基于小波分析的主冷却剂泵转子故障诊断方法研究

小波分析具有降噪,多尺度分辨的特性,可以对主泵的典型故障进行故障特征提取.利用Simulink对主泵开裂纹、不对中及初始弯曲3个典型故障进行仿真得到振动曲线,并对振动曲线进行小波分析.结果表明,通过小波分析提取出的频谱信号可以有效地提取出故障特征信号.小波分析对于主冷却剂泵转子故障诊断是一种切实可行的方法,具有一定的应用价值和研究意义.     

基于频率补偿小波的屏蔽主泵裂纹转子识别

针对转子裂纹振动信号不易被发现的问题,利用小波包分析方法,在无动不平衡频率的频带内进行分析,从中找出裂纹振动的特征频率。在分析中,针对小波算法存在的频率混淆、幅值失真、主频偏移的缺陷,在前人研究基础上,提出了一种频率补偿小波算法,利用该方法分析了核用屏蔽主泵转子裂纹振动信号,并得出了其振动的特征频率。结果表明,相比一般小波包,频率补偿小波包能识别出振动的特征频率,具有良好的实用价值。     

小波变换在突变信号识别中的应用

小波变换具有识别转动机械振动突变信号的特性。小波变换改进的单子带算法能有效识别第一类突变点,但对于第二类突变点却无法有效识别。进一步的研究发现,单子带改进算法对一些不需要的点作置零运算时,由于没有合理的过渡,使得对置零后的信号再进行傅里叶反变换时带入了许多噪音,造成对第二类突变信号无法有效识别。针对该问题,通过引入过渡函数,提出了进一步完善的单子带重构改进算法,解决了第二类突变信号的识别问题,并应用相关实例——泵刚度突变仿真数据进行分析,验证了方法的有效性。     

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.     

小波算法在非介入式医用X光机管电流信号处理中的应用研究

医用诊断X光机在各级医院中被大量使用,为了保障医用X光机安全可靠运行,管电流参数作为质量监督控制对象在国家检定规程JJG 744 - 2004《医用诊断X射线辐射源》中已被明确提出.同时,由于小波算法具有良好的时频局部特性,在信号处理领域中被广泛采用,故采用小波算法实现对医用X光机管电流信号的多层次分解,提取有用特征信...     

核电厂主泵倒流工况转子动态特性分析与研究

为防止核电厂主泵在反应堆冷却剂倒流产生的冲击载荷作用下发生反转,在电机上设置了由恢复弹簧和液压缓冲器组成的棘爪式防倒转装置。根据防倒转装置的结构特点及其工作原理,建立了防倒转装置的理论模型和主泵转子的运动学方程,分析了主泵倒流工况转子运动的动态特性,得到了转子的速度-位移运动轨迹。结果表明,由于反应堆冷却剂倒流产生的冲击载荷小于防倒转装置的设计载荷,主泵转子在倒流工况下经历包含6个运动状态的往复运动后,转速逐渐降低直至停止,实现了防止主泵反转的功能。      

转子悬臂比对核主泵水力振动的影响

为研究转子悬臂比对核主泵水力振动的影响规律,针对CAP1400核主泵,在其他几何参数均给定的条件下,通过改变泵轴的悬臂比,设计了25个模型方案。应用多重参考系下的雷诺时均N-S方程和RNG k-ε湍流模型对核主泵流体域进行了计算,采用单向流固耦合方法,分析了核主泵叶轮叶片的应力、应变在不同悬臂比、不同工况下的变化规律,并在有预应力和无预应力情况下,对不同悬臂比的核主泵进行了转子动力学特性研究。结果表明：当泵轴伸出端长度一定时,核主泵叶轮叶片的应力、应变及转子系统的前6阶固有频率与悬臂比的相关性不强,但对工况变化的敏感度较高;相同工况下,核主泵叶轮叶片的最大变形量随悬臂长度而增大,但不随悬臂比而变化,最大应力不随悬臂长度及悬臂比而变化;流固耦合作用能降低转子系统的固有频率,且降低幅度随阶数的增加而减小。     

