首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 156 毫秒
1.
基于粗糙集理论和支持向量机算法的核电厂故障诊断方法   总被引:2,自引:0,他引:2  
核电厂故障特征复杂多样,具有不确定性.提出一种基于粗糙集理论和支持向量机(SVM)算法的核电厂故障诊断方法.该方法运用粗糙集理论完成对不确定、不完整数据的约简,然后在此基础上设计SVM多级分类器进行故障诊断.最后,将该方法用于核电厂蒸汽发生器传热管破损、冷端破口、汽相破口、热阱丧失等4种典型故障的诊断.研究表明,该方法能够实现对核电厂故障的快速准确诊断.  相似文献   

2.
核电厂智能诊断方法研究的进展   总被引:1,自引:1,他引:0  
文章评述神经网络、模糊逻辑和专家系统3种典型的智能方法在核电厂(NPP)运行状态监测和故障诊断中的应用研究进展.分析了基于神经网络(ANN)、模糊逻辑和专家系统的核电厂运行状态监测和故障诊断方法的研究状况及其特点.探索了核电厂智能诊断方法应用研究的发展趋势.分析表明:基于模糊逻辑和专家系统的核电厂智能诊断方法的研究成果相对较少;核电厂智能诊断方法研究主要集中在基于神经网络的状态监测与故障诊断方面;多种智能诊断方法的结合、神经网络与其它方法的结合,以及基于多神经网络的核电厂运行状态监测和故障诊断方法研究是核电厂智能诊断方法研究的重要发展趋势.  相似文献   

3.
为进一步减少核电厂中出现故障后的误操作,本文研究设计并实现核电厂实时故障诊断的专家系统。系统用专家系统理论将故障诊断的专家知识转化为存储于数据库的规则,实现了计算机自动异常征兆检测、实时提示、故障实时诊断,以及提出故障操作建议等功能。研究结果表明,开发的实时故障诊断专家系统能够为正确诊断压水堆核电厂多个典型事故提供有效的诊断结果和运行帮助信息。   相似文献   

4.
基于粗糙决策模型的核电厂故障诊断方法   总被引:1,自引:0,他引:1  
将粗糙集和信息熵相结合,提出了改进的决策树ID3算法,并提出了基于此算法和粗糙集约简算法的故障诊断方法.将该方法用于核电厂故障诊断.结果表明,该方法具有良好的故障诊断性能,可在核电厂故障诊断领域中应用.  相似文献   

5.
基于概念格的核动力设备NN-ES故障诊断方法   总被引:1,自引:0,他引:1  
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。  相似文献   

6.
RBF人工神经网络在核电厂故障诊断中的应用   总被引:3,自引:0,他引:3  
对核电厂二回路凝给水系统常见故障原因进行了分析,结合专家知识建立了二回路凝给水系统故障知识库;在此基础上,将径向基函数(RBF)人工神经网络引入到核电厂故障诊断中.由于采用了动态RBF网络设计方法,使神经网络的规模较小,同时具有较高的泛化能力,提高了神经网络的诊断速度及准确性.并使用VC 语言建立了一个故障诊断系统.  相似文献   

7.
基于遗传算法和知识库的核电厂故障诊断方法   总被引:1,自引:0,他引:1  
将遗传算法与经典概率论相接合,利用知识库,针对核电厂故障诊断的特点,提出了一种故障诊断方法。本方法将核电厂部件状态与遗传算法中的群体相联系,利用专家知识的核电厂信号对群体进行约束,使该群体在诊断过程中不断发展变化,从而找出适合条件的个体,达到故障诊断的目的。在北京核电厂模拟培训中心950MW全尺寸模拟机上的实验表明,该方法对诊断过程中出现的虚假信号、专家知识不完备等问题有相当的适应性。  相似文献   

8.
本文将机器学习领域的贝叶斯技术应用于核应急中的电厂状态诊断,提出了基于朴素贝叶斯分类器的核电厂事故诊断方法。利用压水堆核电厂仿真机获取事故案例数据,对朴素贝叶斯分类模型进行训练,实现了对核电厂多类事故(LOCA、SGTR、MSLB)的诊断。测试结果表明,基于朴素贝叶斯分类器的核电厂事故诊断方法在诊断精度、诊断效率、事故类型可扩展性以及程序自主化诊断上有显著优势,并且模型训练中不同事故类型先验分布对诊断结果影响较小,具有较好的适用性。  相似文献   

9.
将时序数据挖掘引入核电厂故障诊断,把核电厂的故障诊断当作序列监督学习问题来对待,并采用滑动窗算法将序列监督学习问题转化为经典的监督学习问题.针对反应堆失水事故( LOCA)进行的仿真实验结果表明,在采用滑动窗算法后,诊断精度有一定的提高,再进一步对滑动窗内的时序数据进行特征提取后,诊断精度有了更大的提高,可以解决经典算...  相似文献   

10.
《核动力工程》2013,(6):88-91
非能动百万千瓦级先进压水堆(AP1000)核电厂采用一种集成的方法建立设备的可靠性分级,包括概率风险分析技术(PRA)的应用,维修规则(MR)管理,生产发电设备可靠性分级,设备功能组(FEG)的划分等,最终将设备可靠性分为4个级别,在分级流程和结论上与传统以可靠性为中心的维修技术(RCM)和流程化的RCM(SRCM)有较大区别。本文分析AP1000核电厂设备可靠性分级的特点,提出将RCM与该分级方法相结合开展设备可靠性管理工作的思路。  相似文献   

