(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211279166.2 (22)申请日 2022.10.19 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 刘晓晶　许巍　宋美琪　邓永皓　 何辉　熊进标　 (74)专利代理 机构 上海交达专利事务所 31201 专利代理师 王毓理　王锡麟 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 板状元件矩形窄缝再淹没液滴夹带行为预 测方法 (57)摘要 一种板状元件矩形窄缝再淹没液滴夹带行 为预测方法， 在离线阶段通过构建并初始化BP神 经网络， 将实验边界条件作为输入变量、 液体夹 带率作为输出变量进行训练并优化权值和 阈值 后， 用于在在线阶段进行预测。 本发明利用人工 神经网络 预测方法通过大量数据训练输入 ‑输出 关系， 从而能够迅速、 准确地计算出适用于绝大 多数板状元件底部再淹没工况的液体夹带率数 值。 权利要求书1页 说明书4页 附图1页 CN 115511208 A 2022.12.23 CN 115511208 A 1.一种板状元件矩形窄缝再淹没液滴夹带行为预测方法， 其特征在于， 在离线阶段通 过构建并初始化BP神经网络， 将实验边界条件作为输入变量、 液体夹带率作为输出变量进 行训练并优化权值和阈值后， 用于在 在线阶段进行 预测； 所述的实验边界条件 包括： 入口冷却水温度、 冷却水流速、 系统压力、 加热功率。 2.根据权利要求1所述的板状元件矩形窄缝再淹没液滴夹带行为预测方法， 其特征是， 所述的初始化是指： 将网络中的所有神经元的权值， 阈值设为 随机， 并且将所有输入数据， 即训练组的数值进行归一 化处理以避免激活函数在数值较大时存在的过拟合情况。 3.根据权利要求1所述的板状元件矩形窄缝再淹没液滴夹带行为预测方法， 其特征是， 所述的训练， 具体包括： 1)输入一组实验边界条件数据后， 从前往后针对数据输入对每个神经元进行计算， 得 到隐含层神经 元的净输入； 2)采用Sigmoid函数作为激活函数计算隐含层神经元的输出， 直至极端得到输出层的 数据； 3)首先计算输出层误差， 然后从输出层开始将误差反向传递， 计算得到所以节点的误 差； 4)计算得到总误差之后， 使用梯度下降法对各层权值阈值进行修 正； 5)再次输入一组实验边界条件数据并按照修正后的权值、 阈值进行计算， 直到每组数 据所有层节的输出小于规定的最小误差或者训练次数达 到最大值。 4.根据权利要求3所述的板状元件矩形窄缝再淹没液滴夹带行为预测方法， 其特征是， 所述的训练， 采用的损失函数中包括： 由神经网络输出计算得到的出 口夹带量减去入口流 量的差值与0之间的较大值。权　利　要　求　书 1/1 页 2 CN 115511208 A 2板状元件矩形窄缝再淹没液滴夹带行为预测方 法 技术领域 [0001]本发明涉及的是一种反应堆安全控制领域的技术， 具体是一种基于人工神经网络 的板状元件矩形窄缝 再淹没液滴夹带 行为预测方法。 背景技术 [0002]大破口失水事故(LBLOCA)是板状燃料元件反应堆可能发生的一种极限事故。 事故 发生之后， 冷却剂丧失可能导致堆芯裸露， 使得板状燃料元件温度在衰变热作用急剧升高， 甚至发生板状燃料元件熔毁的严重后果。 应急堆芯冷却系统启动之后， 冷却剂从底部进入 堆芯从而开始底部再淹没阶段。 当冷却剂接触到高温包壳表面时， 沸腾现象会导致蒸汽产 生。 由于板状元件矩形窄缝通道空间狭窄， 因此高速蒸汽能够夹带冷却剂向下游运动， 其中 液体包括液滴、 液相碎片以及液膜等形式。 液滴夹带行为能够对骤冷前沿下游高温壁面在 膜态沸腾阶段的换热行为有强化效应： 例如夹带液滴在碰撞高温包壳过程中能够强化换 热， 而且也能作为高温壁面的辐射热阱等。 因此， 板状元件底部再淹没阶段的液滴夹带行为 对于强化高温包壳冷却性能、 提升板状元件安全特性具有重要意义。 然而， 液滴夹带行为很 难在实验中进行局部测量， 骤冷前沿下游液体夹带 的流动换热特性作用机制并不明晰。 因 此， 相关机理模型、 系统程序等研究方法并不能准确模拟板状元件底部再淹没阶段 的液体 夹带行为， 急需提供一种全新的计算方法， 能够迅速、 准确地计算出适用于绝大多 数板状元 件底部再淹没工况的液体夹带率数值。 发明内容 [0003]本发明针对现有技术无法针对板状元件矩形窄缝通道底部再淹没阶段液滴夹带 的行为进 行准确判断预测的不足， 提出一种板状元件矩形窄缝再淹没液滴夹带行为预测方 法， 利用人工神经网络预测方法通过大量数据训练预测输入 ‑输出关系， 从而能够迅速、 准 确地计算出适用于绝大多数板状元件底部再淹没工况的液体夹带率数值。 [0004]本发明是通过以下技 术方案实现的： [0005]本发明涉及 一种板状元件矩形窄缝再淹没液滴夹带行为预测方法， 在离线阶段通 过构建并初始化BP神经网络， 将实验边界条件作为输入变量、 液体夹带率作为输出变量进 行训练并优化权值和阈值后， 用于在 在线阶段进行 预测。 [0006]所述的实验边界条件 包括： 入口冷却水温度、 冷却水流速、 系统压力、 加热功率。 [0007]所述的预测方法， 具体包括： [0008]1)开展实验研究： 开展板状元件矩形窄缝通道再淹没实验研究， 针对不 同边界条 件对于液滴夹带行为的影响进行探究， 只有这样才能够确定得到准确、 合适的神经网络输 入参数； [0009]2)扩充数据库： 由于实验本身难度较大而且具有破坏性， 所以难以开展大批量的 实验工况。 因此， 本发明借助系统程序RELAP5或者自己开发的模型、 程序， 通过实验数据验 证模拟的准确性并以此计算 其他工况液滴夹带 数据， 从而达 到扩充数据库的目的；说　明　书 1/4 页 3 CN 115511208 A 3