基于值学习与策略梯度的深度强化学习在核工程领域的适配性分析

深度强化学习能够实现端到端处理,将高维度的原始输入数据直接转化为输出动作。深度强化学习按照间接和直接的策略优化方式,主要可分为基于值学习和基于策略梯度的两类方法。二者因原理不同,在解决问题的能力和适用场景上存在差异。核领域中的决策问题状态参数维度高,同时决策参数与状态参数之间存在强非线性关系,是深度强化学习的潜在应用场景。本文从强化学习的基本原理出发,归纳了基于值学习和基于策略梯度的强化学习方法的机理差异,并结合目前研究现状对两类方法在核工程领域可能的应用场景进行了深入分析。最后,总结了深度强化学习在后续应用中所面临的挑战及应用趋势。

模型与数据混合驱动的IGBT寿命预测方法

作为航空逆变器的关键模块,绝缘栅双极晶体管(IGBT)对其安全可靠起着决定性作用。考虑到航空逆变器运行工况复杂,且IGBT是最易失效的器件之一,通过分析航空逆变器IGBT的失效机理和关键特征参数,结合物理解析模型提出一种基于长短时记忆(LSTM)网络的IGBT寿命预测方法。建立IGBT状态监测数据与结温之间的关系,并由物理解析模型得到IGBT的累积损伤,实现IGBT的实时寿命预测。最后,利用NASA PCoE中心提供的IGBT加速老化实验数据集,开展寿命预测模型的验证,结果表明LSTM网络结合累积损伤模型能够有效预测IGBT的寿命,从而有助于提高航空逆变器的可靠性,降低日常维护成本。

蒸汽发生器水位自适应滑模控制策略研究

针对蒸汽发生器负荷扰动恶劣、运行工况多变及虚假水位效应导致的控制性能恶化问题,提出了一种蒸汽发生器水位自适应滑模控制策略。基于可移动边界理论建立了蒸汽发生器非线性动态模型,分离出蒸汽发生器水位、蒸汽流量和给水流量的对应关系,设计了一阶积分滑模面和滑模控制律,在此基础上考虑水位测量误差影响设计了水位自适应估计律,并根据李雅普诺夫理论验证系统稳定性。仿真测试表明:所设计的蒸汽发生器水位自适应滑模控制策略具有更优的性能,相较于传统PID和滑模控制策略其水位最大超调量和稳态控制偏差均最小,分别为1.3%和0.1%,能够适应工况变化和负荷扰动过程,提升了自适应滑模控制系统的变工况响应能力和抗扰动鲁棒性。

燃油锅炉点火装置优化设计及应用

针对燃油锅炉点火装置平均故障间隔时间(MTBF)短且不方便维修的问题,重新优化设计锅炉点火装置并将其在某试验室成功应用。首先,将点火电极组件和高压接线盒组件由分体结构优化为一体结构,并采用拉簧替代原来的连接杆,使点火装置能够随着燃烧器风门的移动而伸缩;然后,将高压触头盒加长,套在固定导向板内部,起到为拉簧和电极组件绝缘及导向的作用,并将电极长度加长,外装陶瓷护套,提高电极的抗氧化性;最后,取消前部固定板,将绝缘整体磁块改为上、下两半的不锈钢压板,以防止重油在压板处结焦和冷凝水滴落在压板上放电。将优化后的锅炉点火装置在某试验室进行试验验证,结果表明:优化后的锅炉点火装置运行稳定、可靠,平均故障间隔时间由2 360 h提高到4 120 h,相当于每台锅炉节约0.75台锅炉点火装置,节约了大量的维修和更换成本,而且优化后的锅炉点火装置可随时在锅炉外部进行维修和更换,缩短了维修和更换时间。