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。     

多传感器的数据融合落点定位方法研究

为了提高靶场末区落点定位的可靠性和准确性,提出了一种多传感器测量数据融合的定位方法。在分析了各传感器测量原理的基础上,以光电经纬仪和视听测量组成融合系统,给出这两类传感器数据融合定位的计算方法,并利用实测数据进行了计算,结果表明,该方法是切实可行的。     

基于BP神经网络的船用反应堆屏蔽设计快速计算功能研究

船用反应堆的屏蔽设计问题直接关系到核能能否安全的用作舰船的动力系统,而在屏蔽设计问题中屏蔽计算是十分重要的环节。为了实现在一定误差范围内实现快速计算功能,采用BP神经网络模拟学习MCNP的计算过程,仅需给出指定的输入变量即可预测屏蔽计算输出结果,解决了MCNP计算耗时过长问题,提高了屏蔽设计优化效率。     

基于BP神经网络的反应堆功率预测

由于核动力装置经常会变负荷运行,为使功率与负荷匹配,需要知道反应堆功率的精确值以做出准确、及时的调整。但由于测量装置不确定性的存在,使得基于物理模型或实验模型的反应堆功率测量难以得到反应堆功率的精确值。通过建立BP神经网络模型以及用统计方法对网络输入数据的预处理,对几种情况下的反应堆功率进行预测。结果表明,该方法不仅克服了测量装置的不确定性的缺点,且在部分数据缺失的情况下也能做出较好的预测。     

基于BP神经网络的堆芯三维功率重构方法研究

堆芯功率分布包含了堆芯内的大量信息,由于在反应堆运行过程中无法直接测量堆芯内所有位置的功率,因此需通过其他方法得到堆芯三维功率分布的情况。本文以秦山一期工程为对象,利用堆外中子探测器在不同棒位和不同功率下的计数及BP神经网络对堆芯三维功率分布进行重构计算,并利用REMARK程序对该计算结果进行验证。结果表明,该功率重构方法能在反应堆运行的50%～100%功率范围内,较好地呈现堆芯三维功率分布。     

基于BP神经网络的核安全文化星级评价体系

为了加强核电安全文化建设,本文提出了一种对核电安全文化进行科学、全面评价的方法.并根据核电安全文化的特点,以SMART准则为依据,从安全意识、安全价值观、安全行为、安全现状等方面确立了24项安全文化评价指标,提出了安全文化星级划分标准,并在Visual Basic 6.0平台上建立了基于BP神经网络的安全文化星级评价体系.通过泛化能力测试,该体系能准确地评价出核电安全文化发展到了什么阶段,具有良好的可行性和有效性,操作简便,易于推广.     

基于BP神经网络PID的中子发生器离子源阳极电流控制研究

本文将BP神经网络算法与PID控制结合,优化了中子发生器控制离子源阳极电流PID调节过程,实现了控制器自适应整定,提升了控制效果。基于离子源阳极电流控制模型改进了PID算法,通过MATLAB/Simulink软件对两种算法进行仿真并对比分析。通过LabVIEW控制并采集离子源阳极电流值,使用改进后的BP神经网络PID算法控制程序进行实验。经实验表明,BP神经网络PID对离子源阳极电流控制能够实现参数的自适应整定,相比传统PID控制器超调量更小、响应速度更快,提高了中子发生器的控制稳定性。     

基于BP神经网络的核电站温度传感器检测装置的设计开发研究

根据核电站使用电阻温度传感器(RTD)时面临的需求,开发设计一套温度传感器在线检测装置。该装置利用回路电流阶跃方法,实现RTD响应时间在线测试。使用快速傅里叶变换和陷波滤波器解决采集信号中噪声干扰问题,通过BP神经网络实现快速准确求解动态曲线的响应时间。建立了RTD的健康评估流程,创造性的给出使用历史数据库为核电站中关键位置的RTD建立响应时间特征库的建议,对RTD的寿命进行预测分析,实时检测RTD的健康状态,为设备的可靠性维修提供数据支撑。通过计算RTD的响应时间,预测RTD达到热稳态所需的时间。该检测装置为核电站提供对温度传感器进行定期试验的条件,保证运行过程的正常进行。     

基于遗传BP神经网络的超临界水自然循环稳态流量研究

利用遗传BP神经网络建立超临界水自然循环稳态流量预测模型,采用平均影响值(MIV)的概念进行参数敏感度分析。研究结果表明,遗传BP网络可以很好的预测超临界水自然循环稳态流量值,误差落在了±10%范围内。在所选的参数范围内,入口温度增大,稳态流量减小,提高试验段高度或减小加热段长度、出入口阻力系数可以使自然循环流量增加,其重要度排序为入口温度、试验段高度、入口阻力系数、出口阻力系数、加热段长度,且入口阻力系数、出口阻力系数、加热段长度影响基本对等。     

模块化神经网络数据融合在谱线核测量中的应用

针对谱峰随不同干扰量漂移的问题,尝试使用模块化神经网络的信息融合对谱仪谱峰随温度、电压等干扰漂移进行致据融合.对谱仪峰位漂移,建立了融合的网络模型、算法及其学习方式.最后在建立的数学模型上对谱漂移试验数据进行计算和仿真.实验结果表明建立的数学模型有较好的精度,基于模块化神经网络的融合技术能运用在谱仪的谱峰漂移的数据融合中.     

