使用Voronoi分裂辅助卷积神经网络从稀疏和可移动传感器重建反应堆场

摘要：操作反应堆的老化导致反应堆内部的机械振动增加。近乎其标称位置的核心传感器的振动是中子场重建的新问题。目前的场重建方法无法处理空间移动传感器。在本研究中，我们提出了一种结合卷积神经网络的Voronoi分裂技术来应对这一挑战。来自可移动核心传感器的观测结果通过Voronoi分裂投影到同一全局场结构上，保持了传感器的幅度和位置信息。使用通用卷积神经网络从观测学习映射到全局场。该方法使用来自单一场（例如热通量）的观测重建多物理场（包括快速通量、热通量和功率率）。基于IAEA基准的数值测试展示了该方法在实际工程应用中的潜力，特别是在标称位置周围5厘米的幅度范围内，导致L₂和L∞范数平均相对误差分别低于5%和10%。