要基于确定性理论展开，即认为主系统的输入和参数为定值，进而计算得到的载荷分配和动力响应也为确定值。尽管从公开发表的文献中可找到考虑输入和参数不确定性情况下对载荷分配的概率描述方法，但在反应堆冷却剂系统中,缺乏描述相关参数和输入不确定性的数据库，且相关随机动力学的分析方法无法适应工程需求。

综上所述，上述现有技术至少存在如下技术问题：

现有的主系统动力分析计算主要基于确定性理论，没有建立输入输出数据库。在发生主系统关键参数变更时，需要重新对主系统的动力响应进行计算，单次计算时间较长，无法快速对新参数下主系统的动力响应进行评估。这种基于物理和数值模型的动力分析和载荷分布计算无法适用于需要多次迭代的参数优化过程。此外，确定性分析无法确定由于模型不确定性和载荷不确定性而导致的部件失效的概率分布，无法考察关键参数是否对部件失效的贡献度和统计分布。

发明内容

本发明针对反应堆冷却剂系统在极端设计条件下的动力分析和载荷分配计算，提供了一种数据驱动型的概率力学评估方法，解决了当前工程实践中对主系统力学计算缺乏概率性评估的现状。本发明对由于设计变更而导致的主系统关键参数变化下载荷分配的概率评估提供了技术支持。该技术手段避免了复杂耗时的动力计算过程，可通过已有参数到载荷的输入输出数据库，配合机器学习中的回归和分类算法，对主系统关键参数组合下的载荷与部件失效判断进行快速概率评估，为反应堆冷却剂系统关键参数的优化提供了支撑。同时，本发明所提出的数据驱动型概率评估方法，也可推广至其他复杂系统的设计和分析中。

本发明通过下述技术方案实现：

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，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；