共查询到18条相似文献,搜索用时 578 毫秒
1.
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。 相似文献
2.
3.
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。 相似文献
4.
针对核动力装置故障状态下征兆参数呈现出的灰色特征,提出将灰色聚类分析模型用于核动力装置故障诊断,采用了两种方法构造聚类模型。其一,基于AB0型灰色关联度分析的聚类模型主要通过核动力装置待检序列与标准故障模式序列间的AB0型关联度排序来分析故障类型;其次是基于灰色白化权函数分析的聚类模型主要由核动力装置待检序列与标准故障模式序列间的聚类系数值分析故障类型。以蒸汽发生器典型故障为例,验证了灰色聚类分析方法用于核动力装置故障诊断的可行性。分析结果表明,灰色聚类分析建模简单,可以实现故障的准确诊断。 相似文献
5.
6.
为进一步减少核动力系统发生故障后的误操作,建立灰熵加权优化条件下的关联度模型,并以核动力系统蒸汽发生器典型故障为例,进行核动力系统的故障诊断仿真研究。结果表明,使用改进关联度模型的诊断系统稳定性好,结论准确可靠,能满足实时诊断要求,可以大幅度提高故障隶属度的分辨率。 相似文献
7.
8.
船用核动力装置专家系统技术研究 总被引:1,自引:0,他引:1
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 相似文献
9.
10.
11.
针对核电厂水泵共性的异常振动、转子部件摩擦与磨损等故障模式,利用水泵最容易获取的泵壳加速度信号的频域数据为输入,提出了一种结合卷积神经网络和注意力网络的频域数据注意力机制方法,并建立了核电厂水泵故障模式识别模型。研究结果表明:相对于传统方法,利用频域数据作为输入、基于频域数据注意力网络算法建立的水泵故障模式识别模型输入的数据长度更短,能够有效提升模型训练的效率,该故障模式识别模型在测试集上的故障模式识别准确率达到100%,优于其他基于深度学习算法建立的故障诊断模型,证明了本文提出方法的优势。 相似文献
12.
13.
为提高核电站故障诊断的准确性和及时性,提出采用以核电站主要设备运行参数的报警状态为事件的触发机制对核电站设备故障进行诊断,利用核电站相关运行参数的信息集合建立事件触发下的核电站智能诊断专家系统置信规则库,而构建规则库采用故障机理模型与核电模型等相结合的方式,即在故障引起的报警下进行描述故障的征兆集合提取、规则的表示和规则变量的设定。通过在核电模型中人为引入故障,利用基于事件触发机制的核电站智能诊断专家系统进行故障诊断。诊断结果表明,本系统诊断出的故障类型与在核电模型中引入的故障类型一致,验证了本系统诊断结果的准确性,证明了此规则库的有效性和可行性。 相似文献
14.
15.
针对当前基于集成学习的核电站故障诊断算法大多注重提高各种机器学习算法识别精度而忽略底层基学习器整合方法,导致集成学习算法识别事故类型精度难以提高,而且存在识别结果是否可信的问题。本文基于Adaboost算法设计了一种可使核电站控制系统自主识别故障类型的机器学习算法模型,该算法模型通过为集成学习的各种故障识别算法合理分配权重系数,提升集成学习整体算法对核电站事故类型的识别精度和算法可靠性。同时测试结果表明Adaboost算法对7种典型的核电站运行或事故工况的平均识别正确率可达95%以上;而且当事故发生150 s后,识别正确率可达100%。因此基于Adaboost算法的基学习器整合方法可用于优化集成学习的算法结构,提高算法对核电站事故类型的识别精度。 相似文献
16.
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
17.
基于入侵性野草算法的核动力装置故障诊断 总被引:1,自引:0,他引:1
针对船用核动力装置故障原因与相应故障征兆之间并非完全一一对应的特点,提出了一种将入侵性野草算法和概率因果模型相结合的故障诊断方法,该方法将概率因果模型中的似然函数作为入侵性野草算法的适应函数,从而将复杂系统的故障诊断转化为优化问题。结果表明,该方法能用于诊断过程中出现的不确定性问题,也可实现通过多个征兆来诊断多个故障的目的,且具有较高的诊断可靠性与实用性。 相似文献