核电站故障诊断专家系统

近年来,故障诊断应用范围不断扩大,从航空航天部门的应用扩展到核电站故障诊断、医疗诊断等,取得了很好的效果。 故障的诊断首先要能在系统输出不符合要求时,及时检测出是哪些过程状态或特征量发生了变化并超     

基于Adaboost算法的核电站故障诊断方法

针对当前基于集成学习的核电站故障诊断算法大多注重提高各种机器学习算法识别精度而忽略底层基学习器整合方法,导致集成学习算法识别事故类型精度难以提高,而且存在识别结果是否可信的问题。本文基于Adaboost算法设计了一种可使核电站控制系统自主识别故障类型的机器学习算法模型,该算法模型通过为集成学习的各种故障识别算法合理分配权重系数,提升集成学习整体算法对核电站事故类型的识别精度和算法可靠性。同时测试结果表明Adaboost算法对7种典型的核电站运行或事故工况的平均识别正确率可达95%以上;而且当事故发生150 s后,识别正确率可达100%。因此基于Adaboost算法的基学习器整合方法可用于优化集成学习的算法结构,提高算法对核电站事故类型的识别精度。      

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.     

核电站机组故障诊断系统的知识获取

核电站机组故障诊断系统知识的获取和知识库的建立是影响诊断系统能否应用于实际的关键步骤。针对实现核电站机组故障诊断系统给出了知识获取的一种方法和步骤,使其有章可循,加强了在实际核电站中可操作性。按照文中提出的工作框架组织人员完成各项任务,可以最终完成核电站机组故障诊断系统知识库的建立。     

核电站混合式故障诊断系统的开发和评价

提出了一种基于规则和人工神经网络的混合式故障诊断方法,用于在线诊断核事故。基于规则的诊断方法用于事故类型的识别,人工神经网络用于准确判断事故的具体位置以及严重程度等基于规则难以诊断的信息。正常工况下的仿真试验验证了该方法的有效性。     

基于主元分析的核电站主冷却剂泵故障诊断

研究了基于主元分析的故障诊断方法，在对某核电厂主冷却剂泵的故障诊断仿真实验中，建立了15个测量参数异常情况的故障特征方向库。通过对实测数据进行分析，证明此方法用于核电站的主冷却剂泵的故障诊断是可行的。     

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。     

基于神经网络和概率安全分析的核电站故障诊断

对基于神经网络和概率安全分析 (PSA)的故障诊断模型进行了研究 ,利用部分参数建立了模型和编制了相应的网络程序 ,并提出了利用PSA的成果和其定量化的指标分析简化诊断对象 ,取得了很好的效果。     

人工神经网络在核供热堆故障诊断中的应用研究

运用人工神经网络技术对２００ＭＷ核供热堆的故障诊断系统进行了研究,并用事故工况下反应堆参数的实际值和趋势变化值分别对两个ＢＰ网络进行训练和检验,两个网络诊断结果的综合得出最终诊断结果。经检验证明,将两个网络结合的综合系统与单网络系统相比,可提高诊断的准确性和适应性。     

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。     

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.     

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.     

核电站故障诊断专家系统综述

介绍了核电站故障诊断专家系统的发展状况,着重了模式匹配,基于因果网络和基于系统结构与功能模型等诊断方法的基本特点,最后本文还简要了提高诊断系统性能而采用的分布式与混合型的求解策略和人机界面集成化的设计方法。