인공지능을 활용한 CANDU 압력관 결함 사전 탐지 자동화 시스템

• Published in: 디지털콘텐츠학회논문지 Vol. 25; no. 8; pp. 2135 - 2144
• Main Authors: 성주용(JuYong Seong), 이현준(Hyunjun Lee), 이성철(Sungchul Lee)
• Format: Journal Article
• Language: Korean
• Published: 한국디지털콘텐츠학회 01.08.2024
• Subjects: 컴퓨터학; CANDU Reactor; Pre-detection; Automated; 사전 탐지; Pressure Tube; 자동화; 압력관; 결함; 캔두형 원자로; Failure
• ISSN: 1598-2009; 2287-738X
• DOI: 10.9728/dcs.2024.25.8.2135

Canada Deuterium Uranium(CANDU) 원자로는 노심에 수평적인 구조를 적용하여 원자로 내의 연료를 실시간으로 재보급이 가능하도록 하였다. 그러나 수평적인 구조는 압력관 결함에 원인이 되기도 한다. 이를 방지하기 위해 캐나다는 법규와 표준을 정립함과 동시에 압력관의 건전성을 측정하기 위한 방법들을 연구하고 있다. 하지만 기존의 건전성 측정 방식은 법적 정기 점검이 필요한 경우 시행이 되며 주로 수동적인 방식을 이용하고 있다. 따라서, 우리는 기존 방식의 한계를 해결하기 위해 딥러닝을 활용한 결함 사전 탐지 자동화 시스템을 구현하였다. 본 연구에서는 CANDU 운전 시 발생하는 압력관의 진동을 스팩트로그램으로 변환하였고, 이를 딥러닝 이미지 분류 모델 학습에 활용하였다. 그 결과 비전 트랜스포머 모델이 가장 우수한 분류 성능을 보였다. 우리는 이 모델을 시스템에 적용하여 CANDU 압력관 결함 사전 탐지 자동화 시스템을 성공적으로 구현했다. The Canada Deuterium Uranium (CANDU) reactor utilizes a horizontal structure for its core to enable real-time reactor refueling. However, horizontal construction can lead to pressure tube failures. Canada has established legislation and standards to prevent these failures and is actively researching methods to assess pressure tube integrity. However, traditional methods for assessing pressure tube integrity are typically passive and are conducted only during planned statutory outages. To address the limitations of these methods, we have implemented an automated pre-detection system utilizing deep learning. The vibration of the pressure tube generated during CANDU operation is transformed into a spectrogram which can be used to train deep-learning image classification models. The Vision transformer model results in the best classification performance. We then apply this model to the system and successfully implement an automated system for the pre-detection of CANDU pressure tube failure. KCI Citation Count: 0