智能技术在核电厂的应用

本文详细阐述了模糊理论、专家系统和神经网络三种智能技术在核电厂中的应用实践，并对今后的发展趋势作了介绍。     

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.     

基于集成神经网络与模糊逻辑融合的稳压器泄漏监测方法

针对稳压器泄漏难以监测的问题,将集成神经网络(INN)与模糊逻辑融合(FLF)方法相结合,研究了稳压器泄漏监测方法。在该方法中,利用RBF神经网络(RBF-NN)建立稳压器泄漏诊断模型;采用两个Elman神经网络(Elman-NN)分别建立稳压器参数预测模型与稳压器泄漏诊断模型;应用模糊逻辑融合方法对RBF-NN与Elman-NN诊断的结果进行融合,并将其作为稳压器泄漏最终监测结果。为验证该方法的可行性,利用压水堆核动力装置模拟器对其监测效果进行了验证。结果表明,与单神经网络诊断方法相比,所提出的监测方法具有更高的可靠性;与其他泄漏监测方法相比,该方法简便、易行。     

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。     

模糊神经技术在反应堆安全研究中的应用

概要介绍了模糊神经网络技术 ,并对其在核电厂的负荷跟踪、功率分布控制、运行状况及运行参数的虚拟测量、故障诊断及瞬态识别以及核燃料的质量检查等方面的应用情况进行了综述。模糊神经网络技术在核电厂中的应用大大提高了反应堆运行的安全性和可靠性 ,展现了良好的推广应用前景     

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。      

核电厂两种实时故障诊断系统的对比

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.     

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。     

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BP神经网络的核探测器故障诊断方法研究

核探测器是核设施放射性监测的重要设备,为了保障该设备的持续稳定运行,本研究针对闪烁体探测器提出了一种基于BP神经网络的在线智能故障诊断方法。采用小波包变换将探测器输出信号从时域变换至频域后提取特征向量,将得到的特征向量作为BP神经网络故障诊断模型的输入,再通过误差梯度下降法对该模型的参数进行优化,最终利用最优的诊断模型完成故障类型的智能识别与分类,并将该方法与统计诊断方法和基于支持向量机的故障诊断方法进行横向的对比研究。研究结果表明,新方法的平均诊断准确率均优于上述两种方法。因此,该方法的应用能有效地提高核探测器的故障诊断准确率。