遗传算法在核电厂检修路径规划中的应用.pdf

核电厂维修人员对核电厂系统和设备进行检修和试验是保障核电厂安全运行的重要手段之一。由于核电厂的特殊性，核岛及其附属厂房中有处理放射性物质的系统或者设备，存在一定的辐射危害，因此合理可行地减少维修人员在检修和试验过程中的受照射剂量是辐射防护的主要目标之一。核电厂工艺系统设备数量众多，且各设备布置在核电厂核岛厂房不同工艺设备间内，合理地规划维修人员的检修工序能够有效减少维修人员在检修过程中所受照射剂量，因此有必要开展核电厂检修路径规划相关的研究。本文考虑核电厂辐射分区、厂房内可通行路径，建立核电厂厂房工艺间路径赋权矩阵，采用遗传算法（GA）进行检修路径规划。通过仿真计算表明，该算法可以规划出一条包含需要检修的设备或设备间的最优检修路径，实现有效减少运维人员所受辐照剂量的目标。关键词：遗传算法（GA）；路径规划；检修中图分类号：TL48文章标志码：A文章编号：0 2 58-0 9 18（2 0 2 3）0 3-0 59 5-0 6Application of Genetic Algorithm in MaintenancePath Programming of Nuclear Power PlantSU Jincheng,WANG Zhenzhong,ZHAO Xiaoshan,CHU Songliang(China Nuclear Power Engineering Co.,Ltd.Beijing 100084,China)Abstract:Maintenance and testing of nuclear power plant systems and equipment is one of theimportant means to ensure the safe operation of nuclear power plant.Due to the particularity ofnuclear power plant,there are systems or equipment for handling radioactive substances in thenuclear island and the BOP,and there are certain radiation hazards.Therefore,it is one of themain goals of radiation protection to reduce the exposure dose of maintenance personnel in theprocess of maintenance and testing reasonably and feasibly.There are a large number ofprocess system equipment in nuclear power plant,and these equipment are arranged indifferent process room in nuclear power plant.Reasonable planning and the maintenanceprocess of maintenance personnel can effectively reduce the maintenance personnels exposure收稿日期：2 0 2 2-0 1-0 4作者简介：苏锦成（19 9 0 一），男，湖北黄冈人，工程师，硕士，现主要从事核岛厂房布置设计相关研究596dose during the maintenance process.Therefore,it is necessary to carry out relevant study onmaintenance path planning of nuclear power plant.In this paper,considering the radiation zoneand the passable path in nuclear power plant,a path weight matrix is established for the nuclearpower plant,and genetic algorithm(GA)is used for maintenance path planning.Thesimulation calculation shows that the method can plan an optimal maintenance path includingthe equipment or between equipment that needs to be repaired,and achieve the goal ofeffectively reducing the radiation dose received by the operation and maintenance personnel.Key words:Genetic algorithm;Path programming;Maintenance核电厂反应堆在运行过程中会产生大量放射性，核岛及附属厂房内通常有处理放射性物质的工艺系统或者设备。现有核电厂已经提供多层放射性保护屏障和放射性防护手段，将核电厂核岛厂房内分为白区、监督区和控制区。其中监督区和控制区工艺间依然存在辐射危害的风险。另一方面，为了保证核电厂安全运行，核电厂维修人员需要对各工艺系统设备进行定期检修和维护。维修人员难以避免地需要路过或穿过监督区或者控制区，承受放射性威胁。因此对核电厂内设备进行巡检或维修时，维修人员需要尽快到达巡检或者维修目标所在地，尽大限度地缩短在厂房内滞留时间，以减少可能的辐射剂量。然而维修人员在核电厂检修工作中，可能涉及多个工艺间或设备的检修，如果不能制定合理的检修路径，就会增加厂房内滞留时间，增加放射性危害风险。因此研究核电厂检修路径规划，能够优化核电厂维修人员检修路径及顺序，减少巡检时间，提高巡检效率，降低核电厂维修人员承受辐射伤害风险。1核电厂检修路径规划方法核电厂维修人员进入核岛某个厂房进行巡检或者维修，通常会涉及多个设备或者设备所在工艺间。完成该层厂房的巡检或维修工作之后，维修人员通常需要由该层特定的出入口离开该层厂房。将每个工艺间设定为一个巡检目标，如果一次巡检过程中包含n个目标，则巡检可能的巡检路线多达（n一1）！/2 条（每个巡检目标两两可达）。为了减少到达巡检目标所需的时间，降低辐射风险，就必须制定合理的巡检路线或巡检顺序。由此可见，核电厂巡检路线规划问题属于旅行商（TSP）问题的一种，是一个典型的NP完全问题1。由于旅行商问题具有广泛的应用价值，如智能交通控制、网络路由设置、智能物流配送等，自19 32 年被提出以来，引起了各领域研究兴趣。最初学者们大多采用精确算法对旅行商问题进行求解，Ali等人用分支定界法对旅行商问题进行求解；Gavish等人2 对分支定界法进行改进，通过限定分支定界的下界，减少算法运行所需的时间。但是旅行商问题随着问题规模的增加，解空间急剧增大。在不能获得全局精确最优解的情况下，高效地寻找高质量的近似解是解决这一问题的主要途径。为了计算高质量的近似解，近年来发展了大量基于启发式搜索的方法。李孟霖等人3采用蚁群算法进行TSP问题求解，提出“降半分布函数”对路径优劣进行模糊评价以优化信息素更新策略；黄丽韶4 将模拟退火算法（SA）应用于TSP问题求解；黄岚、王康平5 等人用粒子群算法求解TSP问题；代坤6 等人运用遗传算法求解TSP问题，验证了GA算法在旅行商问题求解中的适用性。GA算法是由美国Holland教授提出的启发式算法，是求解复杂的组合优化问题的有效方法。GA通过模拟生物进化过程，采用变异，选择等手段来从搜索空间中选出适应解，是一种高效且具有强鲁棒性的方法，本文将GA算法应用于核电厂巡检路线规划。1.1电厂巡检问题简述核电厂根据其运行状态，通常将核电厂的巡检和维修工作分为正常运行期间的预防性维修、定期试验和反应堆停堆换料期间的换料大597修。假定在一次检修中涉及 n个工艺设备间，使用集合V表示1，2，n表示所需要巡检的n个工艺设备间。集合V中两点之间的路径及两点之间路径距离集合为E=(i,j,w,)li,je V,w,E Rt，根据核电厂巡检实际情况，两点之间的距离应该满足 w,=wn,w,+wWik,(Vi,j,ke V)。并设:X;E(0,1)其中：1一这一边(i，j)在最优路线上；0一其他情况。则核电厂巡检路线规划的问题可以描述为满足以下约束条件的解：MinL=i=1j-1约束条件：,=,ie,nj+iS.t.计j2,2 1,Zn-2,Z c 1,)i,jez.;=0,1,i,j=-1,n上述约束条件中Z表示需要巡检工艺设备间的个数。对于约束条件，前两个约束条件意味着对每个工艺间的巡检，仅进入工艺间一次，且仅从工艺间出来一次。第三个约束保证没有任何子回路解的产生。1.2遗传算法遗传算法是通过借鉴生物进化中优胜劣汰的思想，利用交又、突变等操作产生具有较强环境适应能力个体的进化算法。遗传算法求解组合优化问题的主要流程包括：（1）初始化群体；（2）对每条染色体的适应度值进行求解；（3）根据个体适应度确定选择规则，并执行选择操作；（4）按照交叉概率p。(0 p。1)进行交叉运算；（5）#按照变异概率pm(0pm1)进行变异运算；(6)关判断是否达到收敛或停止条件，如果没有达到收敛或者停止条件，则进入（2）步骤，如果达到收敛或者停止条件，则进入（7）步骤；（7）将群体中适应度最好的个体作为问题最优解输出。遗传算法的流程图如图1所示。开始初始化种群计算适应度值选择操作交叉操作变异操作N停止条件Y输出适应度值最优的个体结束图1遗传算法流程图Fig.1The flow chart of genetic algorithm(GA)1.3核电厂工艺间赋权矩阵为了采用GA算法对最优巡检路径进行规划，首先根据核电厂各工艺间的距离，工艺间之间路径上的辐射强度，计算出核电厂各工艺间的赋权矩阵。核电厂厂房在设计时主要根据其实现的功能及包含的设备进行工艺间以及通行区域规划。质量高的设计能够保证工艺间的可达性，但是由于核电厂特殊的防护要求，核电厂厂房很少能够满足工艺间之间两两可达，即从一个房间到达另外一个房间需要进行中转。本文在核电厂工艺间赋权矩阵建模的过程中，认为总体巡检时间越短，就越能够减少维修人员在电厂内的滞留时间，从而越能减少维修人员所受的辐照剂量。假定维修人员在巡检过程中的移动速度基本不变，则减少维修人员所受剂量主要是减少维修人员巡检路线的总长度，因此本文建立的核电厂工艺间赋权矩阵主要考虑工艺间的距离。598本文对于需要中转的工艺间采用月A-Star算法来计算中转所需的最短距离。从而完备在使用GA算法进行路径规划时所需的赋权矩阵。1.4核电厂检修路径规划流程（1）首先，选取需要巡检的工艺间，对其进行编码处理。本文采用单染色体编码，即将n个需要检修工艺间编成一条长度为n的染色体，编码顺序即为检修顺序。根据检修顺序，生成相应的初始检修路径，根据赋权矩阵计算出巡检路径的长度。（2）对每一种初始路径，进行适应度计算，根据个体适应度选择规则进行选择操作，选取适应度符合要求的巡检路径；本文采用了最佳群体保留的策略。采用如下方式定义归一化检修路径长度：计算群体的平均检修路径长度后，个体的检修路径长度与平均检修路径长度比值。本文将归一化检修路径长度小于设定的选择阅值的个体保留。（3）对选取符合适应度要求的巡检路径按照交叉概率进行交叉，并且对产生的路径按照变异概率进行变异，产生子代路径；本文采用单亲遗传算法对检修工艺间进行求解，并且采用单染色体编码的方式，因此舍弃了操作过程中复杂特殊的交又算子，采用单染色体常用的对换变异。即随机选择单染色体的两个基因点，将这两个基因进行交换。（4）判断是否达到进化代数的要求，如果没有达到进化代数的要求，返回步骤（2）。满足进化代数输出规划的巡检路径。2数值模拟2.1辅助厂房检修模型本文以某核电厂辅助厂房两层厂房为对象，如图2、图3所示，图中方框中标识的为各工艺间的名称，本文中共涉及6 9 个房间及区域，其中0 m层42 个房间，编号由RM001至RM042，5m 层2 7 个房间，编号由RM101至RM127。根据图中各工艺间及区域的距离和相互间的可到达情况建立赋权矩阵，6 9 个房间及区域的赋权矩阵为6 9 6 9的矩阵。RM027RM028RM016RM030|RM031RM029RM010RM032RM033RM017 RM018RM034RM008RM019 RM020RM011RM001RM009RM035RM036RM012RM021RM022RM002RM037RM023RM024RM039RM003RM004RM013RM038TRM005RM06RM007RM025RM026RMO14RMO1SRM040RM041RM042图2辅助厂房0 m层平面图Fig.2The layout of auxiliary building(O m layer)RM119RM120RM113RM109RM112RM110RM114RM121RM115RM116RM11RM107RM117RM123RM122RM101RM125RM102RM105RM124RM103RM104RM106RM126RM127图3辅助厂房5m层平面图Fig.3The layout of auxiliary building(5 m layer)核电厂实际巡检的工艺间与核电厂实际运行的状态以及工艺间内设备的状态有关。本文采用C+语言实现上述算法，为了验证GA算法在工艺间巡检路线规划上的适用性，在上述房间中随机选出部分工艺间，设置检修起点和终点采用进行路径规划计算。本文GA算法采用的计算参数如表1所示。表1控制参数Table1Control parameters of GA参数值种群规模100选择阅值0.9进化代数200核电厂检修工艺间的个数与电厂的运行状态相关，本文为了验证算法的适用性，分别选取一层内的5个工艺间和跨层（两层）的10 个599工艺间进行计算。2.2算例1算例1中选中的5个房间进行路径规划，工艺间在厂房的位置如图4中斜线阴影部分所示。图4中交叉线阴影所在的房间表示此次巡检的起点和终点。部分工艺间名称及相应的赋权矩阵如表2 所示。表中正值表示两个房间之间考虑辐射防护等因素的等效距离，在本文中将辐射分区分为三个等级，分别为红区、黄区和橙区。对于穿过不同等级辐射区，在其距离上分别乘以1.5，1.2，1.1的因子，负值表示两个房间不可直接到达，需要经过其他房间或者区域进行中转。