共查询到18条相似文献,搜索用时 140 毫秒
1.
2.
3.
利用人工神经网络分析了水在上升流均匀加热垂直圆管条件下的临界热流密度(CHF)实验数据的参数趋势。以三种观点,即固定入口条件、固定出口条件或以局部条件假设为基础进行了上述分析。采用Katto和Groeneveld等的无量纲参数和CHF实验数据来一文的ANNs;训练成功的ANNs预测的CHF结果比任何其它传统的关系式都好。其远距离监测系统(RMS)误差在固定人口条件、固定出口条件和局部条件假设下分别 相似文献
4.
高温气冷堆(HTGR)是国际核能界公认的一种具有良好安全特性的堆型,具有第四代核能系统的技术特征,其核蒸汽供应系统(NSSS)复杂的非线性特性,对控制策略的设计提出了挑战。另一方面,T-S模糊控制方法在复杂非线性系统的控制方面存在巨大优势,因此在高温气冷堆核蒸汽供应系统中应用T-S模糊控制方法,可能会获得较传统线性控制方法更好的控制性能。本文提出了一种T-S模糊控制器的系统化设计方法,首先建立高温气冷堆核蒸汽供应系统出口蒸汽温度的T-S模糊控制系统模型;然后基于李雅普诺夫方法,得到T-S模糊控制系统的双线性矩阵不等式(BMI)形式的全局渐近稳定条件;最后通过局部最小化算法求解双线性矩阵不等式,得到T-S模糊控制器的参数。仿真结果表明,按照这一系统化方法设计的T-S模糊控制器较传统的线性PI控制器表现出更好的控制特性。 相似文献
5.
6.
采用传统比例-积分-微分(PID)控制器开展堆芯功率控制,控制过程中存在超调量大、调节时间长的问题。为解决这一问题,基于堆芯传递函数模型,采用T-S型模糊规则对比例-微分(PD)控制器、PID控制器、模糊控制器进行加权及切换,设计T-S型模糊切换控制器。以铅冷快堆堆芯功率控制为例,建立堆芯功率T-S型模糊切换控制系统,开展堆芯相对功率设定值阶跃、堆芯冷却剂进口温度扰动仿真。结果表明,基于堆芯传递函数模型设计的T-S型模糊切换控制器可以实现对堆芯功率的良好控制。 相似文献
7.
《核工程研究与设计》2008,(3)
在核电站系统中应用模糊控制技术是控制技术发展的新课题,研究分析国内外核电站系统中的模糊控制技术的应用发展是十分必要的。本文分析了模糊控制在核电站系统中的应用,分析结果表明模糊控制可以很好地提高核电站系统运行的稳定性和安全性,是一种有效并且可行的先进控制方法。国外核电站系统中应用成功的模糊神经网络技术融合了模糊控制与神经网络技术的优点,是一种新兴的控制技术,研究表明,在核电站系统中应用模糊神经网络技术可以大大提高反应堆运行的安全性和可靠性,具有广阔的应用前景。本文对模糊控制、模糊神经网络技术在核电站系统中应用的研究成果进行了全面回顾和总结,并探讨了在应用研究和实践中需要重点解决的问题。 相似文献
8.
9.
10.
11.
基于RS-FNN的核电厂设备智能故障诊断方法的研究 总被引:1,自引:0,他引:1
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. 相似文献
12.
核电厂两种实时故障诊断系统的对比 总被引:2,自引:0,他引:2
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. 相似文献
13.
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. 相似文献
14.
冷却剂丧失事故(Loss of Coolant Accident,LOCA)是核电厂安全分析中的一类典型事故,不同的破口位置和破口尺寸将直接影响到事故的处置和后果。为判断LOCA事故的破口位置和尺寸,可以借助于神经网络的模式识别功能。针对CPR1000核电系统,利用CATHARE软件建模并仿真不同破口位置和尺寸的LOCA事故,提取事故发生时的6类热工水力参数对BP(Back Propagation)神经网络、Elman神经网络、RBF(Radial Basis Function)神经网络和支持向量机进行训练,再将训练后的神经网络用于破口位置和尺寸的诊断。结果表明,在4种神经网络中,参数优化后的支持向量机对破口位置和尺寸的诊断准确率较高且诊断稳定性较好。在LOCA事故发生时,可以利用支持向量机获取破口的详细信息,辅助操纵员高效地处理事故。 相似文献
15.
16.
Man Gyun Na Sun Ho Shin Dong Won Jung Soong Pyung Kim Ji Hwan Jeong Byung Chul Lee 《Nuclear Engineering and Design》2004,232(3):267-300
In this work, a probabilistic neural network (PNN) that has been applied well to the classification problems is used in order to identify the break locations of loss of coolant accidents (LOCA) such as hot-leg, cold-leg and steam generator tubes. Also, a fuzzy neural network (FNN) is designed to estimate the break size. The inputs to PNN and FNN are time-integrated values obtained by integrating measurement signals during a short time interval after reactor scram. An automatic structure constructor for the fuzzy neural network automatically selects the input variables from the time-integrated values of many measured signals, and optimizes the number of rules and its related parameters. It is verified that the proposed algorithm identifies very well the break locations of LOCAs and also, estimate their break size accurately. 相似文献
17.
Man Gyun Na Sun Ho Shin Sun Mi Lee Dong Won Jung Soong Pyung Kim Ji Hwan Jeong Byung Chul Lee 《IEEE transactions on nuclear science》2004,51(2):313-321
It is very difficult for nuclear power plant operators to predict and identify the major severe accident scenarios following an initiating event by staring at temporal trends of important parameters. In this regard, a probabilistic neural network (PNN) that has been applied well to the classification problems is used in order to classify accidents into groups of initiating events such as loss of coolant accidents (LOCA), total loss of feedwater (TLOFW), station blackout (SBO), and steam generator tube rupture (SGTR). Also, a fuzzy neural network (FNN) is designed to identify their major severe accident scenarios after the initiating events. The inputs to PNN and FNN are initial time-integrated values obtained by integrating measurement signals during a short time interval after reactor scram. An automatic structure constructor for the fuzzy neural network automatically selects the input variables from the time-integrated values of many measured signals, and optimizes the number of rules and its related parameters. In cases that an initiating event develops into a severe accident, this may happen when plant operators do not follow the appropriate accident management guidance or plant safety systems do not work, the proposed algorithm showed accurate classification of initiating events. Also, it well predicted timings for important occurrences during severe accident progression scenarios, which is very helpful to perform severe accident management. 相似文献
18.
船用反应堆的屏蔽设计问题直接关系到核能能否安全的用作舰船的动力系统,而在屏蔽设计问题中屏蔽计算是十分重要的环节。为了实现在一定误差范围内实现快速计算功能,采用BP神经网络模拟学习MCNP的计算过程,仅需给出指定的输入变量即可预测屏蔽计算输出结果,解决了MCNP计算耗时过长问题,提高了屏蔽设计优化效率。 相似文献