来源：期刊VIP网 时间：
作者：吴红;赵亚楠;赵鹏程;曾深权;于涛;
单位：南华大学核科学技术学院;中国核动力研究设计院;
摘要：为实现准确、高效预测铅铋快堆关键热工参数，提高铅铋快堆热工安全评价能力，提出了一种基于自适应径向基函数(RBF)神经网络的铅铋快堆燃料元件表面温度预测方法。利用子通道分析程序SUBCHANFLOW建立小型铅铋快堆SPALLER-100堆芯子通道模型，以计算得到的2 000组堆芯功率分布和各冷却剂流道质量流量分布数据作为训练样本，对自适应RBF神经网络模型进行训练，实现对铅铋快堆燃料元件表面温度的预测。通过对比，证明了自适应RBF神经网络方法的有效性、优越性和泛化能力。研究表明：自适应RBF神经网络方法预测燃料包壳最高温度相对误差不超过0.5%,可用于铅铋快堆热工水力参数的快速预测。
关键词：铅铋快堆;;RBF神经网络;;自适应算法;;燃料包壳最高温度
基金资助：核反应堆系统设计技术重点实验室运行基金(No.KFKT-05-FW-HT-20220014)
