Нейронные сети на службе безопасности АЭС

Распознавание слов по губам, поиск потерявшихся кошек и собак по совпадениям фото в соцсетях, написание музыки, песен, сценариев к фильмам, управление автомобилем — вот лишь несколько примеров применения искусственных нейросетей. Что это такое и какие возможности для атомной энергетики открывает их использование, «СР» рассказал инженер-конструктор «Гидропресса» Александр Козлачков.

Искусственные нейросети, ИНС,— математическая модель, основанная на принципе действия клеток нервной системы. Множество простых процессоров обмениваются сигналами, образуя плотную сеть взаимосвязей — систему, которая в состоянии не просто выявить сложные зависимости между входными данными и выходными, а обобщить их. От вычислительного алгоритма ИНС отличает обучаемость: их можно научить распознавать текст и голос, играть в игры, прогнозировать рост или падение цен на фондовом рынке и т.д.

Александр Козлачков первым применил ИНС при анализе одной из самых важных систем безопасности АЭС — аварийной защиты реактора. Работу реакторной установки нужно оценивать при всех возможных отказах во всех комбинациях, которых, заметим, огромное множество. «В исследуемом проекте РУ был 61 орган регулирования. Считаем: отказ одного компонента повлечет за собой 61 комбинацию отказов, двух — 1830, трех — 35990 и т.д.,— говорит Александр Козлачков.— Состояние активной зоны реактора при каждой комбинации будет разным, поэтому выполнить компьютерное моделирование для каждого отдельного случая практически невозможно — это заняло бы чересчур много времени».


Для статистической обработки результатов Александр Козлачков сначала использовал линейную функцию — поверхность отклика. «Однако я быстро понял, что это слишком простая модель, которая не способна учесть всю полноту связи информации на входе и на выходе, например взаимное влияние расположенных рядом отказавших органов регулирования системы управления и защиты»,— поясняет Александр Козлачков. Как-то он заметил, что картограмма активной зоны реактора с обозначением отказавших органов регулирования СУЗ напоминает растровое изображение,— а в распознавании образов хорошо зарекомендовали себя нейронные сети. Тогда инженер-конструктор решился на эксперимент — применить в вычислении ИНС, которые должны были дать гораздо более точные результаты.

Это ни в коем случае не заменяет расчетное моделирование, подчеркивает Александр Козлачков: «Сети могут только очень быстро оценивать известные результаты, выявлять закономерности и прогнозировать случаи, расчеты для которых не производились. А так как быстродействие ИНС превышает расчетное моделирование на порядки, с помощью ИНС можно быстро оценить результаты любой из множества комбинаций».

От количества к качеству

Эксперимент Александра Козлачкова состоял из нескольких этапов. Сначала классическое моделирование аварии при помощи расчетных кодов — чтобы накопить статистические данные для обучения нейронной сети. Был смоделирован разрыв паропровода, при этом отказы органов регулирования задавались в случайных комбинациях. Второй этап — обучение. «Программу нейросети мы написали сами. Критерием безопасности выбрали максимальную температуру топлива — которая должна быть не выше температуры плавления,— рассказывает Александр Козлачков.— И ИНС искала связь между информацией об отказах и максимальной температурой топлива во время аварии». Чтобы научить сеть правильно определять взаимосвязи, авария с различными комбинациями отказов органов регулирования СУЗ была смоделирована около 2 тыс. раз, каждое вычисление длилось по несколько часов. «Статистических данных нужно много,— говорит о сложностях метода Козлачков.— Зато потом анализ результата занимает доли секунды».

На третьем этапе нейронная сеть оценивала вероятность невыполнения аварийной защитой реактора своих функций при разном количестве отказов органов регулирования. «Оценка, полученная с помощью ИНС, показала высокую степень надежности системы аварийной защиты исследуемого проекта. Погрешность составила 3,6%, что намного меньше, чем в используемом ранее методе»,— доволен Александр Козлачков.

Еще он обнаружил интересный эффект. Дело в том, что при некоторых комбинациях отказов наблюдается так называемый кризис теплообмена, при котором температура топлива резко возрастает. Искусственная нейронная сеть на основании данных об отказах научилась разделять результаты расчетов на две группы: аварии с кризисом теплообмена и без него. Варианты различаются не только качественно, но и количественно. Причем ИНС хорошо прогнозирует конечные результаты этой нелинейной задачи. Сложность в использовании ИНС — определение оптимальных входных и выходных параметров. «Критически важно правильно поставить задачу для искусственной нейронной сети — только тогда она будет работать точно»,— отмечает Александр Козлачков.

Право на жизнь

Искусственные нейросети — универсальный, мощный инструмент, применимый в любой сфере деятельности: от медицины до экономики. Так, в атомной энергетике в 2015 году коллектив из МЭИ представил систему, способную определять тип аварии на АЭС на самой ранней стадии и по мере развития. Работа Александра Козлачкова доказала эффективность ИНС при обосновании безопасности РУ. «Мы взглянули на проблему под другим углом. Реакторная установка — весьма сложная система, и чем больше мы знаем о ней, тем лучше»,— подводит итог инженер-конструктор. ИНС можно применять и в других проектах. «Но каждый раз все этапы нужно проходить заново: получать статистику из расчетных данных, обучать ИНС, затем с еепомощью анализировать надежность»,— объясняет Александр Козлачков.

ДОСЬЕ
Александр Козлачков окончил Институт энергомашиностроения и механики МЭИ, в 2005 году получил диплом инженера по специальности «котло- и реакторостроение». Во время учебы занимался расчетами и проектированием котельных агрегатов для ТЭС на ЗИОМАР, после перешел в «Гидропресс». Во время работы окончил аспирантуру. Защитил диссертацию по теме «Применение методов статистического анализа для расчетного обоснования безопасности реакторных установок», куда вошли результаты работы с нейросетями. «В атомной отрасли мне нравится: высокотехнологичная, требует постоянного внедрения инноваций. Главное — не стоять на месте, постоянно развиваться»,— уверен Александр Козлачков. Он продолжает заниматься наукой. Недавно с коллегами написал статью для журнала «Атомная энергия» о рискинформированном методе анализа аварийных процессов в реакторной установке.
Поделиться
Есть интересная история?
Напишите нам
Читайте также: