glonucsecГлобальная ядерная безопасностьGlobal Nuclear Safety2305-414X2499-9733National Research Nuclear University "MEPhI"10.26583/gns-2025-03-04HYBNZYglonucsec-338Research ArticleПРОЕКТИРОВАНИЕ, ИЗГОТОВЛЕНИЕ И ВВОД В ЭКСПЛУАТАЦИЮ ОБОРУДОВАНИЯ ОБЪЕКТОВ АТОМНОЙ ОТРАСЛИDESIGN, MANUFACTURE AND COMMISSIONING COMMISSIONING OF EQUIPMENT NUCLEAR INDUSTRY FACILITIESАвтоматизация диагностики оборудования АС с помощью искусственных нейронных сетейAutomation of NPP equipment diagnostics using artificial neural networkshttps://orcid.org/0009-0003-4944-2141ЧенцоваА. Ю.ChentsovaA. Yu.

студент, «Информационные системы и технологии»

Student, «Information systems and technologies»

elkit2004@yandex.ruШапошниковаН. Ю.ShaposhnikovaN. Yu.

старший преподаватель

Senior lecturer

NYShaposhnikova@mephi.ruhttps://orcid.org/0000-0001-5854-2353МикшинИ. А.MikshinI. A.

Ведущий инженер

Senior Engineer

mikshin89@mail.ruhttps://orcid.org/0009-0001-4503-4971ВоробьёвЕ. В.VorobievE. V.

Инженер

Engineer

xpanr@ya.ruВолгодонский инженерно-технический институт – филиал Национального исследовательского ядерного университета «МИФИ»Volgodonsk Engineering Technical Institute the branch of National Research Nuclear University «MEPhI»2025260920251533642Copyright © Ченцова А.Ю., Шапошникова Н.Ю., Микшин И.А., Воробьёв Е.В., 20252025Ченцова А.Ю., Шапошникова Н.Ю., Микшин И.А., Воробьёв Е.В.Chentsova A.Y., Shaposhnikova N.Y., Mikshin I.A., Vorobiev E.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://glonucsec.elpub.ru/jour/article/view/338

В статье рассматривается актуальная проблема автоматизации диагностики оборудования атомных станций для повышения его надежности и безопасности. Предлагается метод обнаружения течей трубопроводной арматуры на основе применения искусственных нейронных сетей для анализа термографических изображений. Методология основана на тепловизионном контроле, который позволяет дистанционно и бесконтактно фиксировать распределение температуры на поверхности оборудования. На основе ограниченного набора исходных термографических снимков была создана и обучена сверточная нейронная сеть для бинарной классификации состояния оборудования (наличие и отсутствие течи). Обученная модель продемонстрировала 100% точность на тестовых данных. Разработанный подход позволяет автоматизировать процесс диагностики, исключить влияние человеческого фактора и может быть интегрирован в системы предиктивного обслуживания и мониторинга в реальном времени.

The article discusses the actual problem of automating the diagnostics of nuclear power plant equipment to improve its reliability and safety. A method for detecting leaks in pipe fittings based on the use of artificial neural networks for the analysis of thermographic images is proposed. The methodology is based on thermal imaging control, which allows remote and contactless recording of temperature distribution on the surface of the equipment. Based on a limited set of initial thermographic images, a convolutional neural network is created and trained for binary classification of equipment condition (presence and absence of leaks). The trained model demonstrated 100% accuracy on the test data. The developed approach makes it possible to automate the diagnostic process, eliminate the influence of the human factor and can be integrated into predictive maintenance and real-time monitoring systems.

автоматизированные системыатомная станциядиагностика оборудованияискусственные нейронные сетинадежная эксплуатациянеразрушающий контрольтепловизионный контрольтермографический снимоктечьтрубопроводная арматураautomated systemsnuclear power plantequipment diagnosticsartificial neural networksreliable operationnon-destructive testingthermal imagingthermographic imageleakpipeline fittingsReferencesТитов С.А., Барбин Н.М., Кобелев А.М. Анализ аварийных ситуаций, связанных с пожарами на атомных электростанциях. Пожаровзрывобезопасность. 2021;30(5):66–75. https://doi.org/10.22227/0869-7493.2021.30.05.66-75Титов С.А., Барбин Н.М., Кобелев А.М. Анализ аварийных ситуаций, связанных с пожарами на атомных электростанциях. Пожаровзрывобезопасность. 2021;30(5):66–75. https://doi.org/10.22227/0869-7493.2021.30.05.66-75Саубанов О.М., Валеев А.Р., Акимов В.И., Харисов Р.М., Ташбулатов Р.Р. Разработка комплексного под-хода к определению технического состояния насоснокомпрессорного оборудования. Транспорт и хранение нефтепродуктов и углеводородного сырья. 2019;2:30–35. https://doi.org/10.24411/0131-4270-2019-10206Саубанов О.М., Валеев А.Р., Акимов В.И., Харисов Р.М., Ташбулатов Р.Р. Разработка комплексного под-хода к определению технического состояния насоснокомпрессорного оборудования. Транспорт и хранение нефтепродуктов и углеводородного сырья. 2019;2:30–35. https://doi.org/10.24411/0131-4270-2019-10206Швец Д.В., Абидова Е.А., Калашников М.В., Поваров П.В., Воробьев Е.В. Концепция создания комплекс-ной автоматизированной системы тепловизионного контроля. Глобальная ядерная безопасность. 2022;(1):60–66. https://doi.org/10.26583/gns-2022-01-06Швец Д.В., Абидова Е.А., Калашников М.В., Поваров П.В., Воробьев Е.В. Концепция создания комплекс-ной автоматизированной системы тепловизионного контроля. Глобальная ядерная безопасность. 2022;(1):60–66. https://doi.org/10.26583/gns-2022-01-06Ещенко Д.В., Никитин А.Т., Белов О.А. Практическое применение методов тепловизионного анализа и контроля // Вестник КамчатГТУ. 2020;(54):6–19. https://doi.org/10.17217/2079-0333-2020-54-6-19Ещенко Д.В., Никитин А.Т., Белов О.А. Практическое применение методов тепловизионного анализа и контроля // Вестник КамчатГТУ. 2020;(54):6–19. https://doi.org/10.17217/2079-0333-2020-54-6-19Yuanbin W., Yang Y., Jieying R. Research on thermal state diagnosis of substation equipment based on infrared image. Advances in Mechanical engineering. 2019;4(11):1–14. https://doi.org/10.1177/1687814019828551Yuanbin W., Yang Y., Jieying R. Research on thermal state diagnosis of substation equipment based on infrared image. Advances in Mechanical engineering. 2019;4(11):1–14. https://doi.org/10.1177/1687814019828551Kadurumba C.H., Nwaiwu U., Nwasuka N.C. Neural network applications. International journal of mechanical and production engineering research and development. 2020;10(3):11897–11910. Available at: https://www.researchgate.net/publication/344174270_NEURAL_NETWORK_APPLICATIONS (accessed: 02.04.2025).Kadurumba C.H., Nwaiwu U., Nwasuka N.C. Neural network applications. International journal of mechanical and production engineering research and development. 2020;10(3):11897–11910. Available at: https://www.researchgate.net/publication/344174270_NEURAL_NETWORK_APPLICATIONS (accessed: 02.04.2025).Старчевский М.В., Бида П.И. Использование нейронных сетей в диагностике автоматизированного элек-тропривода. Форум молодых ученых. 2017;4(8):115–120. Режим доступа: https://www.forum-nauka.ru/_files/ugd/b06fdc_779bcc49ad634b319187cfb6fa067762.pdf (дата обращения: 26.04.2025).Старчевский М.В., Бида П.И. Использование нейронных сетей в диагностике автоматизированного элек-тропривода. Форум молодых ученых. 2017;4(8):115–120. Режим доступа: https://www.forum-nauka.ru/_files/ugd/b06fdc_779bcc49ad634b319187cfb6fa067762.pdf (дата обращения: 26.04.2025).Пехота А.Н., Галушко В.Н., Громыко И.Л. Технология использования сверточных нейронных сетей при диагностике состояния трансформаторов. Вестник Полоцкого государственного университета. Серия С. Фун-даментальные науки. 2021;12:63–69. Режим доступа: https://journals.psu.by/fundamental/article/view/1132 (дата обращения: 26.04.2025).Пехота А.Н., Галушко В.Н., Громыко И.Л. Технология использования сверточных нейронных сетей при диагностике состояния трансформаторов. Вестник Полоцкого государственного университета. Серия С. Фун-даментальные науки. 2021;12:63–69. Режим доступа: https://journals.psu.by/fundamental/article/view/1132 (дата обращения: 26.04.2025).Ибряева О.Л., Мохаммад М.Н. Диагностика неисправностей подшипников качения с использованием пи-ков спектра и нейронных сетей. Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2022;11(2):59–71. http://dx.doi.org/10.14529/cmse220205Ибряева О.Л., Мохаммад М.Н. Диагностика неисправностей подшипников качения с использованием пи-ков спектра и нейронных сетей. Вестник ЮУрГУ. Серия: Вычислительная математика и информатика. 2022;11(2):59–71. http://dx.doi.org/10.14529/cmse220205Бредихин А.И. Алгоритмы обучения сверточных нейронных сетей. Вестник ЮГУ. 2019;15(1):41–53. Ре-жим доступа: https://vestnikugrasu.org/byusu/issue/view/917 (дата обращения: 27.04.2025).Бредихин А.И. Алгоритмы обучения сверточных нейронных сетей. Вестник ЮГУ. 2019;15(1):41–53. Ре-жим доступа: https://vestnikugrasu.org/byusu/issue/view/917 (дата обращения: 27.04.2025).

The authors declare that there are no conflicts of interest present.