基于PCA的主泵传感器状态监测模型

核电厂主泵的主、辅系统中布置了大量的传感器，随着主泵的运行，传感器会出现不同程度的老化或故障。为了改善现有核电厂传感器周期性测试和校准方案的不足，提高运行的安全性与经济性，采用主成分分析（PCA）技术对主泵的传感器进行状态监测。使用某核电厂主泵的运行数据建立PCA监测模型，并利用该模型对传感器的小漂移故障和共模故障进行识别，仿真结果表明该模型对主泵传感器具有很好的监测效果。      

博世力士乐携尖端绿色解决方案亮相bauma China 2012

11月27日,博世力士乐重磅亮相上海bauma China 2012。现场展出的一系列先进解决方案几乎涵盖工程机械领域的所有应用,印证了博世力士乐伴随中国工程机械行业共同发展,以及帮助本土客户积极应对商业挑战的决心。博世力士乐以"4EE高能效理念"为本次参展主题,带来了以能源系统设计、高能效元件、能量再生、按需使用能源这四大技术支柱作为基石的多元化解决方案。本次展出的液压飞轮能量回收系统HFW、按需提供能量的工作系统EDIS等产品即是博世力士乐践行环保理念的有力     

基于RELAP5的核动力装置故障诊断数据源研究

为解决故障状态下的核动力装置数据源问题,本文建立了核动力装置一、二回路系统的模型,选择秦山一期核电站为对象,利用RELAP5对蒸汽发生器U型管破裂进行计算.通过结果分析可知所建立的模型节点划分是合理的、数据卡编制准确,基于该模型产生的数据可信.将开发的数据与基于神经网络的故障诊断系统联调,诊断测试结果表明数据准确、充分,可以为核动力装置的故障诊断系统的研究提供数据支持.     

质点系相对动矩心的动量矩定理

本文证明了质点系相对于动点的动量矩定理，在此基础上分析了几种特殊动点的简单形式的动量矩定理，并通过算例说明其实际应用。     

路由器的登录访问与安全

研究路由器的登录访问机制及安全设置,对增加内部网络的安全性具有重要意义。本文分析了路由器六种登录方式的安全隐患,并针对不同的登录访问从安全设置及安全管理两个方面提出了安全访问策略。     

基于ARIMA和LSTM组合模型的核电厂主泵状态预测

为了对核电厂主泵的运行过程进行监测和追踪,进而提高主泵的预警能力,提出了基于差分自回归移动平均（ARIMA）和长短期记忆（LSTM）神经网络组合模型的主泵状态预测方法,并用该方法对某核电厂主泵止推轴承温度和可控泄漏流量进行单步和多步预测,以根均方误差（RMSE）为指标对预测精度进行评估。结果表明,所建立的ARIMA和LSTM神经网络组合模型能够对主泵的状态进行准确的预测和追踪,并且组合模型的预测精度要优于ARIMA和LSTM单一模型,尤其在多步预测中,组合模型的优势更加明显。      

基于RBF神经网络的压水堆堆芯三维功率分布方法研究

堆芯三维功率分布的实时监测对核电厂的安全高效运行和控制系统优化均有重大意义。本文利用堆外核测量系统及RBF神经网络构建了一个实时堆芯功率三维分布监测系统,以提高监测的实时性及减小三维功率分布的拟合误差。在300 MW压水堆核电厂全范围仿真机上进行了一系列仿真实验,结果表明,该监测系统能在燃料循环周期的一定燃耗范围内,实时呈现堆芯三维功率分布,并通过几种方法对模型的精度进行了有效改进。     

交换机故障类型及分析方法

介绍了程控交换机常出现的故障类型并通过实例介绍了交换机出现故障后分析故障的方法。