Application of neural networks to digital computer control of nuclear reactors

Abstract

ÖZET Bu çalışma, nükleer reaktörlerin sayısal bilgisayar denetimi sorununa bir yaklaşım olarak nöron ağları uygulamasını inceler. Nöron ağları yaklaşımını kullanmaktaki gerekçe, nükleer reaktör sistemi için detaylı bir matematiksel model gereksinimini ortadan kaldırmaktır. Bu çalışmada, doğrusal olmayan nükleer reaktör sisteminin güç çıktısını denetlemeyi nöron ağının nasıl öğrendiği gösterilmektedir. Doğrusal olmayan nükleer reaktör modelinin dinamik özelliklerini tanımlayan diferansiyel denklem kümesinden, denetleyici nöron ağının eğitimi ve hata oranının ölçümü için gerekli girdi verilerinin elde edilmesinde yararlanılır. Bu bağlamda, elde edilen girdi verileri, nöron ağları uygulamaları için geliştirilen kullanıcı arabirimiyle denetleyici nöron ağının eğitiminde kullanılır. Sayısal benzeşim kullanılarak, nöron ağı yapısının denetim dizgesi üzerindeki etkisi gözlenmiştir. Bu gözlem, saklı katman sayısını, saklı katmandaki nöron sayısını değiştirerek yapılmıştır. Nöron ağının eğitiminde, farklı eğitim kümeleri ile farklı sayıda örnek veriler kullanılmıştır. Ağır yük izleme konumunda, onaylanır denetim dizgesinin elde edilebilir olduğu, ve denetleyicinin daha gerçekçi durumlarda gerekli yeterliliği olduğu görülmüştür. Gürültü olduğu durumlarda da, denetleyicinin yavaş yavaş yeterliliğini yitirdiği gözlenmiştir.

IV ABSTRACT In this study, the application of neural networks to digital computer control of nuclear reactors was investigated. The purpose of using the neural network approach is to alleviate the requirement for a detailed mathematical model of the nuclear reactor system. In this work, it is shown how a neural network can learn to control the power of the nuclear reactor system, which is a nonlinear dynamic system. The set of differential equations, which represent the dynamic characteristics of the nonlinear nuclear reactor model are utilized to obtain a set of input tuples to train and test the controller, which is actually a neural network assumed to be controlling the power output of the given nuclear reactor. In this respect, the obtained input tuples are used to train the neural network in the user interface developed for the purpose of neural network applications. Using numerical simulation, the effect of the architecture of the neural network on the final control is investigated. This was accomplished by varying the number of hidden layers and the number of nodes in the hidden layers. Several training sets with different number of tuples were used for training. It was seen that an acceptable control in a tight load following mode was attainable, and that the controller has a satisfactory performance in more realistic situations. It was also observed that in the presence of noise the controller degrades gracefully.