核主泵转子屏蔽套热套装理论与实验研究

转子屏蔽套是AP1000核主泵的关键部件之一,转子屏蔽套的热套装是其制造和装配过程中最为关键的工序。文章首先对转子屏蔽套的热套装工艺进行了理论分析,指出了影响转子屏蔽套热套装的主要因素,分析了原有热套装工艺失败的原因,并针对原有热套装工艺的不足,提出了相应的改进措施。开展了转子屏蔽套热套装实验,实验结果表明,采用改进的热套装工艺,可以延长转子屏蔽套的热套装时间,降低了热套装的难度,提高了转子屏蔽套的热套装成功率。     

基于变频技术的主泵电气系统改进设计

反应堆冷却剂泵(主泵)电气系统向主泵提供电源并实施电气控制与保护.介绍了主泵运行中的实际要求及当前主泵电气系统现状,应用变频技术对主泵电气系统进行整体优化改进设计,并对改进方案进行可行性分析.分析表明,改进设计的主泵电气系统更适合各种运行工况对主泵的运行要求.     

基于改进遗传算法的核动力装置故障诊断研究

针对核动力装置故障和对应征兆繁多的特点,并克服传统遗传算法进行故障诊断的固有缺陷,提出了一种基于改进遗传算法和概率因果模型的故障诊断技术,构建了诊断系统。该系统主要由数据采集模块和故障诊断模块构成,具有诊断实时性强、计算速度快的特点。为验证系统的有效性,对蒸汽发生器进行了故障诊断,测试结果与相关文献结论吻合。最后还与传统遗传算法进行了比较,表明改进后的遗传算法可有效避免误诊、漏诊现象,诊断准确率较高。     

小波变换在中国实验快堆钠泵故障诊断中的应用

叙述了当前国内外故障诊断的发展状态及其在核领域的应用情况 ;介绍了钠泵的常见故障和利用小波原理对钠泵进行故障诊断的原理和方法 ,并分别对碰摩、轴不对中、两个泵转速不平衡、松动和轴裂纹等所致故障进行识别 ,经过仿真实验证明了此方法的可行性     

基于KNN改进算法的闪烁体探测器故障诊断

为研究核探测器的可靠性,本文提出了一种基于K近邻（KNN）算法的闪烁体探测器故障诊断方法。首先通过提取不同工况下的核脉冲信号的下降沿时间、信号幅值及能谱信号的能峰位置和低道址计数等特征参数,建立故障核信号统计特征信息库。通过修正权重因子,改变邻点距离计算方式等方法改进KNN算法建立闪烁体探测器故障诊断模型,并搭建故障数据采集验证系统,提取探测器输出信号的特征信息放入到模型中进行诊断实验。实验结果表明,该方法不仅能实现对探测器故障类别的智能诊断,而且能对不同故障的严重程度做出良好的判别。     

基于自适应神经网络技术的钠泵诊断

在径向基函数网络的基础上，应用自适应算法使故障诊断方法具有自适应性：在对中国实验快堆(CEFR)钠泵的故障仿真实验中．该方法能够较好地识别出故障。为了提高识别的准确率，本文在自适应径向基函数网络的基础上对其自适应算法进行了一定的改进，使故障诊断的准确率有所提高。     

基于改进线性学习算法的核动力系统事故诊断研究

为解决核动力系统事故类型多样且故障严重程度难以确定的问题,在传统线性模型的基础上引入层级结构和嵌套结构,并选用支持向量机分类模型作为结构内的诊断模型;采用线性学习实现计算结果的融合,通过分析事故运行过程和机理选取单个分类模型的训练样本,并确定对应类别事故的有效识别区域及敏感参数。结果表明,本文提出的事故诊断框架的识别准确率达到99%以上,可为大型系统的事故诊断提供参考。     

改进灰色关联度模型在蒸汽发生器故障分析中的应用

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。     

基于贝叶斯网络的余热排出泵故障诊断

基于余热排出泵的故障树建立了贝叶斯故障诊断网络。在FT/BN基本转换的基础上,分析了多态逻辑表达的方法和不确定性问题的条件概率表的确定,运用专家分段投票的方法建立了BN网络根节点概率。所建网络可通过节点重要度、灵敏度分析和双向诊断等功能为设备设计使用和维修决策提供参考。