小型模块化堆传感器故障检测与诊断及高级分析视角：综述

《IEEE Sensors Journal》：Sensor Fault Detection and Diagnostics in Small Modular Reactor and Advanced Analytical Perspectives: A Review

　　传感器可靠测量对于保障小型模块化反应堆（SMRs）的安全性和效率至关重要。然而，SMR的可靠安全运行依赖于精确的传感器测量，而这些测量可能受到偏差、漂移和噪声等初生故障的干扰。这些故障具有渐进发展特性，早期检测困难，并可能通过高度耦合的反应堆动力学传播，从而损害SMR控制系统的性能。为应对上述问题，本文综述了适用于SMR的传感器故障检测与诊断（FDD）方法。文章考虑了三种经典的FDD方法论：1）建模技术（观测器、卡尔曼滤波器（KF）、参数估计）；2）信号处理方法（小波、时频分析）；以及3）统计技术[主成分分析（PCA）、动态主成分分析（DPCA）、独立成分分析（ICA）]。FDD检测质量基于可检测性、可辨识性和检测延迟进行评估。分析表明，单一FDD方法不足以诊断SMR中的故障，因此提出了一种包含三层架构的混合框架：基于物理的残差生成、基于小波的降噪以及带有自适应反馈机制的可解释人工智能（XAI）分类。物理信息神经网络（PINNs）、数字孪生（DTs）和网络安全感知FDD被作为新兴方向引入，同时也提出了实施中的困难。小型模块化反应堆（SMRs）凭借其相比传统大型核反应堆更高的安全性、可扩展性和灵活性，已成为一种极具前景的核反应堆类型。SMRs的模块化设计允许缩短建设周期并实现更好的质量控制；此外，SMRs具有固有安全特性和负荷跟踪能力，使其成为当代灵活电力生成网络的理想选择[1]、[2]、[3]、[4]、[5]、[6]。为确保SMR正常运行，需要对重要过程变量进行测量。这些测量由传感器提供，传感器是反应堆监测系统的主要组成部分。传感器故障可能导致状态评估不当，影响反应堆控制过程并危及反应堆安全[7]。此外，由于反应堆内各过程之间的强耦合性，传感器扰动可能产生严重的不良影响。传感器的初生故障相当棘手，因为它们渐进发生，并受辐射、温度和腐蚀的影响。与容易发现的突发故障不同，初生故障开始于非常微小且缓慢发展的问题——例如传感器读数逐渐漂移、出现恒定偏移（偏差）或变得有噪声。由于这些变化最初极其微小，因此难以早期检测，如果被忽略，它们会缓慢演变成严重的系统故障。在SMR中，这一挑战更加艰巨，因为系统以复杂非线性方式运行，传感器受紧凑硬件限制，且背景噪声常常掩盖微弱的故障信号——这使得早期准确检测至关重要[8]、[9]、[10]、[11]。本综述专注于经典的故障检测与诊断技术（基于模型、信号处理和统计），这些技术已在核反应堆中成功应用，可根据SMR的局限性进行适配[12]。本文中的FDD性能基于三项标准进行评估：可检测性（从残差偏差超过噪声中识别故障发生的能力）、可辨识性（区分故障类型和位置的能力）以及可观测性（从测量中推断系统状态或故障动态的能力）。