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。     

专家系统知识表示及其在舰艇核动力装置故障诊断中的应用

为提高舰艇核动力装置安全可靠性，确保故障诊断能高效快捷,依据舰艇核动力装置故障特征，提出一种基于专家系统知识表示的故障诊断方法，该法将专家系统、知识表示与推理机有机结合。实践表明，基于专家系统知识表示的故障诊断方法能够对复杂多样的舰艇核动力装置故障做出诊断，有效提高舰艇核动力装置运行的安全性和可靠性。     

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。     

基于模糊神经网络的核动力装置设备故障诊断系统研究

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。     

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.     

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.     

基于信息融合技术的核动力装置智能故障诊断系统研究

将信息融合技术应用到船用核动力装置故障诊断中,建立由故障树专家系统、神经网络诊断系统和机理模型验证系统构成的空间融合架构,充分利用系统深层知识、浅层知识和机理模型知识,经仿真验证,信息融合诊断系统可有效提高故障诊断的可靠性.     

基于数据挖掘的核动力装置故障数据处理及属性约简算法研究

根据核动力装置故障数据的特点,利用数据挖掘法强大的知识发现功能,提出了一种新的数据标准化方法——距离标准化法,对核动力装置不同工况、不同单位数量级的故障数据进行标准化处理。根据参量的特点,利用各报警值点进行数据离散化,为数据离散化断点数量的选择提供了参考。利用概念格的属性约简方法,进行了属性的约简处理,得出用于故障诊断的核心属性、相对必要属性和不必要属性。利用文献中的数据,进行了属性约简计算,将现有的属性正确分类,在形式背景确定的情况下,利用核心属性即可准确诊断故障。     

基于数据融合的核动力装置故障诊断方法

数据融合作为一种处理多源信息的方法适合于核动力装置的故障诊断。利用数据融合信息分级处理的思想，将核动力装置故障诊断分为3级进行，数据级采用了数据挖掘的方法对数据进行处理，对属性进行约简；特征级采用并行的3个神经网络处理数据级的约简属性，并将其输出作为决策级 Dempster-Shafer(D-S)证据理论的基本概率赋值；决策级采用了改进的D-S证据理论对神经网络的输出进行合成，克服了传统D-S证据理论无法处理冲突信息的缺陷。运用文献中的相关数据对该方法进行了测试验证，测试结果证实了该方法可正确诊断训练过的核动力装置相关故障，具有一定的应用价值。     

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.     

BP神经网络改进算法在核电设备故障诊断中的应用

根据训练误差大小自适应调整神经元输入特性参数,并应用改进的遗传算法对神经网络的权值和隐含层数目进行优化,对传统的人工神经网络误差反传算法进行了改进,使训练算法的收敛速度大大提高.将人工神经网络技术和改进的BP网络训练算法应用于核电设备故障诊断,并以核电蒸汽发生器U形管破裂为例,建立了故障诊断模型.仿真结果表明,该算法的应用是可行的.     

基于事件触发机制的核电站智能诊断专家系统置信规则库的研究

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。     

集成神经网络方法在蒸汽发生器故障诊断中的应用

针对蒸汽发生器传统故障检测与诊断方法的不足，提出了基于集成神经网络的蒸汽发生器故障检测与诊断的新方法。该方法采用两个神经网络。一个神经网络作为蒸汽发生器的动力学模型，用于蒸汽发生器的重要运行参数的预测，其原理是通过检测蒸汽发生器运行参数监测信号值与相应的蒸汽发生器神经网络模型预测值之间的偏差来确定是否发生了异常，如果某一参数偏差超过了预先给定的极限，就认为发生了异常。另一个神经网络作为故障分类模型，用以对蒸汽发生器故障进行分类，给出故障的类型。由两个神经网络监测和诊断结果的融合给出蒸汽发生器故障较为清晰的信息。仿真结果表明，该方法能够提高蒸汽发生器监测与诊断的能力。     

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。     

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。