核电厂故障诊断的模糊遗传算法

研究提出了基于遗传算法和模糊数学并利用专家知识、微知识树模型和模拟机信号知识的核电厂故障诊断的新方法－－核电厂故障诊断的模糊遗传算法。经过模拟机上的验证表明：该方法能够适应故障诊断过程中出现的不确定性和模糊因素。     

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

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.     

RBF人工神经网络在核电厂故障诊断中的应用

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.     

核电厂实时故障诊断专家系统的设计与实现

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。      

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.     

基于概率因果模型与遗传算法的船舶核动力装置故障诊断的新方法

介绍一种将概率因果模型和遗传算法相结合的核动力装置二回路凝给水系统的故障诊断方法,它将概率因果模型的似然函数作为遗传算法的适应函数,从而将复杂系统的故障诊断转化为最优问题。仿真结果表明,该方法能够适应诊断过程中出现的不确定性,并实现多故障诊断,具有较高的诊断可靠性和实用性。     

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。     

基于粗糙决策模型的核电厂故障诊断方法

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.     

核电厂智能诊断方法研究的进展

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.     

核电厂基于频带方差与能量算子的轴承故障诊断方法

对核电厂设备在线监测与诊断，有助于实时掌握其运行状况，预测可能发生的故障，从而提高核电厂的安全性与经济性。本工作针对核电厂旋转设备上常见的轴承缺损类故障展开研究，采用能量算子对轴承的振动信号进行包络解调，将故障特征频率从噪声与高频信号中发掘出来。为能够自动确定带通滤波器的中心频率，提出用频带方差作为相应的指标，该指标具有在共振频率处取得最大值的特性。利用实验数据验证本工作的可行性与有效性，结果表明本工作提出的方法可有效监测轴承状况并正确诊断出其相应的故障类型。     

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。     

核电厂故障检测与报警系统的发展概况

文章分析了传统的核电厂故障诊断及报警系统的结构和特点,指出了其需要改进的方面。概要评述基于知识库的专家系统、基于故障树的诊断系统和基于神经网络的诊断系统的发展概况及其在核电厂报警系统中的应用前景。     

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。     

基于特征事件序列的船用核动力系统故障诊断方法研究

针对船用核动力系统工况多变、故障概率高、操纵员支持手段匮乏等问题,提出一种基于特征事件序列的故障诊断方法。在分析大量运行数据的基础上,通过定义特征事件序列来提取不同类型故障特征,并构建各种典型事故的标准特征事件序列谱。当系统运行发生故障时,按特定算法实时提取系统当前事件序列特征,将其与标准特征事件序列谱比对,通过计算相似度,辨识引起系统异常的初因事件。经试验验证,该方法可辨识初因事件的程度,并定位其相对位置,与传统数据驱动的方法相比,具有易追溯、可解释等优点,因而更具研究和推广价值。     

基于RBF神经网络的NPP运行状态趋势预测

针对当前核动力装置事故判断采用传统阈值报警方法难以实现早期预警这一问题,提出根据状态参数的变化趋势、利用RBF神经网络良好的局部特性对核动力装置运行状态趋势进行预测的方法。对正常瞬变和小破口失水事故下运行状态趋势进行了预测,结果表明,RBF神经网络能很好地预测状态的变化,与实测值拟合较好,能实现事故的早期预警。     

关于电力系统故障树分析中两个问题的探讨

概率安全评价（PSA）方法中故障树分析法是一种评价系统可靠性的有效方法，通过对系统建模计算分析可以加深对系统设计的理解，以及帮助找出系统设计的薄弱环节，从而在条件允许的情况下针对性地进行相应的改进与调整，为提高核电厂整体的安全性提供思路。本文主要就秦山二期扩建项目以及方家山项目中关于电力系统故障树分析中遇到的两个问题进行比较分析，从定性和定量的角度进行对比，从而得出结论。     

高温气冷堆示范工程反应堆保护系统故障树模型的建立和分析

数字化保护系统正逐步取代模拟系统,应用于新建和升级的核电厂中,数字化保护系统的可靠性分析已成为仪控领域的热点研究课题。本工作以高温气冷堆示范工程（HTR-PM）的反应堆保护系统为研究对象,研究数字化保护系统故障树模型的建立和分析方法,主要研究内容包括：故障树顶事件的选取;基于失效模式与影响分析（FMEA）的故障树搭建方法,重点研究保护系统冗余通道的“2/4”表决逻辑以及通道旁通的处理方法;对故障树模型进行定性分析,并根据故障树的最小割集讨论保护系统的薄弱环节。该研究对于分析数字化保护系统的可靠性并改进系统设计具有重要意义。     

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。