反应堆主环主管道可在高温、高压和复杂负载条件下长时间运行。裂纹可能在腐蚀、侵蚀和疲劳的综合作用下形成，进而演变为泄漏事故，威胁核电站的安全稳定运行。为解决传统监测方法在表征早期泄漏条件方面能力有限的问题，本研究基于泄漏声学信号和机器学习，探讨了反应堆主环主管道的状态监测方法。通过分析不同压力条件下泄漏声学信号的时频响应特性，建立了声学特征与管道运行压力之间的映射关系。
建立了用于管道泄漏的双传感器声学信号采集系统，并在0.2至1.0兆帕的五种压力条件下进行了实验。从时域、频域和频带能量域提取多维声学特征，包括均方根（RMS）、峰值值、峰度、功率谱密度（PSD）、峰值频率、谱熵和频带能量。结果显示，管道压力的变化会显著改变泄漏声学信号的振幅、能量和频谱分布，且与能量相关的特征对压力变化表现出相对较高的敏感性。随后，采用滑动窗口法构建了1510个样本，并将两个测量点的多维声学特征融合，开发了用于管道压力预测的随机森林回归模型。该模型在测试集上实现了确定系数（R2R^2）为0.916，均方根误差（RMSE）为0.079 MPa，平均绝对误差（MAE）为0.053 MPa。五重交叉验证得出平均R2R^2为0.921，标准差为0.013，显示出良好的预测准确性和稳定性。最后，采用了SHapley加法解释（SHAP）来评估特征贡献。结果表明，能量相关的特征，如两个测量点的均方根值，对压力预测贡献较大。
本研究将泄漏声学信号分析从基于特征的定性评估扩展到管道运行压力的定量表征。该方法为反应堆主环主管道的泄漏状况监测提供方法学支持，同时也支持后续泄漏严重度识别和不同泄漏规模条件下的智能预警。