基于神经网络与表决融合的核动力装置故障诊断方法

针对单神经网络（ANN）故障诊断方法的不足,将多神经网络诊断与表决融合方法结合起来,研究了基于多神经网络与表决融合的核动力装置故障诊断方法。在该方法中,多个不同类型的神经网络训练后用于核动力装置的故障诊断。选择对核动力装置安全有重要影响的运行参数作为各神经网络的输入变量,神经网络的输出是核动力装置的故障模式。用表决融合方法对不同神经网络的诊断结果进行融合,从而得到核动力装置故障诊断的最后结果。利用核动力装置典型的运行模式来验证所提出的诊断方法的效果。结果表明,与单神经网络相比,该方法可提高核动力装置故障诊断结果的精度和可靠性。     

船用核动力装置专家系统技术研究

以船用核动力装置为研究对象 ,建立了运行在仿真机上的全工况核动力装置运行仿真系统。利用智能专家控制理论 ,建立了能够管理整个装置运行的 ,能对典型运行故障进行检测与诊断的管理运行专家系统。此系统在出现故障时能及时调用知识库专家知识进行专家推理 ,分析核动力装置控制实际运行中典型故障产生的原因及解决方法、故障诊断处理具有实时性 ;利用神经网络理论 ,建立了神经网络故障检测与诊断专家系统 ,此系统将不断检测核动力装置各系统 ,并根据检测数据给出故障诊断结果。结果表明 ,在核动力装置三层智能控制结构下 ,利用神经网络故障检测与诊断专家系统对船舶核动力装置可能的运行故障进行险测与诊断 ,利用运行管理专家系统对核动力装置进行运行管理 ,提高了船用核动力装置的运行性能。所进行的专家系统研究对船用核动力装置的安全运行具有一定的指导意义     

基于RELAP5的核动力装置故障诊断数据源研究

为解决故障状态下的核动力装置数据源问题,本文建立了核动力装置一、二回路系统的模型,选择秦山一期核电站为对象,利用RELAP5对蒸汽发生器U型管破裂进行计算.通过结果分析可知所建立的模型节点划分是合理的、数据卡编制准确,基于该模型产生的数据可信.将开发的数据与基于神经网络的故障诊断系统联调,诊断测试结果表明数据准确、充分,可以为核动力装置的故障诊断系统的研究提供数据支持.     

基于遗传算法的核动力设备实时故障诊断系统

在神经网络故障诊断研究的基础上,将遗传算法引入神经网络优化,并在此基础上设计了核动力设备遗传优化神经网络实时故障诊断系统.测试结果表明,该故障诊断系统能迅速、准确、可靠地诊断出所设故障.     

BP－RBF神经网络在核电厂故障诊断中的应用

本工作将BP（backpropagation）神经网络与RBF（radialbasisfunction）神经网络相混合,并将其应用于核电厂的状态监测与故障诊断系统中,通过对核电厂典型故障的特征分析,建立相应的网络结构。为验证该混合网络的有效性,在核动力装置模拟器上进行了仿真实验研究,并用VisualBasic6.0编写了网络程序。研究结果表明：该混合网络具有良好的诊断准确性、实时性和可扩充性。     

SDG故障诊断方法在核动力装置中的应用研究

核动力装置运行状态的诊断关系到装置运行的安全性和可靠性。针对核动力装置系统复杂,难以建立数学模型的特点,本文将基于定性模型的符号有向图（SDG）方法应用于核动力装置中进行故障诊断,并以核动力装置主冷却剂系统为研究对象,提出了相应的建模方法并建立了SDG模型,根据所建立的模型开发了基于SDG方法的核动力装置故障诊断系统,并以蒸汽发生器传热管破裂（SGTR）事故和弹棒事故为例对该系统的诊断推理过程进行了分析。仿真结果表明,基于SDG的方法在核动力装置中能有效诊断故障,并能提供故障传播路径,具有良好的解释性,可为运行人员决策提供帮助。     

