基于LSSVM的核电厂稳压器压力控制系统隐蔽攻击方法研究

隐蔽攻击对大型核电厂稳压器压力控制系统的安全、稳定、高效运行构成了严重威胁,实现隐蔽攻击的关键是建立高精度的对象估计模型。本文提出了一种基于最小二乘支持向量机（LSSVM）的隐蔽攻击方法,通过LSSVM算法进行系统辨识,获得稳压器受攻击区域高精度的估计模型,随后利用该估计模型结合隐蔽控制器实施攻击,实现稳压器压力控制系统在无噪声、有噪声及包含非线性环节情况下的隐蔽攻击。仿真结果表明,该攻击方式对稳压器压力控制系统造成一定破坏的同时具有高度的隐蔽性。      

核动力堆热功率跟踪系统的自校正模型算法控制

针对核动力堆控制系统这一带不确定参数及干扰的复杂非线性系统 ,本工作用自校正模型算法控制原理提出了一种动力堆热功率跟踪控制的方法。该方法克服了一般多步模型算法控制律所存在的由于模型估计不准或模型参数大幅度变化引起系统动态特性和控制质量变坏的缺点。通过仿真 ,将本方法与一般多步模型算法控制相比较 ,结果证明了该方法可使系统具有更强的鲁棒性和更好的动态品质。     

压水堆堆芯系统线性化模型在最优控制中的应用

基于微小摄动理论,对压水堆堆芯系统的非线性模型进行线性化处理,得到了线性时不变系统模型.利用该模型进行线性二次型高斯(LQG: Linear Quadratic Gaussian)最优控制器设计,并进行了控制系统仿真.结果表明,利用线性化模型对压水堆堆芯系统进行控制系统设计的方法是可行的.     

基于SPSA的蒸汽发生器液位MPC系统性能优化方法研究

核电厂蒸汽发生器（SG）液位变化过程具有强非线性且存在“虚假水位”现象,传统SG液位控制系统多采用固定参数比例-积分-微分（PID）控制器,但传统PID控制方法不具备自优化、自适应、自学习等能力,使得控制系统性能难以达到并保持最佳。为提高机组瞬态响应能力以及核电厂的稳定性、安全性和经济性,提出了一种基于并行摄动随机逼近（SPSA）算法的模型预测控制（MPC）方法。该方法采用MPC系统代替传统PID控制系统,并利用SPSA实现液位控制系统参数的整定优化,从而实现SG液位控制系统的性能优化。通过仿真试验验证了本方法能够有效提高SG液位控制参数的整定效率以及控制系统稳定性。      

基于模拟点源测量的多针孔SPECT精确迭代重建

高分辨率单光子发射计算机断层成像（SPECT）是临床和小动物影像的重要技术之一。对SPECT的系统传输矩阵进行建模,并结合于迭代重建算法中,是提高系统空间分辨率的有效手段。本文基于实验室自主研发的多针孔小动物SPECT系统,研究了一种蒙特卡罗模拟和解析模型相结合的系统传输矩阵精确计算方法。该方法是基于多点源模拟的投影数据,结合数据再估计方法和高斯拟合方法提取点扩展函数（PSF）特征参数,并结合解析形式的系统物理模型,从而计算任意位置的精确PSF。通过对四点源模拟投影数据分别用纯解析方法和蒙特卡罗模拟与解析模型相结合的方法进行计算,并对所得的系统传输矩阵进行重建对比,验证了蒙特卡罗模拟与解析模型相结合方法对图像分辨率的改善效果。进一步比较了不同点源排列的重建效果,获得了优化的点源排布方案。相对于基于实验方法测量系统传输矩阵,本方法能以更合理的代价实现系统传输矩阵的精确建模,并能有效提高系统空间分辨率。     

锥束CT图像的自适应滤波预处理方法

根据锥束CT系统噪声的性质与序列切片图像的特点,提出一种锥束CT图像的自适应滤波预处理方法.首先建立噪声判断准则,将当前滤波像素的噪声分为两类:对于高斯噪声,采用自适应中心加权的改进均值滤波算法处理,并提出用高斯噪声的层间标准差估计取代层内偏移窗口标准差估计,提高了对序列图像进行滤波的准确性;对于脉冲噪声,采用自适应中值滤波算法处理.通过叶片蜡模的锥束CT切片图像预处理实验,表明该方法在去除噪声和保护细节两方面均表现良好.     

