کاربرد شبکه‌های عصبی در تشخیص خطا و ناپایداری نیروگاه‌های هسته‌ی

اعضای هیات علمی گروه مهندسی هسته‌یی دانشگاه صنعتی امیرکبیر در پژوهشی کارایی شبکه‌های عصبی را در تشخیص خطا و شرایط غیرعادی ویژه در نیروگاه‌های هسته‌یی بررسی کردند. به گزارش  (ایسنا)، تکنیک شبکه‌های عصبی بر پایه این اصل استوار است که هر وضعیت فیزیکی نیروگاه را می‌توان با یک الگوی منحصر به فرد برای خواندن ابزار نشان داد و می‌توان آن را با یک وضعیت خاص در نیروگاه مرتبط کرد. در این تکنیک شبکه‌های عصبی برای ارتباط این الگو به خطا یا شرایط حادثه در نیروگاه به کار می‌رود. دکتر روزبه رضوی‌فر و دکتر هادی دویلو، اساتید گروه مهندسی هسته‌یی دانشگاه صنعتی امیرکبیر و دکتر کارو لوکس، استاد گروه برق و الکترونیک دانشگاه تهران در پژوهشی با عنوان «تشخیص خطا و شناسایی ناپایداری‌های نیروگاه هسته‌یی با استفاده از شبکه‌های عصبی» با اشاره به این‌که در حین عملکرد نیروگاه هسته‌یی، اطلاعات و داده‌های عددی، نمادی و کمی بسیار زیادی باید توسط کاربران نیروگاه کنترل شود، خاطرنشان کرده‌اند: این وضعیت فنی درباره عملکرد معمول نیروگاه نیز وجود دارد. تعداد بسیار زیاد پارامترهایی که باید تحلیل شوند و رابط بین قسمت‌های مختلف سیستم، بخصوص در زمانی که وضعیت غیر عادی پیش بیاید، مشکلاتی را برای اپراتورها ایجاد می‌کند. رفع شرایط مشکل ساز و ناپایداری‌ها بستگی زیادی به سهولت دسترسی به اطلاعات خام و تبدیل آنها به اطلاعات مدون دارای مفهوم دارد. در یک نیروگاه کاربران گاهی تحت تاثیر فشارها و احساسات قرار می‌گیرند که این مساله می‌تواند با درجات مختلفی بر عملکرد آنها تاثیر بگذارد. با کمک تشخیص خطای سریع و به موقع نیروگاه می‌توان عدم قطعیت و یا احتمال خطا را از تصمیمات کاربران حذف کرد و بدین ترتیب باعث افزایش کارایی و دسترسی آسان‌تر، قابلیت اطمینان و امنیت بیشتر شد. این تکنیک، روشی است که باعث تشخیص همزمان در نیروگاه‌های هسته‌یی می‌شود.