基于SDG-QTA的核动力装置故障诊断技术研究

通过对核动力装置进行在线状态监测与故障诊断研究,帮助操作人员及时了解核动力装置的运行状态和事故进程,有助于操作人员进行正确操作,防止事故进一步恶化。符号有向图（SDG）能很好地展示出复杂系统变量之间的关系,同时具有建立模型简单、推理灵活等优点。本文采用SDG对核动力装置进行故障诊断研究。首先,将定性趋势分析(QTA)和阈值法结合对核动力装置进行状态监测。然后,采用SDG对核动力装置进行故障诊断,并通过SDG模型给出故障的传播路径。最后,以核电厂二回路典型故障为例,建立其SDG模型,并通过仿真机对该方法进行验证。     

基于集成神经网络与模糊逻辑融合的稳压器泄漏监测方法

针对稳压器泄漏难以监测的问题,将集成神经网络(INN)与模糊逻辑融合(FLF)方法相结合,研究了稳压器泄漏监测方法。在该方法中,利用RBF神经网络(RBF-NN)建立稳压器泄漏诊断模型;采用两个Elman神经网络(Elman-NN)分别建立稳压器参数预测模型与稳压器泄漏诊断模型;应用模糊逻辑融合方法对RBF-NN与Elman-NN诊断的结果进行融合,并将其作为稳压器泄漏最终监测结果。为验证该方法的可行性,利用压水堆核动力装置模拟器对其监测效果进行了验证。结果表明,与单神经网络诊断方法相比,所提出的监测方法具有更高的可靠性;与其他泄漏监测方法相比,该方法简便、易行。     

基于概率神经网络的核动力装置异常运行工况识别方法设计

核动力装置结构复杂、运行参数多且耦合程度高,在异常运行工况时,运行参数之间存在极其复杂的非线性关系。采用人工方式进行故障诊断难度较大,亟需一种能高效识别异常运行工况类型的智能技术。概率神经网络(PNN)具有良好的非线性映射功能,适用于核动力装置多参数、强耦合情况下的异常运行工况识别。本文选取6种核动力装置异常运行工况,依托核动力装置事故分析平台进行了模拟计算并提取了特征参数。分别采用PNN与BP神经网络方法,在MATLAB环境中建立了异常运行工况识别模型,并进行了验证。结果表明,基于PNN的异常运行工况识别方法有效,且较传统BP神经网络方法更准确、快速。     

基于概率神经网络的核动力装置异常运行工况识别方法设计

核动力装置结构复杂、运行参数多且耦合程度高,在异常运行工况时,运行参数之间存在极其复杂的非线性关系。采用人工方式进行故障诊断难度较大,亟需一种能高效识别异常运行工况类型的智能技术。概率神经网络（PNN）具有良好的非线性映射功能,适用于核动力装置多参数、强耦合情况下的异常运行工况识别。本文选取6种核动力装置异常运行工况,依托核动力装置事故分析平台进行了模拟计算并提取了特征参数。分别采用PNN与BP神经网络方法,在MATLAB环境中建立了异常运行工况识别模型,并进行了验证。结果表明,基于PNN的异常运行工况识别方法有效,且较传统BP神经网络方法更准确、快速。     

基于RS-FNN的核电厂设备智能故障诊断方法的研究

将粗糙集(RS)理论与模糊神经网络(FNN)相结合,能充分发挥各自的优点.本文利用RS方法对知识的约简技术,从大量的原始数据中提取精简的规则,基于这些规则建立的FNN网络具有更好的拓扑结构,学习速度大大提高、判断准确、容错能力强,具有更高的实用价值.为了验证该方法的有效性,以核电厂设备蒸汽发生器U形管破裂等故障为例,进行了仿真实验研究.诊断结果表明,将基于RS理论的FNN智能故障诊断方法引入核电厂设备故障诊断中是可行的,并且具有简单方便、计算量小、诊断结果可靠等特点.     

