基于机器学习的控制棒驱动机构传动副磨损寿命预测研究

来源：核动力工程杂志2025年第2期北京时间：

作者：肖聪, 刘承敏, 罗英, 彭航, 李维, 张志强, 黄擎宇

单位：中国核动力研究设计院核反应堆技术全国重点实验室，成都，610213；

摘要：控制棒驱动机构（CRDM）是反应堆内唯一具有相对运行的设备单元，可快速调节反应堆反应性，对反应堆安全运行十分重要，磨损是影响CRDM传动副功能失效的主要因素，直接决定其使用寿命。本文通过CRDM传动副磨损实验，发现传动副主要磨损形式有3种：磨粒磨损、疲劳磨损和氧化磨损，同时发现当传动副顶部区域磨损体积比达16.46%时，CRDM出现滑棒，可判定此刻转动部件出现了磨损失效，将此刻的磨损体积值作为传动副的失效阈值。在获得传动副磨损体积数据和外部振动信号后，本文构建了内部磨损体积与外部振动信号的关联关系，并通过外部振动信号，基于支持向量回归（SVR）、卷积神经网络（CNN）、长短期记忆网络（LSTM）3种机器学习算法，分别构建了CRDM传动副寿命预测模型，通过对比分析认为，在预测精度上LSTM模型优于CNN模型优于SVR模型，在计算效率上SVR模型优于CNN模型优于LSTM模型。

关键词：控制棒驱动机构（CRDM）, 传动副, 磨损, 剩余寿命