基于局部离群因子和神经网络模型的设备状态在线监测方法研究

核电厂重大设备状态在线监测是保障核电厂安全和经济运行的重要技术,针对传统阈值监测的固有缺陷,提出一种基于局部离群因子（LOF）和神经网络模型的设备状态在线监测方法。此方法属于多参数动态阈值监测方法,首先分析监测对象的故障模式和故障现象,选择一组可覆盖故障现象的传感器测点;根据设备运行特点采集足够长时间的历史运行数据,筛除异常数据;计算历史运行数据的LOF,以历史运行数据为输入、LOF为输出,建立并训练得到神经网络模型;最后基于神经网络模型和传感器测点实时数据计算设备健康指数,监控当前设备健康状态。将本文的监测方法用于循环水泵泵体健康状态的监测,并采集了一段时间的正常数据和异常数据以验证其监测效果,验证结果表明,本文提出的监测方法可以提前10d进行预警,降低误报率,大幅提升监控效能。       

核电厂设备状态多参数同步监测技术研究

核电厂设备稳定的运行状态以及长期的运行数据积累为实现数据驱动的设备状态智能监测建立了良好的数据基础。本文提出一种基于多参数关联关系的设备状态智能监测方法,该方法包括建模、训练和推断3个步骤,建立数据驱动的设备状态智能监测和预警模型。首先识别并分析系统设备监测参数、参数监测内容和关联关系,设计建立监测参数的关联关系模型;其次,采集并筛选设备正常运行历史数据作为训练数据,基于反向传播（BP）前馈神经网络训练关联关系模型;最终,实时采集设备监测参数实测值,并基于模型推断各参数的预测值,监控实测值与预测值的偏差,当偏差超过预定的阀值时发出预警信息。本文以某电厂热交换器和主给水泵为例进行建模并验证,结果表明本文提出的监测模型可以有效同步监测设备参数微小异常变化,预警早期异常,同时保持极低的误报警率。      

菱形驱动器DE薄膜预拉伸系数的优化计算

在设计带有复杂框架的菱形驱动器时,根据DE薄膜经验预拉伸系数设计菱形框架的难度比较大。现采用数学模型进行DE薄膜预拉伸系数的优化,借助Mathematic和MATLAB软件实现计算,求解出能够输出近似恒定驱动力的DE薄膜预拉伸系数。将计算出的DE薄膜预拉伸系数．一与其他数值分别用于计算菱形驱动器的输出力,比较结果表明优化效果明显。     

菱形驱动器DE薄膜预拉伸系数的优化计算

在设计带有复杂框架的菱形驱动器时,根据DE薄膜经验预拉伸系数设计菱形框架的难度比较大。现采用数学模型进行DE薄膜预拉伸系数的优化,借助Mathematic和MATLAB软件实现计算,求解出能够输出近似恒定驱动力的DE薄膜预拉伸系数。将计算出的DE薄膜预拉伸系数与其他数值分别用于计算菱形驱动器的输出力,比较结果表明优化效果明显。     

核电厂重大设备健康状态的模糊综合评价方法

针对核电厂重大设备管理细则、设备运行特点和要求，提出了核电厂的重大设备健康状态综合评价方法。根据核电厂设备状态监测特点，建立了基于监测任务的多层次指标体系模型。基于设备零部件潜在故障模式分析故障现象，分析设备监测任务，并构建监测任务隶属度函数模型。总结专家实际评估经验，提出指标权重由所辖多个监测任务共享，由劣化最严重的监测任务继承权重，得到设备的指标状态；通过改进的层次分析法，分配各指标的初始权重，并提出基于指标状态等级的分级变权理论模型，均衡考虑关键指标的恶化情况。将建立的评价方法应用于核岛主泵轴封系统健康状态评估，结果表明该方法可靠实用，能够有效表征重大设备的实际运行健康状态。