인공지능 학습법을 이용한 지진 하중 하 원자력발전 RCS 응력 예측 모델 :Stress intensity regression model using artificial intelligence learning method on reactor coolant system under seismic load

정성호

추천

검색

자료유형: 학위논문

저자정보: 정성호 (성균관대학교, 성균관대학교 일반대학원)

지도교수: 최재붕

발행연도: 2022

저작권: 성균관대학교 논문은 저작권에 의해 보호받습니다.

이용수149

이 논문의 연구 히스토리 (2)

2022

인공지능 학습법을 이용한 지진 하중 하 원자력발전 RCS 응력 예측 모델

정성호 기계공 2022.01 학위논문

2021

지진하중하 원자력발전 RCS 응력 예측 머신러닝 모델 비교

정성호 , 최준혁 , 박유정 외 2명 대한기계학회 춘추학술대회 2021.08 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

한반도에서 지진이 빈번하게 발생함에 따라 원자력 발전소의 구조적 건전성 평가가 필요하다. 원자력 발전소의 원자로 냉각재계통에는 핵연료와 직접 접촉하는 냉각재가 흐르고 있다. 지진 발생 시 원전에서 방사선 누출 사고가 발생할 가능성이있다. 원자로 냉각재계통의 구조적 건전성 평가 및 지진 응답 분석이 중요하다. 기존의 건전성 평가 방식은 유한요소모델을 이용한 지진 해석을 수행하기 때문에 시간이 오래 걸리고, 해석 수행과정에서 인적오류가 발생할 소지가 있는 단점이 있다. 이러한 기존 방식의 단점을 해결하기 위해 지진에 대한 유한요소해석을 통해 얻은 응력 데이터와 신호추출 방법으로 얻은 지진파 특성 데이터를 기반으로 인공지능 학습법을 이용한 응력 강도 예측모델을 제시한다.
지진파를 이용하여 ABAQUS를 통해 모달 해석 및 응답 스펙트럼 해석을 수행하고 구조적 건전성 평가에 필요한 응력 강도를 도출하였다. 해석을 통해 얻은 응력 강도와 국소 푸리에 변환에서 얻은 지진 신호 특성을 이용하여 학습시킨 인공지능 알고리즘 회귀 모델 5종류의 예측성능을 비교해보았다. 그중 가장 우수한 성능을 보인 Random Forest Regression을 사용하여 응력강도 예측모델을 개발했다.
본 연구는 지진파의 특성을 추출하여 구조적 건전성에 필요한 응력 강도 해석 결과와 인과관계를 구축할 수 있으며, 새로운 지진파도 신호만으로 구조적 건전성에 필요한 응력 강도를 즉시 예측할 수 있음을 제시한다. 향후 지진 해석에 대한 추가적인 해석을 진행하고 추가학습을 진행하여 예측모델의 정확성을 향상시키고 이를 검증함으로써 신뢰성을 확보하여 원자로 냉각재계통의 구조적 건전성 평가에 활용할 수 있을 것으로 전망한다.

As earthquakes occur frequently on the Korean Peninsula, it is necessary to evaluate the structural integrity of nuclear power plants. Coolant flowing in direct contact with the nuclear fuel. In the event of an earthquake, there is a possibility of a radiation leak accident at the nuclear power plant. It is important to evaluate the structural integrity of the reactor coolant system and analyze the seismic response. Existing evaluation and analysis methodology has a disadvantage that the causal relationship between seismic waves and seismic analysis results can’t be known, and if not accurately analyzed, the reliability of finite element analysis results is low. It is necessary to obtain an accurate structural response to a new seismic wave, and to overcome the limitations of the existing analysis method, a stress intensity regression model using a signal extraction method and artificial intelligence learning method is presented.
Modal analysis and response spectrum analysis were performed through ABAQUS using seismic waves, and the stress intensity required for structural integrity evaluation was derived. The predictive performance of five types of artificial intelligence algorithm regression models was compared using the stress intensity obtained through analysis and the seismic signal characteristics obtained from the Short Time Fourier transform. A stress intensity prediction model was developed using Random Forest Regression, which showed the best performance.
This study suggests that by extracting the characteristics of seismic waves, a causal relationship can be established with the stress intensity analysis results required for structural integrity, and the stress intensity required for structural integrity can be immediately predicted using only a new seismic wave signal. In the future, it is expected that the reliability of the prediction model will be secured and the structural integrity of the reactor coolant system will be evaluated by performing additional analysis on the earthquake analysis and verifying it.

#원자로 냉각재계통 #지진 해석 #응답스펙트럼 #국소 푸리에 변환 #머신러닝

제1장 서 론 1
1.1 연구배경 1
1.2 연구 목적 및 내용 4
제2장 관련 기초 이론 11
2.1 모달 해석 11
2.2 응답 스펙트럼 해석 12
2.3 Short Time Fourier Transform (국소 푸리에 변환) 15
2.4 머신러닝 17
제3장 지진 해석 20
3.1 원자력발전 냉각재계통의 유한요소 모델 20
3.2 지진 해석 24
제4장 지진 신호 특성 추출 42
제5장 인공지능 모델 학습 45
5.1 모델 학습 45
5.2 성능 평가 46
제6장 학습 결과 48
제7장 고찰과 결론 65
7.1 고찰 65
7.2 결론 67
References 68
ABSTRACT 72

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)