团队在JRSE期刊发表核电阀门全生命周期可靠性研究的综述论文

近日，团队在可靠性科学与工程（JRSE）期刊正式发表题为“核电站阀门可靠性：全生命周期框架与物理 - 数据融合演进研究综述“的研究综述论文。

团队持续关注核电阀门可靠性问题，积极参与包括中国通用机械工业协会等组织的核电厂阀门可靠性提升形成联合体等行业组织，与核级阀门制造企业、设计院所和核电业主单位等深入合作，希望为核电阀门的可靠性提升贡献更多力量。以下是该研究综述论文的梗概，同各位读者交流。

阀门作为核电“纵深防御”体系中关键的主动执行部件，其可靠性对系统整体安全至关重要。随着机组服役周期的不断延长，传统的静态设计与单阶段研究在应对复杂老化与动态失效时，逐渐显现出一定的局限性。

本文尝试从全生命周期的视角出发，系统梳理了核电阀门在“设计优化、失效机制、寿命评估及智能运维”四个关键维度的研究进展。结合近年来装备可靠性领域正逐步向“物理-数据融合”演进的趋势，我们探讨了主流分析方法和智能算法在落地核电特定场景时，所面临的数据稀缺、多物理场耦合以及严苛监管等冲突。

在此基础上，文章初步展望了未来可能缓解这些工程痛点的四个重点研究方向。我们希望借此梳理起到抛砖引玉的作用，为复杂装备智能运维领域的理论探索与工程实践提供些许参考。

01核电安全背景与阀门可靠性挑战

核能的可持续发展建立在严苛的安全基石之上，其核心是纵深防御(Defence in Depth, DiD)理念 。在这一体系中，阀门构成了实施纵深防御数量最大的主动执行部件，广泛分布于控制反应性、导出热量和包容放射性物质的关键物理屏障中。正如图 1.3核电系统与回路典型阀门分布示意图所示，从稳压器上的先导式安全阀(PORV) 到主蒸汽隔离阀(MSIV)，这些阀门在应对异常运行和设计基准事故中扮演着至关重要的安全保障作用。

核电站系统与回路典型阀门分布示意图

为了确保这些关键设备的功能，核电工业建立了严苛的标准体系（如ASME BPVC、IEEE 352 等）。然而，长期的运行经验(OpEx)表明，阀门仍然是核电站可靠性中一个关键且持续的薄弱环节。

权威机构的事故统计数据直观地反映了这一现状。以美国核管理委员会(NRC)发布NUREG/CR-4692报告为例，表 1.3详细统计了1971-1986 年间 先导式安全卸压阀（PORV）及截止阀 (Block Valve)的失效事件。数据表明，即便在严格的设计和维保标准下，阀门机械部件的内漏（62起）以及控制组件的退化（52起）依然居高不下。

这种基于运行经验（OpEx）的深刻剖析也正在推动行业的巨大进步。正如近期美国爱达荷国家实验室（INL）的报告（INL/RPT-23-73956）及图 1.5 所揭示的那样：尽管过去十年间某些核电低需求阀门（如MOV）的需求频率出现了统计学上的显著增长，但其失效概率却呈现出显著下降的趋势。这种“需求增加、失效率下降”的显著进展，有力地证明了建立从运行失效反馈到全生命周期可靠性闭环管理的重要工程意义。

这提示我们，在遵循初期静态设计标准的基础上，面对长周期服役的复杂挑战，有必要进一步构建涵盖设备完整生命周期的可靠性研究体系。

参考文献：

[1] Murphy, G. A., & Cletcher, J. W., II. (1987). Operating experience review of failures of power operated relief valves and block valves in nuclear power plants (Report No. NUREG/CR-4692, ORNL/NOAC-233). U.S. Nuclear Regulatory Commission.

[2] Ma, Z. (2023). Enhanced component performance study: Motor-operated valves 1998–2022 (Report No. INL/RPT-23-73956). Idaho National Laboratory.

PORV机械/控制部件及截止阀的失效模式统计

a) 低需求电动阀（MOV）未能按要求动作（FTOC）的失效概率估计趋势

b) 低需求电动阀FTOC的需求频率统计[16]

