Haarscheurtjes in de onderdelen van het reactorvat kerncentrales blijken veel beter te herkennen met een nieuw lerend algoritme. Het kan helpen kerncentrales veiliger te maken.
Het controleren van de kwaliteit van het reactorvat is essentieel voor de veiligheid van een kerncentrale. Dat vat heeft het namelijk zwaar te verduren in een omgeving met hoge temperatuur, hoge druk, radioactieve straling en chemicaliën in het water. Bovendien worden reactorvaten vaak langer gebruikt dan hun ontwerpspecificaties toestaan.
Erosie van het reactorvat ontstaat met name door het verschijnen van haarscheurtjes, die kunnen uitgroeien tot grotere defecten. Zo resulteerden lekkende kleppen en pijpen bij twee kerncentrales in de VS in een schadepost van bijna een miljard dollar.
Straling en hitte
Directe inspectie van het reactorvat is onmogelijk vanwege de hitte en het stralingsgevaar. In plaats daarvan controleert een robotarm het vat met een camera. Die arm gaat het reactorvat langs en stuurt de beelden naar de controlekamer.
De operator moet vervolgens uit de videobeelden zijn conclusies trekken. Het blijkt dat daar nogal wat fouten worden gemaakt. Dat is ook logisch gezien de grote hoeveelheden beeldmateriaal die moet worden bekeken en het lastige onderscheid tussen haarscheurtjes, lasnaden, slijpsporen en krassen. Er zijn inmiddels ook geautomatiseerde methoden die naar de randen van oneffenheden of de textuur van het oppervlak kijken, maar die blijken niet nauwkeurig genoeg.
Kunstmatige intelligentie
De onderzoekers van de Amerikaanse Purdue University presenteerden deze week een nieuwe methode om de beelden te scannen. Deze methode blijkt aanzienlijk nauwkeuriger te werken. Het idee is gebaseerd op een combinatie van lokale patroonherkenning en statistische controle.
Voor de patroonherkenning is gebruik gemaakt van het bestaande arsenaal aan lerende algoritmen. Hoe meer haarscheurtjes de software moet herkennen, hoe beter het resultaat. Patroonherkenning is een van de best ontwikkelde terreinen van kunstmatige intelligentie, en de onderzoekers plukken daar nu de vruchten van.
Statistisch betrouwbaar
Tegelijkertijd benutten de onderzoekers de videobeelden van de robot. Dankzij die beelden is er niet één enkele opname van een mogelijk haarscheurtje, maar er zijn er vele, net zo veel als er frames zijn van het gefilmde stuk van het reactorvat. Door al die frames afzonderlijk te bekijken kan de software de statistische betrouwbaarheid van de waarneming vaststellen. Voldoet de waarneming aan een bepaalde onzekerheidsdrempel, dan geeft het programma aan dat er mogelijk een defect is. Dat maakt de zekerheid over een haarscheurtje een stuk groter. Is zo’n haarscheurtje eenmaal geconstateerd, dan volgt nadere inspectie, of, in het uiterste geval, het stilleggen van de kernreactor.
De nieuwe methode werd gecontroleerd door bestaande beelden van reactorvaten te gebruiken. Daaruit blijkt dat haarscheurtjes veel nauwkeuriger worden aangewezen dan met bestaande methoden. De onderzoekers willen hun methode nog verder gaan verbeteren door ook te voorspellen wat de meest kwetsbare plekken van een reactorvat zijn, om daar de controle op te concentreren. Uiteindelijk moet dit leiden tot voorspellend onderhoud, waarbij het programma een defect opmerkt lang voordat het problemen geeft.
Bron: De Ingenieur