共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
核动力装置是复杂的系统工程且具有潜在的放射性危险,因此要及时发现并处理其事故问题,避免造成严重后果。为建立核动力装置事故诊断方法,对操纵员的安全分析提供新的辅助手段,提出了一种基于时间卷积胶囊网络的核动力装置事故诊断方法。首先通过时间卷积核提取数据的时序信息,并降低计算难度,然后通过胶囊网络挖掘数据的深度向量特征,能够最大化利用运行信息中的数据特征,在事故数据较少的情况下也能得到很好的收敛效果,最后通过核动力装置全范围仿真模拟机获取事故仿真数据对模型进行训练和测试。研究结果表明,在核动力模拟机事故数据较少的情况下,相比于传统的深度学习方法,时间卷积胶囊网络模型有更好的收敛效果和诊断准确性。 相似文献
3.
4.
针对船用核动力系统工况多变、故障概率高、操纵员支持手段匮乏等问题,提出一种基于特征事件序列的故障诊断方法。在分析大量运行数据的基础上,通过定义特征事件序列来提取不同类型故障特征,并构建各种典型事故的标准特征事件序列谱。当系统运行发生故障时,按特定算法实时提取系统当前事件序列特征,将其与标准特征事件序列谱比对,通过计算相似度,辨识引起系统异常的初因事件。经试验验证,该方法可辨识初因事件的程度,并定位其相对位置,与传统数据驱动的方法相比,具有易追溯、可解释等优点,因而更具研究和推广价值。 相似文献
5.
6.
7.
8.
针对事故工况下堆芯功率变化的特点和神经网络(ANNs)易陷极小值、收敛速度慢等问题,提出一种基于ν-SVR)的事故工况下堆芯功率预测方法。该方法运用k重交叉验证(k-CV)完成对ν-SVR预测器并将其用于弹棒事故(REA)和落棒事故(RDA)工况下的堆芯功率预测。研究表明,与ANNs相比,该方法具有更高的预测精度和更短的响应时间。 相似文献
9.
为建立核动力系统运行工况的高精度实时判别与运行监测参数的长时间在线预测方法,本研究基于神经网络模型,针对核动力系统运行状态预判开展了两方面工作。首先,基于核动力系统过去15个时间步(步长1 s)的监测参数变化,对运行工况进行实时诊断判别,同时,采用搜索算法对判别模型的参数进行优化,提高模型对运行工况的识别精度;之后,对核动力系统的关键运行参数进行超前预测。结果表明:优化后模型的诊断判别准确率稳定在0.99以上;在100个时间步的长时间序列下能够实现对于参数变化趋势的有效预测;对比支持向量机、K-近邻、多层前馈等多种经典的算法可知,改进的循环网络——注意力机制网络联合模型在核动力系统的运行预判方面表现优异。本研究所建立的运行工况预判方法可为保障核动力系统安全运行的辅助判断决策与超实时监测感知提供工程应用参考。 相似文献
10.
11.
12.
13.
14.
15.
核电站故障诊断专家系统综述 总被引:6,自引:2,他引:4
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。 相似文献
16.
17.
基于数据融合的核动力装置故障诊断方法 总被引:2,自引:2,他引:0
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。 相似文献
18.