02全生命周期可靠性分析——四大关键维度

鉴于传统研究往往局限于单一的失效机制或运维阶段，本文构建了一个全生命周期可靠性框架。该框架由四个相互依存的关键维度构成，形成了一个从设计到运维的闭环。

维度一：以可靠性为导向的设计与优化

传统的阀门设计高度依赖有限元分析与计算流体力学来验证流动、动力学和结构特性。例如，通过流场仿真不仅可以精准定位多级套筒阀内易发生空化的低压区[3]，还能揭示严重事故热冲击下，热载荷而非压力载荷才是导致阀体应力过载的首要原因[4]。然而，传统仿真的高计算成本成为了多参数全局优化的瓶颈。目前的研究正向数据驱动的高效优化演进，通过构建代理模型（如Kriging、多项式混沌展开）或更具鲁棒性的集成代理模型（如E-AHF）来替代昂贵的物理仿真[5]。同时，针对复杂管网，融合一维特征线法与三维代理模型的多保真度建模技术，正大幅提升系统级的仿真效率[6]。

参考文献：

[3] Sun, Y., Wu, J., Xu, J., & Bai, X. (2022). Flow characteristics study of high-parameter multi-stage sleeve control valve. Processes, 10(8), 1504.

[4] Li, W. Q., Zhao, L., Yue, Y., Wu, J. Y., Jin, Z. J., & Qian, J. Y. (2022). Thermo-mechanical stress analysis of feed-water valves in nuclear power plants. Nuclear Engineering and Technology, 54(3), 849-859.

[5] Zong, C., Shi, M., Li, Q., Liu, F., Zhou, W., & Song, X. (2022). Design optimization of a nuclear main steam safety valve based on an E-AHF ensemble surrogate model. Nuclear Engineering and Technology, 54(11), 4181-4194.

[6] Song, X., Li, Q., Liu, F., Zhou, W., & Zong, C. (2023). Multi-fidelity modeling and analysis of a pressurized vessel-pipe-safety valve system based on MOC and surrogate modeling methods. Nuclear engineering and technology, 55(8), 3088-3101.

维度二：关键失效模式与机制剖析

在严苛的服役环境中，阀门的失效并非由单一载荷引起，而是“驱动力（如流致振动、热循环）+加速器（腐蚀环境）+起源点（制造缺陷）”耦合作用的结果。例如，1987年 Farley 2号机组事故中，正是止回阀内漏引发的冷热流体交替带来的热条带效应，导致了管道严重的疲劳断裂。对于流道退化如空化、冲刷，研究已从定性的失效描述走向定量的损伤预测与精确物理定位，进而反哺抗磨损结构设计[7]。更值得注意的是，阀门在功能层面存在着密封与动作的固有物理矛盾[8]。为了防漏而施加的高填料压紧力，往往会引起高静摩擦（粘滞），这正是三哩岛事故中安全阀发生机械卡涩并演变为严重事故的核心机制之一[9]。

参考文献：

[7] Li, Q., Zhang, S., Wang, M., Zong, C., Li, X., & Song, X. (2023). Numerical and experimental analysis of cavitation characteristics in safety valves of the nuclear power second circuit using a modified cavitation model. Engineering Applications of Computational Fluid Mechanics, 17(1), 2251546.

[8] Sotoodeh, K. (2021). A review of valve stem sealing to prevent leakage from the valve and its effect on valve operation. Journal of Failure Analysis and Prevention, 21(1), 9-16.

[9] Wu, Y., Azzi, M., Khelfaoui, F., Vernhes, L., Martinu, L., & Klemberg-Sapieha, J. (2024). Static friction measurement methodology for the assessment of performance of industrial valves at high temperatures: Case study for a nickel-based alloy coating. Tribology International, 192, 109237k.

维度三：可靠性评估与寿命预测

了解了失效机制后，下一步是将确定性的物理退化转化为概率性的风险评估 。在系统层面，传统的静态故障树分析正向能够处理复杂并发行为的动态概率风险评估（如基于Petri网）演进[10]。这种演进摒弃了过时的常数故障率假设，将设备老化和不完美维修导致的动态故障率引入系统模型中[11,12]。在部件寿命预测层面，物理模型（PBM）虽具备强解释性，但模型复杂且对参数极其敏感；数据驱动模型（DDM）如长短期记忆网络（LSTM），虽擅长提取非线性退化特征，却受困于黑盒属性与核电领域典型的小样本难题 。因此，通过物理信息神经网络（PINN）等技术[13]实现物理与数据的深度融合，正成为平衡模型可解释性与计算效率的重要途径。

参考文献：

[10] Kumar, P., Singh, L. K., & Kumar, C. (2020). Performance evaluation of safety-critical systems of nuclear power plant systems. Nuclear Engineering and Technology, 52(3), 560-567.

[11] Parsaei, S., Pirouzmand, A., Nematollahi, M. R., Ahmadi, A., & Hadad, K. (2024). Effect of test-caused degradation on the unavailability of standby safety components. Nuclear Engineering and Technology, 56(2), 526-535.