11.
基于模糊神经网络的核动力装置设备故障诊断系统研究   总被引:6,自引:2,他引:6  
将模糊逻辑与神经网络相结合,对模糊逻辑和神经网络的区别和联系进行了阐述,并探讨了它们之间的结合.模糊神经网络结构及其实现算法,并将这一理论应用于核动力装置故障诊断,建立了基于模糊神经网络的船用核动力装置故障诊断系统。为了验证该系统的有效性,以蒸汽发生器U形管破裂事故为例,进行了仿真实验研究。诊断结果表明该理论方法对此事故完全可以正确识别。  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.
常用的有机闪烁体探测器对中子和γ射线均敏感,所以消除或减弱γ射线在中子探测技术中的影响是必要的。考虑到BP神经网络能实现分类器的功能,因此本文结合脉冲形状甄别技术与BP神经网络,将BP神经网络应用在中子与γ射线混合场的粒子甄别中。通过训练BP神经网络达到记忆、分类测试样本的目的。对BP神经网络应用于n/γ脉冲波形甄别的准确性进行验证后与电荷比较法及频域梯度分析法甄别结果进行了对比。结果表明,BP神经网络甄别法不仅能为混合辐射场提供有效的甄别,而且在甄别时间上较电荷比较法与频域梯度分析法有所提高。  相似文献   

14.
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  相似文献   

15.
基于加速器高阶传输映射的非线性效应解析分析,具有物理图像清晰、守辛、准确的优点,但其缺点是适用范围较窄。为了扩展非线性效应解析分析的适用范围,提出一种模拟李指数运算过程的神经网络层并构建了用于预测带电粒子非线性行为的新型神经网络。经过大量粒子跟踪数据的学习,可用于预测带电粒子复杂的非线性运动行为,并从中提取线性传输矩阵与表征非线性运动的指数因子。为了验证该新型神经网络的有效性,跟踪一段由薄透镜磁铁组成的磁聚焦结构得到大量的训练数据,并对所提出的神经网络进行训练。训练后的神经网络在测试数据集上表现良好,测试数据的损失函数方均根小于8×10-4,达到了预测带电粒子非线性行为的目的。  相似文献   

16.
A new method to predict the critical heat flux (CHF) is proposed, based on the fuzzy clustering and artificial neural network. The fuzzy clustering classifies the experimental CHF data into a few data clusters (data groups) according to the data characteristics. After classification of the experimental data, the characteristics of the resulting clusters are discussed with emphasis on the distribution of the experimental conditions and physical mechanism. The CHF data in each group are trained in an artificial neural network to predict the CHF. The artificial neural network adjusts the weight so as to minimize the prediction error within the corresponding cluster. Application of the proposed method to the KAIST CHF data bank shows good prediction capability of the CHF, better than other existing methods.  相似文献   

17.
The performance of fuzzy neural networks applied to sensor monitoring strongly depends on the selection of input signals. A large number of input signals may be involved to estimate an output signal for failure detection. However, as the number of input signals increases, the required training time increases exponentially and the uncertainty of the model increases significantly due to the irrelevant and/or the redundant inputs. In this paper, a fuzzy neural network with an optimal structure constructor has been successfully developed to achieve a reliable and efficient sensor monitoring system. A fuzzy neural network is used to estimate an output signal from the selected input signals. Correlation analysis and genetic algorithm (GA) are combined for automatic input selection. In addition, the optimal number of fuzzy rules is accomplished automatically by the GA integrated along with the automatic input selection. The status of sensor health is determined by applying sequential probability ratio test to the residuals between the measured signals and the estimated signals. The proposed sensor monitoring system has been validated by using a variety of sensor signals acquired from Yonggwang units 3 and 4 pressurized water reactors.  相似文献   

18.
周云龙  陈飞  孙斌 《核动力工程》2008,29(1):115-120
根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%.  相似文献   

19.
鉴于常规的PID控制存在控制对象参数变化时控制参数无法改变的不足,从而根据一个核蒸汽发生器(NSG)的简化数学模型,将一种补偿模糊神经网络(CFNN)用于NSG水位的控制。该网络由于引入了补偿神经元,使网络的容错性更好,系统更稳定。同时在神经网络学习算法中动态优化补偿模糊运算,使网络更适应,训练速度更快。仿真表明,该方法在装置负荷变化时比常规的PID控制方法超调量小,收敛速度快。该网络能在线调整参数,动态优化模糊规则,适于在线学习控制。该控制方法对NSG水位智能控制研究具有一定意义。  相似文献   

20.
针对蒸汽发生器U形传热管泄漏,本文提出了一种基于时间序列神经网络对蒸汽发生器传热管泄漏程度进行诊断研究的方法。首先,对核电厂蒸汽发生器U型传热管泄漏进行机理分析,构建其数学模型,提取其泄漏的直接特征参数,再依据Fisher得分法,提取其间接特征参数;其次,通过滑动时间窗口法从预处理后的时间序列数据中生成数据样本,作为时间序列神经网络的输入,并以蒸汽发生器U形传热管泄漏程度信息为标注,基于反向传播(BP)算法对五层神经网络系统进行训练,得到蒸汽发生器U形传热管泄漏的时间序列神经网络模型;最后,模拟核电厂运行过程蒸汽发生器U形传热管泄漏时的时间序列测试数据。仿真结果表明,时间序列神经网络对演变事件的处理具有较好的有效性和较高的泛化能力,对故障程度的诊断研究具有参考价值。   相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号