基于遗传算法的神经网络分类器

本文基于遗传算法和级联相关算法的组合，提出了遗传辅助级联相关学习算法。该算法能够根据问题的需要自动设计网络结构，同时能有效地消除竞争协议问题。实验结果表明，与级联相关算法相比，它具有结构紧紧，泛化能力好等优点。     

基于神经网络算法的组件截面表达方式研究

为通过事先算好的组件均匀化截面产生堆芯计算所需的随组件当地工况变化的截面,本文采用了神经网络算法对样本截面进行函数逼近。选取贝叶斯规则和提前终止相结合的方法对BP网络进行训练,利用两个算例对其进行检验。并通过与FITLINK计算结果的对比表明,基于神经网络算法的截面表达方式可行。     

基于神经网络的小波分析在两相流不稳定性中的应用

小波变换和分解具有良好的时频局部化特性,使得小波分析被广泛地应用于时频分析中。本文结合了神经网络良好的自学习和自适应能力,得到小波神经网络,通过计算机仿真实现了对两相流不稳定性的辨识。     

基于卷积神经网络的辐射图像降噪方法研究

为了抑制探测器中统计涨落引起的噪声,提出了一种基于卷积神经网络的辐射图像降噪方法。该方法利用引入残差网络结构的卷积神经网络模型,对训练集中的辐射图像样本进行了训练,拟合出含噪声图像和无噪声图像的映射关系。实验结果表明,本文方法在降低统计噪声的同时保留了图像的细节。与传统的降噪方法相比,本文方法在量化指标和视觉效果上均有较大的改善。     

基于数据融合的核动力装置故障诊断方法

数据融合作为一种处理多源信息的方法适合于核动力装置的故障诊断。利用数据融合信息分级处理的思想,将核动力装置故障诊断分为3级进行,数据级采用了数据挖掘的方法对数据进行处理,对属性进行约简;特征级采用并行的3个神经网络处理数据级的约简属性,并将其输出作为决策级 Dempster-Shafer(D-S)证据理论的基本概率赋值;决策级采用了改进的D-S证据理论对神经网络的输出进行合成,克服了传统D-S证据理论无法处理冲突信息的缺陷。运用文献中的相关数据对该方法进行了测试验证,测试结果证实了该方法可正确诊断训练过的核动力装置相关故障,具有一定的应用价值。     

基于人工神经网络的压水堆燃料破损状态监测

为提升对核反应堆燃料棒包壳破损的预测能力,建立两个串联的人工神经网络分别判断燃料棒包壳是否破损以及破损程度。通过改变沾污铀质量、增加数据扰动、改变运行功率和使用更少的特征核素进行训练,对用于判断是否破损的神经网络模型和判断破损等级的神经网络进行了性能测试和分析。在沾污铀质量小于0.5 g、数据扰动在30%以内、单棒功率在77 kW到120 kW之间的条件下,第1个人工神经网络能较好地判断出是否破损。第2个神经网络,对于考虑的5种破损程度,判断的精确性较高。与传统的碘同位素比值法相比,神经网络方法响应更快,精度更高。结果表明,人工神经网络可用于预测反应堆燃料包壳是否发生破损以及破损程度。     

人工神经网络在预测流动沸腾曲线中的应用

选用20世纪60年代以来的实验数据，应用人工神经网络分析入口欠热度、质量流速、压力等主要参数对沸腾曲线的影响。在整个传热区内，热流密度随入口欠热度的增加而增大；在过渡沸腾和膜态沸腾区，热流密度随质量流速的增加而增加；压力起重要的作用，除膜态沸腾区外，增加压力能强化传热。除泡核沸腾外，稳态和瞬态的流动沸腾曲线的差异很小。     

基于BP神经网络的辐射源安全评估研究

基于人工神经网络及BP网络原理,建立了辐射源安全评估体系的数学模型。通过MATLAB仿真软件对模型进行训练,逐步改善影响辐射源安全评估的各因素权值,使网络样本的实际输出与期望输出误差和均方差达到最小。经仿真计算,BP网络评估方法具有较好的评价辨识精度。