THE IMPROVEMENT OF NEURO-EXPERT METHOD FOR ANOMALYDETECTION IN NUCLEAR REACTOR
Muhammad Subekti · 2009
ABSTRACT The improvement of Neuro-Expert Method have been done for anomaly detection in nuclear reactor by utilization of Recurrent Neural Network (RNN). The development of Multilayer Perceptron (MLP) for similar objective was done in the previous research. Due to the monitoring system needs of redundancy to assure the reactor safety, the Neuro-Expert have been improved in this research by utilization of RNN as added method. Furthermore, the expert system is coupled to MLP and RNN by using specific parameters which depend on the training characteristic. The offline demonstation of MLP and RNN were carry out for PWR Borselle, simulator of PWR Surry-1, RSG-GAS reactor, and High Temperature Engineering Tested Reactor (HTTR). The learning results showed unsignificant different of maximum error of 0.0061 for MLP and 0.0049 for Jordan typed RNN. In the contrary, Elman typed RNN gave unreliable maximum error of 0.0130. Keywords: improvement, Neuro-Expert, multilayer perceptron, Recurrent Neural Network, anomaly detection. ABSTRAK Perbaikan metode Neuro-Expert untuk mendeteksi anomali di reaktor nuklir dengan memanfaatkan Recurrent Neural Network (RNN) telah dilakukan. Pada penelitian sebelumnya, pengembangan metode Multilayer Perceptron (MLP) untuk tujuan yang sama telah dilakukan. Karena sistem monitoring memerlukan redundansi untuk menjamin keselamatan reaktor, maka pada penelitian sekarang ini, metode Neuro-Expert diperbaiki dengan memanfaatkan RNN sebagai metode tambahan. Dan selanjutnya, sistem pakar pada MLP dan RNN menggunakan parameter optimasi yang spesifik sesuai dengan karakteristik pelatihan. Demonstrasi MLP dan RNN secara offline telah dilakukan dengan menggunakan data PWR Borselle, simulator PWR Surry-1, Reaktor RSG-GAS, dan High Temperature Engineering Tested Reactor (HTTR). Hasil pelatihan menunjukkan perbedaan yang tidak signifikan dimana maximum error sebesar 0,0061 untuk MLP dan 0,0049 untuk RNN tipe Jordan. Sebaliknya, RNN tipe Elman memberikan maximum error sebesar 0,0130. Katakunci: improvement, Neuro-Expert, multilayer perceptron, Recurrent Neural Network, anomaly detection.