核电厂两种实时故障诊断系统的对比

分别利用模糊神经网络技术和数据融合技术,采用VB6.0编程语言开发了核电厂实时故障诊断系统,并对诊断系统中所应用的智能诊断算法进行了详细的阐述.为比较直观地对比两个诊断系统,利用数据通讯程序接口使该诊断系统与仿真机进行实时数据交互,并在仿真机上设置了4种故障对两个诊断系统进行在线测试.测试结果表明,应用模糊神经网络技术和数据融合技术均能对故障进行识别,但都存在各自的优点和不足.离线分析表明,针对不同的故障类型,当特征参量较少时,采用模糊神经网络诊断技术较好;而特征参量较多时,最好采用数据融合诊断技术.     

核电站分布式智能故障诊断系统研究与设计

为进一步减少核电站运行中发生故障后的误操作,根据核电站各设备功能分布及核电站数字化仪控系统分布式控制的特点,研究设计了核电站分布式状态监测与故障诊断系统。依据分解 综合的诊断思想,提出模糊神经网络和RBF神经网络进行分布式局部诊断和多源信息融合技术进行全局综合诊断的方法。仿真实验结果表明,该诊断系统能够正确诊断压水堆核电站多个典型故障,并能为核电站运行提供有效的帮助信息。     

基于BP神经网络的核电厂主动容错控制方法研究

针对核电厂中的传感器故障,采用改进的BP神经网络算法对传感器进行神经网络训练,建立各种运行状态下的动态模型库,并应用BP神经网络对系统进行实时检测。当传感器发生故障时,采用控制率重构的方法进行容错控制。在核动力装置模拟器上以稳压器为对象进行了仿真实验验证,结果表明该方法对于核电厂中的传感器故障进行容错控制是有效的。     

基于概念格的核动力设备NN-ES故障诊断方法

将神经网络与专家系统相结合,能充分发挥各自的优点。本工作利用概念格获取对象属性,从大量的原始数据中提取对象故障征兆集的核心属性、不必要属性和相对必要属性。基于这些属性,构建不同重要度的神经网络,使网络学习速度大幅提高,判断准确。为了更好地提高核动力设备故障诊断的准确性,采用基于规则推理的专家系统,对各神经网络融合后的诊断结果进行验证诊断。为验证该方法的有效性,以核动力设备典型故障为例,进行了仿真实验研究。仿真实验结果表明,将基于概念格属性约简理论构建的神经网络与专家系统邦联的诊断方法引入核动力设备故障诊断中是可行的,并且具有网络学习针对性强、计算量小、诊断结果可靠等特点。     

模糊神经网络原理及其在核爆监测中的应用

本文实现了一种利用基于ＢＰ算法的模糊神经网络（ＦＮＮ）建立模糊模型的方法，这种方法可自动生成非线性系统的模糊模型，ＦＮＮ被用来产生模糊规则和隶属函数，用数值计算和异或（ＸＯＲ）问题对该方法的可行性和置信度进行了检验，结果表明，模糊神经网络能显著地改进模糊系统设计中的准确度，可靠性，缩短设计周期，降低系统成本，ＦＮＮ用于核爆对人员伤害估计并可将网络简化成一种用于信号极点提取的规则神经网络（ＲＮＮ）初     

基于复合人工神经网络的核电站实时故障诊断方法研究

针对核电站运行时故障或事故状态的在线实时判定,提出了一种基于复合人工神经网络的故障诊断和事故判定方法.其基本思想是:首先应用BP网络对事故进行成组快速诊断,而后应用RBF网络对BP网络的诊断结果进行区分和检验.利用核电站正常状态和多种事故状态下各故障特征参数输出的仿真计算结果,对所提出的方法进行了检验.结果表明,通过BP网络和RBF网络的优势互补,不仅能对学习过的故障进行快速、正确的诊断,对不同工况下的故障以及未定义的新故障也能够有效地识别.该方法采用的是随时间序列输出诊断结果及其可信度的方式,操纵员容易接受推理结果.