应用于核工程领域的并行粒子群优化算法多处理器模型

粒子群优化算法是一种基于种群的启发式优化算法（PBM）,候选解通过模拟一个简化的社会适应度模型进行进化。由于该算法同时具有稳健、高效和简单的优点,因而获得了广泛的应用。许多粒子群优化算法的成功应用被报告,并且显示了其具有优于其他已被广泛接受的PBM的特点。但是,计算量对于粒子群优化算法以及所有其他PBM算法仍然是一个很大的制约因素,尤其是对于有费时目标函数的最优化问题。为了克服该困难,采用了并行计算。并行粒子群优化算法的默认优点是减少计算时间。探索这一性能的主．从模型方法是被研究最广泛的。粒子群优化算法可以通过更精细的邻居拓扑结构获得提高。因此,开发了几个不同的并行粒子群优化算法,以探索由多处理器之间的沟通策略实现的增强邻居拓扑结构的优点。将提出的粒子群优化算法应用于两个复杂、费时的核工程问题：①反应堆堆芯设计;②换料优化。通过实验得出以下结论：①在数千次迭代之后,并行粒子群优化算法仍可以找到更优的解,这制约了在此类实际应用问题中串行（非并行）粒子群优化算法的有效应用;②运用更精细沟通策略的并行粒子群优化算法,与主．从模型相比效率更高,更稳健。     

基于CPSO滚动优化的堆芯功率自适应预测控制

针对核反应堆变功率过程中系统的非线性和反应性增量约束问题，本文将具备模型参数自适应辨识能力的改进型广义预测控制器（JGPC）应用于堆芯功率控制，该控制器通过预测模型参数和递推关系计算未来时刻的预测输出值，同时采用经正弦混沌策略和非线性惯性权重改进的混沌粒子群算法（CPSO）进行滚动优化，在优化过程中通过设定优化边界和混沌策略来处理反应性约束；以堆芯功率的受控自回归积分滑动平均模型（CARIMA）作为预测模型，并采用遗忘因子递推最小二乘法（FFRLS）自适应辨识模型参数，以克服堆芯功率模型非线性。基于MATLAB平台对本文控制器进行仿真验证，结果表明，该控制器在满足约束条件的情况下，能使堆芯功率快速、稳定地跟随设定值，且具备一定的抗干扰能力。      

基于EPICS和差分进化算法的同步辐射光束线智能调束系统

针对无规律变化的光源光束点和手动调束费时费力问题,本文实现了基于实验物理及工业控制系统(Experimental Physics and Industrial Control System,EPICS)的同步辐射光束线智能优化调束。该系统基于差分进化算法,建立光束线智能优化模型,应用LabVIEW程序实现调束过程的自动优化。系统可以自由选择待优化的电机及其搜索范围,设置算法参数,跟踪进化进程,通过CaLab接口模块与光束线EPICS软件平台进行通信,控制电机运动。对该系统在上海光源衍射线站进行了在线测试,首次成功地在EPICS控制平台上实现了光束线的智能调束优化。测试结果表明:该智能调束系统能够较快地收敛于最优解,收敛时间大约30 min,较手动优化效率提高一个数量级以上。     

基于GMFAC的核电站稳压器压力优化控制

针对核电站稳压器压力控制系统的非线性、时变性等问题,本文在无模型自适应控制(MFAC)理论的基础上提出高"泛模型"无模型自适应控制(GMFAC)方法并设计控制器用于稳压器压力优化控制。对无模型自适应控制参数优化问题,采用一种基于动物行为的群体智能优化算法——人工鱼群算法(AFSA)。为了避免局部最优,提高收敛速度,同时采用一种改进的AFSA算法(PSO-AFSA),参考粒子群(PSO)算法的自身认知与群体认知行为,定义鱼群的生活行为,以提高算法的精度,达到快速获得全局最优的目的。仿真结果表明:人工鱼群算法优化后的GMFAC具有更加优良的性能指标和抗扰能力。     

一种基于关联规则挖掘的入侵检测系统

为解决入侵检测系统普遍存在漏/误报率高、特征库需频繁升级、更新等问题,根据中科院高能所的网络环境,构建了一种基于关联规则挖掘算法的入侵检测系统。该系统可以通过训练数据生成通用的检测规则,并利用规则检测新的攻击。实验证明:该系统对未知攻击具有较好的检测速度和检测率。     

一种传感器动态误差实时修正方法及其FPGA实现

为了解决在测试系统中由于传感器动态特性引起测试数据失真的问题,提出了一种基于粒子群的传感器动态补偿方法。该方法依据实测的传感器输入和输出数据运用粒子群优化算法得到最优补偿器模型及参数。为了实现动态误差的实时修正在研制了以FPGA为控制核心的数据采集及存储系统的基础上,将分布式算法引入到动态补偿器的硬件结构设计中,完成了传感器动态补偿器的FPGA实现。最后研制了传感器模拟器并运用该系统对其输出的数据进行了采集,调试结果表明本系统能够准确地采集存储数据同时还能够修正由传感器模拟器引起的动态误差。     

