CN117993287B 一种铅铋反应堆智能设计优化方法 （南华大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN117993287B(45)授权公告日2025.07.01

(21)申请号202410051450.7

(22)申请日2024.01.15

(65)同一申请的已公布的文献号申请公布号CN117993287A

(43)申请公布日2024.05.07

(73)专利权人南华大学

地址421001湖南省衡阳市常胜西路28号

(72)发明人刘紫静王少湫赵鹏程

(74)专利代理机构北京科迪生专利代理有限责任公司11251

专利代理师孔伟

(56)对比文件

王彤等.基于BP神经网络的高通量铅铋反应堆中子通量最大化设计方法研究.《核技术》

.2024,第47卷(第10期),全文.

李琼等.基于径向基代理模型与小生境遗传算法的铅铋反应堆堆芯智能优化.《核动力工

程》.2022,第43卷(第6期),第93-100页.

张雷等.熔融沉积制造高能效工艺参数优化方法.《机械设计与制造》.2022,(第03期),第

149-156页.

审查员徐楚昕

(51)Int.CI.

GO6F30/27(2020.01)

GO6F111/04(2020.01)

G06F111/06(2020.01)权利要求书4页说明书9页附图3页

(54)发明名称

一种铅铋反应堆智能设计优化方法

(57)摘要

CN117993287B本发明涉及一种铅铋反应堆智能设计优化方法，包括：建立铅铋反应堆设计空间、设计目标函数和约束限制条件的待优化铅铋反应堆数学模型，开展拉丁超立方抽样生成样本点，并计算堆芯特性参数以构建训练数据集，采用BP神经网络算法建立可预测铅铋反应堆堆芯特性参数的代理模型S-LFR;采用小生境遗传算法Micro-GA对代理模型S-LFR预测的设计参数组合进行寻优，更新训练数据集与代理模型S-LFR,反复迭代逼近目标优化区间直至获得全局最优解。本发明实现铅铋反应堆堆芯多目标、多物理、多变量耦合的协同优化，在保证计算精度的同时大幅提升

CN117993287B

开

开始

写建立待优化铅储反应堆数学模型

划分种群小生境

计算

目标值_

构建BP神经网络模型

得到铝锦反应堆设计待优化模SLR

序列迭代反复寻优

采用序列迭代分析方法

更新代理模型及区向范围

验证最优解

输出最优解

输出优化方案

结束

铅铭反应堆物理/热工水力计算分析程序计算程序

采用小生境速传算法

对目标函数进行寻优

是否满足精度要求且达到最大选代次数?

序列迭代分析方法

初始化种群

Micro-GA

目标值

CN117993287B权利要求书1/4页

2

1.一种铅铋反应堆智能设计优化方法，其特征在于：该方法包括下列顺序的步骤：

步骤(1)建立基于铅铋反应堆设计空间、设计目标函数和约束限制条件的待优化铅铋反应堆数学模型，开展拉丁超立方抽样生成样本点，生成训练数据集；使用训练数据集构建BP神经网络模型，得到铅铋反应堆设计待优化模型S-LFR;

步骤(2)使用BP神经网络模型对设计空间的设计目标函数进行预测得到预测集；使用小生境遗传算法对BP神经网络模型预测得到的预测集进行寻优并验证评估，将符合约束条件的区间数据集加入训练数据集进行BP神经网络模型更新并进行区域缩减；序列迭代反复寻优，直至得到残差满足精度要求且收敛的最优方案；

步骤(1)具体包括以下步骤：

步骤(1a)建立基于铅铋反应堆设计空间、约束限制条件和设计目标函数的待优化铅铋反应堆数学模型；

步骤(1b)确定BP神经网络的结构及输入/输出量，构建BP神经网络模型；

步骤(1c)采用正交拉丁超立方法对设计参数区域抽样生成样本点集，计算样本点实际设计目标/约束响应值，进行数据标准化获得训练数据集；

步骤(1d)将训练数据集输入BP神经网络模型训练，获得铅铋反应堆设计待优化模型S-LFR;

所述步骤(1a)具体包括以下步骤：

步骤(1a1)建立基于铅铋反应堆设计空间，即确定优化目标自变量对象及优化范围，自变量设计空间公式如下：

其中，X1,X?,…xn是一组反应堆设计优化的设计自变量，Lj和Uj分别对应设计自变量的优化上限与下限，X为一个特定的反应堆设计方案的设计参数向量，K为设计参数向量所组成的设计空间，根据优化需