核电厂智能诊断方法研究的进展

文章评述神经网络、模糊逻辑和专家系统3种典型的智能方法在核电厂(NPP)运行状态监测和故障诊断中的应用研究进展.分析了基于神经网络(ANN)、模糊逻辑和专家系统的核电厂运行状态监测和故障诊断方法的研究状况及其特点.探索了核电厂智能诊断方法应用研究的发展趋势.分析表明:基于模糊逻辑和专家系统的核电厂智能诊断方法的研究成果相对较少;核电厂智能诊断方法研究主要集中在基于神经网络的状态监测与故障诊断方面;多种智能诊断方法的结合、神经网络与其它方法的结合,以及基于多神经网络的核电厂运行状态监测和故障诊断方法研究是核电厂智能诊断方法研究的重要发展趋势.     

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.     

基于卷积长短期记忆网络和人工鲸鱼算法的核反应堆运行事件诊断方法研究

当核电厂发生异常后应及时诊断原因,以避免对运行人员和周围环境造成严重后果。本文利用卷积神经网络（CNN）和长短期记忆（LSTM）网络可更好地提取数据的局部特征和记忆时间序列信息的特征,研究基于卷积长短期记忆（CLSTM）网络和人工鲸鱼算法的核反应堆运行事件诊断技术。通过核电厂反应堆模拟机仿真实验对本文所述方法进行测试,最终测试准确率为99.91%,证明了本文所述研究方法的有效性。相关研究成果可作为核电厂运行事件的一种诊断方法,有利于提高运行事件诊断的智能化和信息化水平,为核电厂的少人值守甚至无人值守提供技术基础,提高公众对核电厂的认识与信赖。      

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。     

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     

基于时间序列神经网络的蒸汽发生器传热管泄漏程度诊断研究

针对蒸汽发生器U形传热管泄漏,本文提出了一种基于时间序列神经网络对蒸汽发生器传热管泄漏程度进行诊断研究的方法。首先,对核电厂蒸汽发生器U型传热管泄漏进行机理分析,构建其数学模型,提取其泄漏的直接特征参数,再依据Fisher得分法,提取其间接特征参数;其次,通过滑动时间窗口法从预处理后的时间序列数据中生成数据样本,作为时间序列神经网络的输入,并以蒸汽发生器U形传热管泄漏程度信息为标注,基于反向传播（BP）算法对五层神经网络系统进行训练,得到蒸汽发生器U形传热管泄漏的时间序列神经网络模型;最后,模拟核电厂运行过程蒸汽发生器U形传热管泄漏时的时间序列测试数据。仿真结果表明,时间序列神经网络对演变事件的处理具有较好的有效性和较高的泛化能力,对故障程度的诊断研究具有参考价值。      

粒子群优化算法在神经网络识别γ能谱中的应用

在神经网络识别γ能谱的应用中,针对BP算法极易陷入局部极小、收敛速度慢的缺点,根据粒子群优化算法具有全局寻优的特点,本文将PSO与BP算法结合起来形成一种训练神经网络的新算法--混合PSO-BP算法.将该算法应用到γ能谱识别中,克服了BP算法极易陷入局部极小的缺点,并且训练好的网络具有很好的泛化能力,识别正确率为100%.实例表明,混合PSO-BP算法用于γ能谱识别是非常理想的、有效的.     

基于神经网络与表决融合的核动力装置故障诊断方法

针对单神经网络（ANN）故障诊断方法的不足,将多神经网络诊断与表决融合方法结合起来,研究了基于多神经网络与表决融合的核动力装置故障诊断方法。在该方法中,多个不同类型的神经网络训练后用于核动力装置的故障诊断。选择对核动力装置安全有重要影响的运行参数作为各神经网络的输入变量,神经网络的输出是核动力装置的故障模式。用表决融合方法对不同神经网络的诊断结果进行融合,从而得到核动力装置故障诊断的最后结果。利用核动力装置典型的运行模式来验证所提出的诊断方法的效果。结果表明,与单神经网络相比,该方法可提高核动力装置故障诊断结果的精度和可靠性。     

