基于模糊数据融合的控制棒包壳管磨损状态评估

 冯利法，未永飞，曹  强

 （国核电站运行服务技术公司，上海  200233）

摘要：核电站反应堆控制棒组件在服役期间与导向架摩擦造成包壳管外表面磨损，对反应堆的安全运行造成极大隐患，严重时甚至可能引起核安全事故。利用控制棒包壳管超声和涡流检测信息提取信号特征值对其磨损状态进行评估，因单一特征信号反映的控制棒包壳管状态信息存在局限性，采用模糊数据融合方法对超声、涡流检测特征信号进行融合，获得更加全面、准确的包壳管磨损状态。实验结果表明，基于模糊数据融合的包壳管磨损状态评估比单一传感器对包壳管磨损状态评估更为可靠。

关键词：控制棒组件；包壳管磨损；模糊数据融合；状态评估中图分类号：TL43：TP274

 0引言

 核电站控制棒组件(Rod Cluster Control Assembly，以下简称RCCA)是通过吸收中子来控制核反应堆反应性的关键工具。随着核电站运行时间的增加，控制棒包壳管长期与导向架摩擦而发生磨损。为准确掌握控制棒包壳管的状态及磨损增长的速度，以便及时更换影响反应堆下一个燃料循环周期的RCCA，必须对RCCA进行检测与评估。

 控制棒包壳管因管径小壁厚薄（外径为Φ9.7mm，壁厚为0.47 mm），处于高放射性的水下环境中，检测难度高，目前主要通过超声和涡流的检测信号间接判断其磨损的状态。本文将模糊集理论与数据融合技术结合起来，应用于控制棒磨损状态的评估，对不同类型的信息进行处理，消除信息之间存在的冗余和矛盾，降低不确定性，从而更精确地估计包壳管的磨损状态。

1  控制棒包壳磨损检测系统组成

 控制棒包壳磨损检测系统示意图如图1所示。系统有超声探头8个(T1～T8)，两个探头间隔450，分别测量控制棒包壳管8个位置壁厚值；通过外穿过式涡流探头测量控制棒包壳管磨损的截面积。该系统可测量表征磨损状态的两个特征参数：磨损深度值和磨损截面积比。

2基于模糊理论的数据融合算法

2.1  模糊数据融合系统结构

 如图1所示，超声探头用于检测控制棒包壳管的壁厚，涡流探头用于检测控制棒包壳管磨损的截面积比。对每种探头所得数据进行特征值的提取，并计算对应磨损状态的模糊隶属度值，再根据决策规则进行磨损状态的评估。模糊数据融合系统结构框图见图2。

2.2超声检测信息特征值的提取

 超声检测采用水浸聚焦探头，从8个方向同时测量控制棒包壳管的壁厚。根据各点壁厚值判断磨损情况，在有磨损位置使用最大内接圆法拟合控制棒包壳管的外轮廓曲线，并得出控制棒的最大磨损值。最大内接圆的求取方法如下：

 假设T1，T2，…，T8是根据8个超声探头测量的壁厚值计算的外轮廓位置（如图3所示），从外轮廓位置可知T1，T2，T3，T8处存在磨损，则据此绘制最大内接圆作为控制棒磨损处的外轮廓，内接圆圆心为C，半径为r。

 以控制棒包壳圆圆心为原点建立坐标系，当磨损处各测量点到内接圆圆心的距离最小值达到最大时，该内接圆为最大内接圆。即目标函数为：

其中：(x，y)为最大内接圆的圆心坐标；(x i，y i)为磨损处测量点的坐标。

 式(1)的目标函数属于无约束条件非线性极值问题，调用MATLAB优化工具箱中的函数Fminsearch进行求解，查找该多元函数在指定点附近的最小值。

2.3  涡流检测信息特征值的提取

 控制棒包壳管磨损涡流检测使用外穿过式线圈探头测量控制棒包壳管横截面的磨损量，涡流信号的幅值与磨损截面积成正比，如图4所示。将被测控制棒包壳管实际的涡流信号幅值与曲线进行比对，确定控制棒包壳管的磨损截面积。

2.4  模糊关系矩阵的确定

当多传感器信息进行融合时，各传感器的不确定性可用隶属度函数表示，然后利用模糊变换进行数据处理。

对其做归一化处理，得到归一化的关系矩阵：

2.5模糊变换及决策规则

 根据传感器的权重可确定权重模糊向量A=(a1，a2)，传感器的权重a i（i=1，2，分别代表超声探头、涡流探头两种传感器）归一化处理得到权重模糊向量A*=（a1*，a2*）。

 在确定了权重模糊向量A*和模糊关系矩阵R*后，进行模糊加权线性变换：

3  实验结果与数据分析

 表1给出了控制棒包壳管检测的2组数据。超声和涡流检测测定包壳磨损4种状态的标准特征值分别设定为(0. 025，0.125，0.250，0.375)和(5%，15%，25%，50%)，权重系数向量为(0.5，0.5)。对表1数据进行特征提取和模糊融合，融合后的隶属度和按照决策原则得到的评估结果见表2。

 从表2中可以看出，当采用某种单一传感器进行评估时，某些包壳磨损状态无法评估，而融合后能够进行准确评估。而在某些情况下，某种传感器单独进行评估时，还可能出现单独评估结果与融合评估结果有所差异。由此可见采用多传感器模糊数据融合可大大减少由于单种传感器信息量局限引起的评估偏差，降低不确定性，有效提高评估结果的准确性。

4结束语

 本文将多传感器模糊数据融合应用于控制棒包壳管的磨损状态评估，介绍了磨损状态评估的数据融合结构和相应的模糊融合算法，并使用该方法对控制棒包壳管磨损状态进行评估与监督。实验结果表明：该数据融合算法可综合多种传感器信息，多角度对包壳管磨损状态进行信息挖掘，降低信息冗余与矛盾，有效提高状态评估的准确性。