核电事故应急随机网络的粒子群优化分析

本文构建了核电事故应急过程的GERT随机网络模型，在分析日本福岛核事故应急救援过程的基础上，研究智能计算方法与传统随机网络相结合的途径。将应急过程分解为串联环节和并联环节，将并联环节作为串联环节的一部分，先以整体为对象进行资源配置优化，再单独分析并联环节。分析了应急资源对各救援环节的作用，在应急资源一定的前提下提出了对应的粒子运动速度矢量受限。利用速度投影矩阵纠正粒子运动，得到了资源受限的粒子群优化算法，获得了应急过程中资源的优化配置，以及降低了核电事故应急的时间消耗。     

反应堆补水系统诊断贝叶斯网络的建立和应用

建立了补水系统贝叶斯故障诊断网络。在结合补水系统结构特点、运行规程和专家经验的基础上构建了初始诊断贝叶斯网络,运用基于微粒群优化的贝叶斯网络学习算法学习故障数据集,进一步构建完整网络,并进行推理分析。所建网络能有效分析和更新系统中各节点故障概率,为故障诊断提供辅助决策。     

核电厂环境辐射监测传感器网络中缺失值的粒子群算法-最小二乘支持向量机估计算法

传感器节点监测数据缺失会影响核电厂外围环境辐射监测的连续性,必须对缺失数据进行准确估计。提出一种基于最小二乘支持向量机(LSSVM)的监测数据缺失值估计算法,采用粒子群算法(PSO)确定模型参数的优化组合,根据核电厂外围环境(剂量率变化特点,利用节点的历史监测数据和相邻节点当前监测数据构造样本空间,对传感器节点监测数据缺失值进行估计。用实际数据进行的实验结果表明,所提出的估计算法的最大相对估计误差为3%,相关系数为0.926375,估计精度远高于基于BP神经网络模型的估计算法,也优于采用GA优化参数的LSSVM估计算法。     

模糊神经网络原理及其在核爆监测中的应用

本文实现了一种利用基于ＢＰ算法的模糊神经网络（ＦＮＮ）建立模糊模型的方法，这种方法可自动生成非线性系统的模糊模型，ＦＮＮ被用来产生模糊规则和隶属函数，用数值计算和异或（ＸＯＲ）问题对该方法的可行性和置信度进行了检验，结果表明，模糊神经网络能显著地改进模糊系统设计中的准确度，可靠性，缩短设计周期，降低系统成本，ＦＮＮ用于核爆对人员伤害估计并可将网络简化成一种用于信号极点提取的规则神经网络（ＲＮＮ）初     

基于粒子群优化算法的压水堆失水事故研究

为提高对失水事故的诊断能力,在反向传播(BP)算法基础上,建立基于粒子群优化(PSO)算法的故障诊断网络,利用PSO算法训练神经网络的权重和阈值,以克服BP算法易陷入局部极小问题。仿真试验表明,该诊断网络对失水事故有较高的诊断精度。     

低通PID算法在HT-7密度控制系统中的应用研究

PID控制是反馈控制系统中最常用的控制方法,基于数字滤波技术设计的低通滤波PID算法通过滤掉误差信号中的噪音信号从而提高了算法的控制效果.介绍了HT-7密度控制系统结构,详细说明了该控制算法的原理及实现过程,该算法在HT-7密度控制系统中应用,得到了很好的控制效果.     

反应堆保护系统信息安全分析

针对国内核电厂反应堆保护系统(RPS)DCS平台研发和工程实施过程中的信息安全进行了研究,采用信息安全分级方案、区位模型,以及攻击树建模方法,对RPS进行级别和区位设定,并建立RPS攻击树模型,分析可能的攻击途径。提出了系统化的信息安全分析方法和信息安全措施,可供核电厂RPS系统平台研发、工程实施和运行维护等项目参考。     

蚁群优化最小二乘支持向量机在测量数据拟合中的应用

针对传统数据拟合方法存在依赖用户经验，需预先确定估计拟合函数等缺点，提出一种基于蚁群优化最小二乘支持向量回归机（ACO-LSSVR）的数据拟合方法。该方法采用蚁群优化（ACO）对最小二乘支持向量回归机（LSSVR）的参数进行优化，获取最优参数，从而建立数据拟合模型。将该方法与传统回归拟合方法用于核工程的2个测量数据拟合实例中，得到堆芯功率曲线和熔融液滴在冷却剂中运动特性曲线，将2条曲线的拟合结果进行了比较。结果表明，ACO-LSSVR具有较高的拟合精度且无需对数据分段确定拟合函数。