(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111251821.9 (22)申请日 2021.10.26 (71)申请人 四川大学 地址 610000 四川省成 都市一环路南 一段 24号 (72)发明人 周新志　王海麟　朱加良　何正熙　 青先国　徐涛　董晨龙　刘丹会　 (74)专利代理 机构 昆明合众智 信知识产权事务 所 53113 代理人 刘静怡 (51)Int.Cl. G21C 17/017(2006.01) G21C 17/032(2006.01) G06F 30/27(2020.01) G06F 30/28(2020.01)G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 基于超声阵列的核反应堆主管道冷却剂温 度流量的计算方法 (57)摘要 本发明涉及超声波测量领域， 特别是指基于 超声阵列的核反应堆主管道冷却剂温度流量的 计算方法， 解决了现有技术中超声波测量流量过 程中测量精度低的问题。 本发明通过在管道外侧 设置超声换能器组， 并通过网络模块连接远程服 务器， 一通过CFD构建模型计算输入参数下温度 和流速的模型场； 二建立关系描述模型； 三重构 场测量与计算； 四通过重构场和模 型场的误差进 行超声换能器组的拓扑结构的反馈整定。 本发明 通过消除超声波在非水介质下的影 响因素， 提升 换能器组测量精度； 通过CFD和神经网络模型计 算输入参数下的温度和流速， 与换能器组测量的 温度和流速进行方差计算， 并通过调整换能器组 的拓扑结构， 进一步提升测量精度。 远程服务器 连接换能器组， 实现测量的实时监测。 权利要求书2页 说明书11页 附图2页 CN 114068051 A 2022.02.18 CN 114068051 A 1.基于超声阵列的核反应堆主管道冷却剂 温度流量的计算方法， 管道外侧设置有超声 换能器组， 所述换能器组通过网络模块连接远程 服务器， 其特 征在于： 一模型场建立： 通过CFD构建模型， 建立输入参数下的完整连续的主管道冷却剂空时域 温度分层扩散模型及流速分布模型； 二建立超声 波传播速度与冷却剂三要素的关系描述模型； 三重构场测量与计算： 测量各条有效声波传播路径的飞渡时间； 网络模块将换能器组 的信号通过网络模块传输至远程服务器； 重构管道内冷却剂实时温度分布与流速分布； 计 算平均温度和流 量； 四通过重构场和模型场的误差进行超声换能器组的拓扑 结构的反馈整定 。 2.根据权利要求1所述的基于超声阵列的核反应堆主管道冷却剂温度流量的计算方 法， 其特征在于： 所述步骤三包括超声波传输时间校准， 包括模拟实验平台并获取实验数 据； 所述模拟实验平台包括可控制温度的管道， 设置 于管道外侧的超声换能器。 3.根据权利要求2所述的基于超声阵列的核反应堆主管道冷却剂温度流量的计算方 法， 其特征在于： 所述超声 波传输时间校准具体的是： 1在空管状态下和温度T0下， 通过改变超声 波传播路径得到该温度下的τ0的结果； 其中， L1和L2分别为两条传播路径的长度， t1和t2分别为超声波在两 条传播路径上的传播时间； 2改变温度， 多次重复实验计算得到不同温度下τ0的结果； 3对实验计算结果进行拟合， 得到超声波在非水介质中的时间延迟与温度之间的描述 模型τ0＝F(T)。 4.根据权利要求3所述的基于超声阵列的核反应堆主管道冷却剂温度流量的计算方 法， 其特征在于： 所述步骤二具体的是： (1)建立超声波声速与冷却剂三要素的关系式； (2) 模拟实验平台并获取实验数据； (3)采用机器学习方法建立超声波声速与冷却剂温度、 压 强、 浓度之间的关系描述模 型； 所述模拟实验平台还包括具有进 水口、 出水口和浓度控制装 置的恒温槽、 控制压力的金属管道； 所述超声换能器连接微控 装置。 5.根据权利要求3所述的基于超声阵列的核反应堆主管道冷却剂温度流量的计算方 法， 其特征在于： 所述 步骤四具体的是子区划分： 调整超声换能器拓扑结构： 基于重构场和模型场的误差分布调整超声换能器阵列拓扑 结构； 基于反馈机制的动态调整： 以重构误差为目标变量， 子区的内圈半径Rir和径向角度θ为 控制变量， 确定最佳内圈半径Rir和径向角度 θ 。 6.根据权利要求5所述的基于超声阵列的核反应堆主管道冷却剂温度流量的计算方 法， 其特征在于： 所述超声 换能器阵列拓扑结构为广播式， 具体的是超声 换能器均匀设置于 待测管道的截面上。 7.根据权利要求6所述的基于超声阵列的核反应堆主管道冷却剂温度流量的计算方 法， 其特征在于： 所述 步骤一具体的是： a通过计算 流体力学CFD计算设定参数 下的管道典型截面的冷却剂温度与流速数据； b神经网络模型训练CFD仿真结果： 通过神经网络模型对步骤a 中的仿真结果进行训练；权　利　要　求　书 1/2 页 2 CN 114068051 A 2c预测结果： 利用步骤b 中的神经网络模型， 预测得到管道内冷却剂的连续完整的温度 与流速分布。 8.根据权利要求3所述的基于超声阵列的核反应堆主管道冷却剂温度流量的计算方 法， 其特征在于： 所述步骤3的拟合是采用超过两个超声传输特性个体学习器学习和个体学 习器策略结合的机器学习方法。权　利　要　求　书 2/2 页 3 CN 114068051 A 3