中转所需的最短路径采用前文提到的 A-star算法。表2 房间赋权矩阵Table 2The distance weight matrix of roomsm房间名称RM004RM005RM013RM014RM018RM023RM024RM027RM039RM040RM0040.0RM005-1.00.0RM013-1.0-1.00.0RM014-1.0-1.011.00.0RM018-1.0-1.0-1.0-1.00.0RM023-1.0-1.0-1.0-1.0-1.00.0RM024-1.0-1.032.925.0-1.05.90.0RM027-1.0-1.055.547.3-1.0-1.026.50.0RM039-1.0-1.0-1.0-1.0-1.0-1.0-1.0-1.00.0RM040-1.0-1.028.820.5-1.0-1.07.930.6-1.00.0图4算例1工艺间平面图Fig.4The layout of process rooms of example one经过10 0 次数值仿真实验，得到巡检的先后顺序为RM005RM004RM014RM039RM027。详细的房间路径为RM005一RM006一RM007RM004RM007RM014RM034RM033RM036RM039RM036RM033RM034一RM027。总的最小巡检距离为116.9。详细的巡检路线如图5所示，算例1巡检房间数目较少，可比较直观地看出最佳巡检路线与计算机采用遗传算法计算得出的巡检路线相符。图5复算例1巡检路线图Fig.5The maintenance path of example one2.3算例2算例2 在两层中选取10 个房间进行路径规划，0 m层需要检修的工艺间及起终点位置（楼梯）如图4所示，5m层工艺间在厂房的位置如图6 中斜线阴影部分所示。600经过10 0 次数值仿真实验，得到巡检的先后顺序为RM005RM014RM004RM106RM111RM124RM117RM121RM039RM027，如图7 所示。总的巡检长度为2 33.5。详细的巡检路径为：RM005一RM006一RM014一RM007RM004RM007RM006RM005RM103RM104RM106RM111RM107RM124RM118RM117RM118RM121RM119RM027RM034RM033RM036RM039RM036RM033RM034RM027。经过的工艺间及通道详细路径如图7 所示。RM119RM113RM120RM109RM112RMI10RM114RM121RM115RM116RMI1RM107RM117RM123RM122RM10RM125RM102RVIRM124RM106RM126RM127图6算例2 工艺间平面图Fig.6The layout of process rooms of exampletwo图7 算例2 巡检路线图Fig.7The maintenance path of example two3结论本文根据核电厂检修涉及的内容，选取核电厂辐射分区等级，采用距离权重因子的方法结合厂房内各工艺间的通行状态和距离，得到各工艺间的等效通行距离，建立核电厂厂房工艺间路径赋权矩阵。采用遗传算法（GA），将工艺间的检修顺序作为染色体编码，进行检修路径规划，并通过A-star算法计算巡检路径长度完成巡检方案的评价。通过编程实现巡检规划相关算法，对单层厂房和多层厂房下不同巡检工艺间个数的算例进行巡检路线规划，得到了对应赋权矩阵下的优化的巡检路线。采用巡检路径规划的方法，缩减巡检路线的长度，减少人员在厂房内的巡检时间，从而减少巡检人员的所受辐照剂量，保证核电厂检修人员的职业健康，在核电厂或者常规电厂的巡检路线规划上具有较大的实用性。目前针对同一厂房的巡检点进行路线规划，后续应当针对主厂房巡检、多厂房巡检、跨厂房巡检点，进一步细化辐射防护权重因素，并考虑工艺间内检修时长等因素进行拓展研究。参考文献：1张张江维.自适应混合粒子群优化算法求解大规模旅行商问题J.计算机应用与软件，2 0 15，32（12)：2 6 5-2 6 9.2胡士娟。基于改进遗传算法的多旅行商问题的研究D.江苏：江南大学，2 0 19.3李孟霖，余祥，巫岱玥，等.基于蚁群TSP算法的路径规划问题研究C/中国指挥与控制学会.第六届中国指挥控制大会论文集（上册）.北京：电子工业出版社，2018:262-268.4黄丽韶.基于模拟退火算法的TSP研究J.电脑与电信，2 0 12（0 4）：36-38+47.5黄岚，王康平，周春光，等粒子群优化算法求解旅行商问题J】吉林大学学报（理学版），2 0 0 3（0 4）：47 7-48 0.6代坤，鲁士文，蒋祥刚基于遗传算法的多人旅行商问题求解J.计算机工程，2 0 0 4（16)：139-140+145.7 宋岩基于A-Star算法的进路搜索研究D.四川：西南交通大学，2 0 14.