[12] Martorell, P., Martón, I., Sánchez, A. I., & Martorell, S. (2017). Unavailability model for demand-caused failures of safety components addressing degradation by demand-induced stress, maintenance effectiveness and test efficiency. Reliability Engineering & System Safety, 168, 18-27.

[13] Lai, C., Ahmed, I., Zio, E., Li, W., Zhang, Y., Yao, W., & Chen, J. (2024). A multistage physics-informed neural network for fault detection in regulating valves of nuclear power plants. Energies, 17(11), 2647.

维度四：状态监测与智能运维

智能运维旨在从传统的被动响应与定时维修，转向基于风险和状态的预测性维修 。在故障诊断方面，技术路线已从“人工特征提取+传统机器学习”整逐步转向端到端的深度学习范式，例如利用双向门控循环单元克服强噪环境[14]。未来的诊断模型也将进一步融合物理守恒方程，以确保在少样本环境下的高可信度。同时，智能运维不仅仅关注“何时修”，更关注“如何修”。统计表明，近47%的核电运维事件与定期维修执行不当直接相关 。因此，运用人误概率预测技术（THERP/HCR）优化高风险维保步骤[15]，并将不完美维修理论引入决策模型，以实现可靠性与经济性的全局最优，是目前智能运维的高阶目标 。

参考文献：

[14] Huang, X. Y., Xia, H., Yin, W. Z., Liu, Y. K., & Miyombo, M. E. (2023). Research on fault diagnosis method of electric gate valve under strong background noise. Annals of Nuclear Energy, 194, 110055.

[15] Yang, D., & Liu, H. (2017, May). Application of THERP HCR model for valve overhaul in nuclear power plant. In AIP Conference Proceedings (Vol. 1839, No. 1, p. 020045). AIP Publishing LLC.

[16] Liu, Z., Zhang, Q., Liu, Y., Lei, Y., & Zuo, M. (2025). Intelligent Reliability Assurance Methodologies for Engineering Systems: Advances and Challenges. Journal of Reliability Science and Engineering.

维修策略的发展历程[16]

03挑战与演进：核电阀门可靠性研究的未来方向

通过对上述全生命周期的梳理，研究表明核电阀门可靠性研究正在经历一次深刻的范式转变：从“静态、孤立、物理主导”的分析，稳步迈向“动态、系统、深度的物理-数据融合”。

这种演进在核电特定装备的应用中面临着四个核心层面的底层冲突：

1. 数据冲突：智能算法需要海量数据，而核电高安全设备面临的现实是故障样本极度稀缺（小样本问题）。

2. 物理冲突：传统的简化物理模型已难以刻画极端事故工况下多物理场耦合的强非线性行为。

3. 系统冲突：阀门是一个复杂的机电液一体化系统，其复合故障模式远超主流通用算法的处理能力。

4. 监管冲突：核电安全对模型的可信度要求极高，纯数据驱动的“黑盒”模型在工程审评中面临巨大的可解释性障碍。

为了进一步促进学术理论与工业应用的有效结合，本文在结论部分对该领域的未来研究趋势进行了展望，主要包括以下四个方面：

1. 深化迁移学习以破解数据稀缺困局。针对核安全关键设备“极低失效频率”甚至“零失效”的客观现实，必须摆脱对大规模历史故障数据的深度依赖。通过在高保真物理仿真数据或通用工业阀门数据集上对诊断模型进行预训练，再将知识迁移至核电特有场景，这是解决高可靠性装备数据稀缺难题的一种科学路径。

2. 突破瞬态多物理场建模的数值刚性瓶颈。目前的可靠性评估多局限于稳态或缓变工况。未来的研究需致力于解决极端事故（如冷热冲击）下瞬态多物理场控制方程的数值刚性问题。通过开发自适应权重策略或专用的神经网络架构，确保数据驱动模型在设备状态发生剧烈突变时依然保持高度鲁棒性。

3. 构建打通部件与系统的数字孪生接口。长期以来，部件级的连续退化与系统级的离散风险评估之间存在方法论的断层 。未来需要利用动态贝叶斯网络或状态空间模型等数学接口，将底层阀门的实时退化轨迹，映射为系统故障树中的动态失效概率，从而构建出能够反映核电站实时安全裕度的系统级数字孪生体。

4. 确立基于物理可验证性的模型审评指标。为了满足核电行业极高的监管与信任门槛，人工智能模型的评价标准必须从单纯的数据拟合精度向物理规律遵从度转变。研究应建立一套严格的框架，将质量或能量守恒的物理残差作为标准化的安全评价指标，证明模型即使在噪声干扰下依然遵循物理定律，为算法最终获取核安全许可提供实质性证据。

全文链接👇：