沈自所提出 AI 驱动核电传感器故障检测新框架

　　自给能中子探测器是核电站堆芯功率监测的核心设备，其采集的信号直接关系机组运行调控与安全防护。该类传感器长期处于复杂工况环境中，工况正常波动与设备故障特征极易混淆，跨功率工况下的故障检测一直是行业技术难点。
 

面向变功率工况的PAG-DAF故障检测框架
 

　　针对上述问题，中国科学院沈阳自动化研究所工业控制网络与系统研究室科研团队提出了一种面向变功率工况的功率感知图域自适应框架(Power-Aware Graph Domain Adaptation Framework, PAG-DAF)。
 

　　该方法通过多尺度时间特征提取捕获多通道SPND信号的动态演化规律，构建融合功率信息的图结构以表征时间依赖、传感器耦合及功率调制效应，并结合边条件消息传递与对抗域对齐机制，学习跨功率工况下稳定鲁棒的特征表示。
 

　　实验结果表明，该方法能够有效缓解变功率工况引起的分布偏移，显著提升传感器跨工况监测与故障诊断的准确性。
 

　　该研究成果以A power-aware graph domain adaptation framework for variable-power fault detection of self-powered neutron detectors in nuclear power plants为题，发表于人工智能与智能系统应用领域国际期刊Expert Systems With Applications。沈阳自动化所博士研究生唐紫萱为论文第一作者，徐皑冬研究员为通讯作者。该研究得到了国家重点研发计划项目的支持。(工业控制网络与系统研究室)
 

　　引用：沈自所提出 AI 驱动核电传感器故障检测新框架 中国科学院沈阳自动化研究所 【引用时间：2026年6月16日】