第５７卷增刊原子能科学技术Ｖｏｌ．５７，Ｓｕｐｐｌ．２０２３年７月ＡｔｏｍｉｃＥｎｅｒｇｙＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＪｕｌ．２０２３基于ＰｏＦ与数据驱动融合算法的核电仪控卡件剩余寿命预测方法研究周田蜜１，＊，周宇２，马一鸣２，秦凤１，颜凯１，蓝剑１（１．中核武汉核电运行技术股份有限公司，湖北武汉４３０２２３；２．秦山核电有限公司，浙江嘉兴３１４３００）摘要：作为核电厂的神经中枢，仪表控制系统的稳定性与可靠性是保证核电厂安全运行的关键。对核电仪控系统卡件进行剩余寿命预测可降低直接更换带来的维护、购置费用，可减少关键设备的损坏风险，是提高系统可靠性的重要手段。数据驱动和故障物理（ＰｏＦ）是剩余寿命预测领域的两种主要方法，然而这两种方法都存在着一定的局限性，且现有融合算法难以对应力多样、结构复杂的核电产品实现准确的剩余寿命预测。针对以上问题，本文提出了一套基于ＰｏＦ与数据驱动融合算法的核电产品剩余寿命预测方法，该方法采用广义阿伦尼斯模型进行ＰｏＦ建模，利用维纳过程进行退化过程建模并生成退化数据，基于长短期记忆（ＬＳＴＭ）神经网络实现ＰｏＦ数据与数据驱动方法的有效融合。依据所提方法完成了某核电站仪表控制系统ＤＣ－ＤＣ卡件的剩余使用寿命预测，通过不同算法的比较，验证了本文所提方法的有效性与准确性。研究结果可用于指导核电站仪控设备的预防性维修，也为设备可靠性管理提供了参考和方向。关键词：故障物理；数据驱动；维纳过程；长短期记忆网络；剩余寿命预测中图分类号：ＴＬ３６４．５文献标志码：Ａ文章编号：１０００－６９３１（２０２３）Ｓ１－０１４８－０９收稿日期：２０２３－０３－１７；修回日期：２０２３－０６－１０基金项目：中核集团“青年英才”项目＊通信作者：周田蜜ｄｏｉ：１０．７５３８／ｙｚｋ．２０２３．ｙｏｕｘｉａｎ．０１３５ＲｅｓｅａｒｃｈｏｎＲｅｍａｉｎｉｎｇＬｉｆｅＰｒｅｄｉｃｔｉｏｎＭｅｔｈｏｄｏｆＮｕｃｌｅａｒＰｏｗｅｒＩｎｓｔｒｕｍｅｎｔＣｏｎｔｒｏｌＣｉｒｃｕｉｔＢｏａｒｄＢａｓｅｄｏｎＰｏＦａｎｄＤａｔａ－ｄｒｉｖｅｎＦｕｓｉｏｎＡｌｇｏｒｉｔｈｍＺＨＯＵＴｉａｎｍｉ１，＊，ＺＨＯＵＹｕ２，ＭＡＹｉｍｉｎｇ２，ＱＩＮＦｅｎｇ１，ＹＡＮＫａｉ１，ＬＡＮＪｉａｎ１（１．ＣｈｉｎａＮｕｃｌｅａｒＰｏｗｅｒＯｐｅｒａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＣｏ．，Ｌｔｄ．...
