压水堆核电机组一回路系统建模与智能参数优化研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| Contents | 第13-17页 |
| 第1章 绪论 | 第17-27页 |
| ·课题背景及意义 | 第17-19页 |
| ·核电发展现状和前景 | 第17-18页 |
| ·核电机组堆芯一回路建模仿真与参数优化的重要性 | 第18-19页 |
| ·压水堆核电机组工艺流程简介 | 第19-21页 |
| ·压水堆核电机组的系统介绍 | 第19-20页 |
| ·反应堆堆芯一回路系统组成 | 第20-21页 |
| ·核电机组一回路系统建模研究现状 | 第21-23页 |
| ·反应堆系统建模研究现状 | 第21-22页 |
| ·稳压器建模研究现状 | 第22页 |
| ·蒸汽发生器研究现状 | 第22-23页 |
| ·模型参数优化方法的研究现状 | 第23-25页 |
| ·国内研究现状 | 第23-24页 |
| ·国外的研究现状 | 第24-25页 |
| ·目前存在的问题 | 第25页 |
| ·本文研究内容和结构安排 | 第25-27页 |
| 第2章 基于神经网络与机理分析的反应堆混合建模 | 第27-52页 |
| ·核裂变基础知识 | 第27-30页 |
| ·裂变反应 | 第27-28页 |
| ·链式裂变反应 | 第28页 |
| ·反应性 | 第28-29页 |
| ·反应性平衡 | 第29-30页 |
| ·典型压水反应堆结构 | 第30-34页 |
| ·压力容器 | 第30-31页 |
| ·堆内构件 | 第31页 |
| ·反应堆的堆芯 | 第31-34页 |
| ·控制棒驱动机构 | 第34页 |
| ·结合神经网络与机理分析的压水堆反应性混合建模 | 第34-46页 |
| ·BP神经网络 | 第35-36页 |
| ·学习样本的获得 | 第36-39页 |
| ·基于BP神经网络的化学溶剂反应性建模 | 第39页 |
| ·基于BP神经网络的控制棒反应性建模 | 第39-40页 |
| ·基于BP神经网络的多普勒效应反应性建模 | 第40页 |
| ·基于BP神经网络的慢化剂效应反应性建模 | 第40-41页 |
| ·氙毒物反应性机理建模 | 第41-44页 |
| ·钐毒物反应性机理建模 | 第44-46页 |
| ·基于差分瞬跳法的中子通量计算模型 | 第46-49页 |
| ·点堆方程组求解 | 第46-47页 |
| ·点堆动态模型瞬跳差分法验证 | 第47-49页 |
| ·堆芯热功率计算模型 | 第49-50页 |
| ·堆芯热传递计算模型 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第3章 反应堆冷却剂系统机理建模 | 第52-72页 |
| ·反应堆冷却剂系统概述 | 第52-53页 |
| ·系统描述 | 第52-53页 |
| ·系统参数 | 第53页 |
| ·蒸汽发生器 | 第53-61页 |
| ·蒸汽发生器简介 | 第53-54页 |
| ·蒸汽发生器结构及工质流程 | 第54-55页 |
| ·两相流蒸汽发生器动态数学模型 | 第55-61页 |
| ·冷却剂泵 | 第61-66页 |
| ·核电站冷却剂泵的选择 | 第61-62页 |
| ·冷却剂泵的结构 | 第62页 |
| ·冷却剂泵动态数学模型 | 第62-66页 |
| ·稳压器 | 第66-71页 |
| ·稳压器工作原理 | 第67页 |
| ·稳压器结构 | 第67-68页 |
| ·两相动态非平衡稳压器数学模型 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第4章 核电机组一回路系统整体建模与仿真 | 第72-95页 |
| ·模块化建模方法与过程 | 第72-75页 |
| ·建模过程描述 | 第72-73页 |
| ·子模块的划分 | 第73-74页 |
| ·子模块的连接 | 第74页 |
| ·整体模型的建立 | 第74-75页 |
| ·单独模块仿真算例与结果分析 | 第75-88页 |
| ·反应堆计算模块仿真结果与分析 | 第75-81页 |
| ·反应性计算模块动态分析 | 第75-77页 |
| ·中子通量计算模块动态分析 | 第77-78页 |
| ·堆芯热功率计算模块动态分析 | 第78-79页 |
| ·堆芯热传递计算模块动态分析 | 第79-81页 |
| ·蒸汽发生器计算模块仿真结果与分析 | 第81-85页 |
| ·稳压器计算模块仿真结果与分析 | 第85-88页 |
| ·核电一回路整体模型仿真算例与结果分析 | 第88-94页 |
| ·静态特性 | 第88-89页 |
| ·动态特性 | 第89-94页 |
| ·本章小结 | 第94-95页 |
| 第5章 智能优化算法及模型参数优化应用 | 第95-111页 |
| ·引言 | 第95-96页 |
| ·智能优化算法介绍 | 第96-103页 |
| ·遗传算法 | 第96-97页 |
| ·标准粒子群优化算法 | 第97-98页 |
| ·量子粒子群优化算法 | 第98-99页 |
| ·高速收敛量子粒子群优化(HSCQPSO)算法 | 第99-103页 |
| ·量子粒子群算法的改进 | 第99-100页 |
| ·HSCQPSO算法描述 | 第100-101页 |
| ·HSCQPSO算法性能测试 | 第101-103页 |
| ·稳压器模型参数优化应用 | 第103-106页 |
| ·模型优化参数的选择 | 第103-104页 |
| ·仿真实验系统 | 第104页 |
| ·仿真结果分析 | 第104-106页 |
| ·稳压器压力控制系统参数优化应用 | 第106-110页 |
| ·稳压器压力控制系统特性 | 第106-107页 |
| ·稳压器压力控制系统结构及优化参数的选取 | 第107-108页 |
| ·优化目标函数选取 | 第108-109页 |
| ·控制器参数优化结果及性能分析 | 第109-110页 |
| ·本章小结 | 第110-111页 |
| 第6章 结论与展望 | 第111-113页 |
| ·论文的主要工作及创新点 | 第111-112页 |
| ·今后的研究方向 | 第112-113页 |
| 参考文献 | 第113-122页 |
| 攻读博士学位期间发表的论文及其它成果 | 第122-124页 |
| 攻读博士学位期间参加的科研工作 | 第124-125页 |
| 致谢 | 第125-127页 |
| 作者简介 | 第127页 |
