from 10 to 16 weeks
from 4 to 7 hours per week
2 credit units
Russian languageДанный курс предназначен для студентов и аспирантов, интересующихся вопросами применения методов и алгоритмов технической диагностики применительно к оборудованию АЭС.
Курс отличает практическая направленность на изучение современных методов диагностики, интеллектуального анализа данных и построения математических моделей диагностирования для различного оборудования АЭС.
Курс состоит из 3-х модулей: «Основы технической диагностики оборудования АЭС», «Методы и алгоритмы построения математических моделей для технической диагностики» и «Системы технической диагностики АЭС».
В курсе дается подробный обзор применяемых методов и алгоритмов технической диагностики для существующего оборудования на АЭС.
В результате прохождения курса слушатель получит знания в части того, какие задачи и как решаются с помощью методов и алгоритмов технической диагностики на АЭС.
Слушатели изучат современные методы диагностики и примеры их применения в зависимости от типа оборудования.
Особое внимание в курсе уделяется обзору существующих методов и алгоритмов оценки и прогнозирования технического состояния оборудования. Слушатели изучат основные инструменты для построения математических моделей технической диагностики оборудования АЭС и узнают, какие системы диагностики в настоящее время используются на АЭС.
В результате прохождения курса слушатели приобретут навыки применения различных методов и алгоритмов диагностирования оборудования АЭС.
Курс поможет слушателю сформировать знания и умения, которые пригодятся при решении задач, связанных с построением математических моделей технической диагностики оборудования АЭС.
1. Трофимов А.И. Приборы и системы контроля ядерных энергетических установок: Учебное пособие. — М.: Энергоатомиздат, 1999
2. Тейлор Дж. Введение в теорию ошибок. — М.: Мир, 1985
3. Коллакот Р. Диагностика повреждений. — М.: Мир, 1989
4. Сергиенко А.В. Цифровая обработка. Уч. пособие для вузов. СПб, 2002
5. Маркин Н.С. Основы теории обработки результатов измерений — М.: Издательство стандартов, 1991
6. Применение цифровой обработки сигналов / Под ред. Э. Оппенгейма. — М.: Мир, 1980
7. Аркадов Г.В., Павелко В.И., Усанов А.И. Виброшумовая диагностика ВВЭР / Под ред. А.А. Абагяна. — М.: Энергоатомиздат, 2004
8. Зайцев К.С., Дунаев М.Е. Использование методов машинного обучения и языка Python для анализа данных: лабораторный практикум – Москва: ЭБС НИЯУ МИФИ.Ч.1., 2019
9. Стефанова И.А. Обработка данных и компьютерное моделирование – учебное пособие - СПб: Лань, 2020
10. Дюк В.А. Логический анализ данных – учебное пособие. СПб: Лань, 2020
11. Юре Л., Ананд Р., Джеффри Д.У. Анализ больших наборов данных – Москва: ДМК Пресс, 2016
12. Аркадов Г.В., Павелко В.И., Финкель Б.М. Системы диагностирования ВВЭР – М.: Наука, 2019
13. Маккинни У. Python и анализ данных. – Litres, 2022.
14. Ермаков О. А., Брозгунова Н. П. Python-как инструмент для анализа данных //Наука и Образование. – 2020. – Т. 3. – №. 4.
15. Рашка С. Python и машинное обучение. – Litres, 2022.
Базовые знания об устройстве современной АЭС, используемых приборах и оборудовании.
Понимание основ математической статистики, теории вероятностей и линейной алгебры.
Модуль 1. Основы технической диагностики оборудования АЭС
Раздел 1. Современная АЭС как объект диагностирования
Раздел 2. Задачи общетехнической диагностики
Раздел 3. Техническое состояние объекта диагностирования
Раздел 4. Алгоритмы диагностирования. Методы диагностики.
Раздел 5 Системы технической диагностики АЭС
Модуль 2. Методы и алгоритмы построения математических моделей для технической диагностики
Раздел 1. Разведочный анализ данных
Раздел 2. Методы кластерного анализа данных в задачах технической диагностики оборудования АЭС
Знание основ технической диагностики: задачи, техническое состояние объекта диагностирования и виды технического состояния.
Знание основных алгоритмов и методов диагностирования оборудования.
Знание основных методов и алгоритмов построения математических моделей для технической диагностики: методов разведочного анализа, шкалирования, кластерного анализа данных.
Знание регрессионных моделей для оценки и прогнозирования технического состояния и остаточного ресурса оборудования, моделей классификации для поиска аномальных режимов работы оборудования.
Знание моделей искусственных нейронных сетей.
Знание инструментов для построения математических моделей технической диагностики оборудования АЭС и умение ими пользоваться.
Знание особенностей АЭС как объекта диагностирования.
Знание задач, состава и принципов работы основных систем технической диагностики АЭС: шумовой диагностики, вибродиагностики и виброшумовой диагностики, систем контроля герметичности оболочек твэл, систем диагностирования течей трубопроводов.
Умение применять основные методы и алгоритмы построения математических моделей для решения задач технической диагностики АЭС.
В результате обучения по курсу слушатель будет
Знать:
Уметь:
The start date will be announced later
The course has already startedCourse enrollment is not yet open
Национальный исследовательский ядерный университет «МИФИ»
НИЯУ МИФИ
СПбГУ
