A Study on Loose Part Monitoring System in Nuclear Power Plant Based on Neural Network

원전 금속파편시스템에 신경회로망 적용연구

The Loose Part Monitoring System(LPMS) has been designed to detect, locate and evaluate detached or loosened parts and foreign objects in the reactor coolant system. In this paper, at first, we presents an application of the back propagation neural network. At the preprocessing step, the moving window average filter is adopted to reject the low frequency background noise components. And then, extracting the acoustic signature such as Starting point of impact signal, Rising time, Half period, and Global time, they are used as the inputs to neural network. Secondly, we applied the neural network algorithm to LPMS in order to estimate the mass of loose parts. We trained the impact test data of YGN3 using the backpropagation method. The input parameter for training is Rising Time, Half Period, Maximum amplitude. The result showed that the neural network would be applied to LPMS. Also, applying the neural network to the Practical false alarm data during startup and impact test signal at nuclear power Plant, the false alarms are reduced effectively. 1.

이 논문에서는 신경회로망을 이용한 원전 금속파편 시스템에 적용하여 진단 가능성을 제시한다. 첫 번째로, 오경보 감소에 대해 역전파 신경망을 적용하여 오경보 감소에 대한 가능성을 제시하였다. 즉, 전처리 단계에서 이동 평균 필터를 적용하여 저주파수인 배경잡음을 소거하였으며, 충격신호의 시작시간, 상승시간, 반주기, 전체시간을 신경망의 입력 값으로 사용하였다 발전소 운전가동시의 오경보 및 충격시험시의 신호를 적용한 결과 오경보가 1/4 이내로 줄어드는 유용한 결과를 보임을 알 수 있었다. 두 번째로 신경회로망 이론을 금속파편 진단(질량추정)에 적용하여 진단 가능성을 제시하였다. 신경회로망에서 사용된 알고리즘은 역전파 알고리즘(Back Propagation Network)을 사용하였으며, 세 가지의 입력변수(Rising Time, Half Period, Maximum amplitude)를 이용하였다. 영광 3호기 시운전시 강구의 충격 데이터로 미리 학습을 시킨 후 실제 금속파편 신호와 비교/분석하여 질량값을 추정하였다. 분석한 결과 비교적 만족할 만한 결과를 얻어 금속파편 진단에 신경회로망의 적용이 가능할 것으로 판단하였다.