详情

沈自所提出AI驱动核电传感器故障检测新框架

来源：中国科学院沈阳自动化研究所2026/6/23 8:48:4017203

导读

实验结果表明，该方法能够有效缓解变功率工况引起的分布偏移，显著提升传感器跨工况监测与故障诊断的准确性。

　　自给能中子探测器是核电站堆芯功率监测的核心设备，其采集的信号直接关系机组运行调控与安全防护。该类传感器长期处于复杂工况环境中，工况正常波动与设备故障特征极易混淆，跨功率工况下的故障检测一直是行业技术难点。

面向变功率工况的PAG-DAF故障检测框架

　　针对上述问题，中国科学院沈阳自动化研究所工业控制网络与系统研究室科研团队提出了一种面向变功率工况的功率感知图域自适应框架(Power-Aware Graph Domain Adaptation Framework, PAG-DAF)。

　　该方法通过多尺度时间特征提取捕获多通道SPND信号的动态演化规律，构建融合功率信息的图结构以表征时间依赖、传感器耦合及功率调制效应，并结合边条件消息传递与对抗域对齐机制，学习跨功率工况下稳定鲁棒的特征表示。

　　实验结果表明，该方法能够有效缓解变功率工况引起的分布偏移，显著提升传感器跨工况监测与故障诊断的准确性。

　　该研究成果以A power-aware graph domain adaptation framework for variable-power fault detection of self-powered neutron detectors in nuclear power plants为题，发表于人工智能与智能系统应用领域国际期刊Expert Systems With Applications。沈阳自动化所博士研究生唐紫萱为论文第一作者，徐皑冬研究员为通讯作者。该研究得到了国家重点研发计划项目的支持。(工业控制网络与系统研究室)

　　引用：沈自所提出 AI 驱动核电传感器故障检测新框架中国科学院沈阳自动化研究所【引用时间：2026年6月16日】

上一篇：甲醇制烯烃生产废水低碳处理与资源化技术及产业化

下一篇：北理工团队在绿色铸态有机光伏电池方面取得重要进展

版权与免责声明：凡本网注明“来源：兴旺宝”的所有作品，均为浙江兴旺宝明通网络有限公司-兴旺宝合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：兴旺宝”。违反上述声明者，本网将追究其相关法律责任。本网转载并注明自其它来源（非兴旺宝）的作品，目的在于传递更多信息，并不代表本网赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。

展开全部