人工智能软件的测试和质量验证方法研究

在核工业数字化转型的浪潮中,构建基于人工智能和机器学习的高质量软件正成为学术界和行业中非常热门的研究课题。由于核技术领域的特殊性,对于软件质量和安全性有着极高的要求,这为人工智能相关技术开发的软件系统带来了质量验证和安全保障的强烈需求。本文着重研究了人工智能软件的测试和质量验证工作,从不同的角度分析人工智能软件的新特性和需求,介绍了目前人工智能软件的测试分类以及不同的测试方法。更进一步,针对人工智能软件的测试和质量验证,提出了一种蜕变测试的方法和思路,并提供了蜕变测试质量评估和标准分析的思路。最后,还对基于人工智能的关键设备寿命识别系统进行了研究,以表明所提出的质量验证方法的可行性和有效性。

IEEE 1012系列标准版本演变对核电仪控验证与确认的影响探析

IEEE—1012标准是核电厂数字化仪表和控制(I&C)系统软件验证与确认(V&V)活动的重要参考标准,在核电行业的软件验证与确认工作中得到广泛应用。该标准自1986年开始至今经历了5个版本的演变,最新版于2016年发布。论文对比分析了现行通用版本到最新版本内容的演变,梳理了新版本内容对核电仪控软件验证与确认工作开展的影响,并对新版本标准的关键思想与新的发展重点和关注点进行了研究和阐述。

基于注意力机制的反应堆一回路系统故障诊断技术研究

目前,煤炭、石油和天然气等化石能源带来的环境污染日益严重,同时化石能源为不可再生能源,不符合可持续发展的战略要求。核能作为可再生资源且清洁环保,其广泛于陆地发电、船舶和空间技术等领域。但是,核动力装置在运行期间由于性能退化和操作不当会发生故障,几十年来不乏惨痛的教训。所以,对核动力装置进行有效的故障诊断具有十分重要的意义。目前,业界对核反应堆系统的故障诊断提出了许多数据驱动、模型驱动的人工智能方法,这些方法依赖大量多种传感器获取到的数据,而这些数据不是都对故障诊断任务有帮助。反应堆一回路系统是核动力装置中的核心部分,也是要求高可靠性和高安全性的复杂系统。在反应堆一回路系统运行过程中,会产生大量设备参数的变化数据。为了解决设备参数众多冗杂、模型易受到无关信息干扰的问题,本文提出了两种基于注意力机制的反应堆一回路系统故障诊断方法,一方面能够利用注意力机制的优势,分别从时间和设备参数这两个维度,使模型能够更好地关注与故障诊断任务相关的特征参数,捕获到数据中隐含的更关键的信息,从而提升模型的诊断效果;另一方面,还能够缓解网络模型信息过载的问题,进一步提升预测精度。