基于局部离群因子和神经网络模型的设备状态在线监测方法研究

核电厂重大设备状态在线监测是保障核电厂安全和经济运行的重要技术,针对传统阈值监测的固有缺陷,提出一种基于局部离群因子（LOF）和神经网络模型的设备状态在线监测方法。此方法属于多参数动态阈值监测方法,首先分析监测对象的故障模式和故障现象,选择一组可覆盖故障现象的传感器测点;根据设备运行特点采集足够长时间的历史运行数据,筛除异常数据;计算历史运行数据的LOF,以历史运行数据为输入、LOF为输出,建立并训练得到神经网络模型;最后基于神经网络模型和传感器测点实时数据计算设备健康指数,监控当前设备健康状态。将本文的监测方法用于循环水泵泵体健康状态的监测,并采集了一段时间的正常数据和异常数据以验证其监测效果,验证结果表明,本文提出的监测方法可以提前10d进行预警,降低误报率,大幅提升监控效能。       

船用核动力装置专家系统技术研究

以船用核动力装置为研究对象 ,建立了运行在仿真机上的全工况核动力装置运行仿真系统。利用智能专家控制理论 ,建立了能够管理整个装置运行的 ,能对典型运行故障进行检测与诊断的管理运行专家系统。此系统在出现故障时能及时调用知识库专家知识进行专家推理 ,分析核动力装置控制实际运行中典型故障产生的原因及解决方法、故障诊断处理具有实时性 ;利用神经网络理论 ,建立了神经网络故障检测与诊断专家系统 ,此系统将不断检测核动力装置各系统 ,并根据检测数据给出故障诊断结果。结果表明 ,在核动力装置三层智能控制结构下 ,利用神经网络故障检测与诊断专家系统对船舶核动力装置可能的运行故障进行险测与诊断 ,利用运行管理专家系统对核动力装置进行运行管理 ,提高了船用核动力装置的运行性能。所进行的专家系统研究对船用核动力装置的安全运行具有一定的指导意义     

基于概念格的核动力设备NN-ES故障诊断方法

将神经网络与专家系统相结合,能充分发挥各自的优点。本工作利用概念格获取对象属性,从大量的原始数据中提取对象故障征兆集的核心属性、不必要属性和相对必要属性。基于这些属性,构建不同重要度的神经网络,使网络学习速度大幅提高,判断准确。为了更好地提高核动力设备故障诊断的准确性,采用基于规则推理的专家系统,对各神经网络融合后的诊断结果进行验证诊断。为验证该方法的有效性,以核动力设备典型故障为例,进行了仿真实验研究。仿真实验结果表明,将基于概念格属性约简理论构建的神经网络与专家系统邦联的诊断方法引入核动力设备故障诊断中是可行的,并且具有网络学习针对性强、计算量小、诊断结果可靠等特点。     

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。     

核电设备状态监测与故障诊断系统的研究

故障诊断系统可作为先进核电站仪表控制系统的重要辅助工具。本文介绍1种用于核电设备的状态监测及故障诊断系统,该系统的系统程序用VisualBasic6.0开发,并集数据采集、状态监测、故障诊断于一体,功能完善,操作使用方便。为了验证该系统的有效性,在核动力装置模拟器上进行了仿真实验研究。实验结果表明,系统完全可对核电设备的典型故障进行准确识别。     

基于RBF神经网络的NPP运行状态趋势预测

针对当前核动力装置事故判断采用传统阈值报警方法难以实现早期预警这一问题,提出根据状态参数的变化趋势、利用RBF神经网络良好的局部特性对核动力装置运行状态趋势进行预测的方法。对正常瞬变和小破口失水事故下运行状态趋势进行了预测,结果表明,RBF神经网络能很好地预测状态的变化,与实测值拟合较好,能实现事故的早期预警。     

核电厂故障检测与报警系统的发展概况

文章分析了传统的核电厂故障诊断及报警系统的结构和特点,指出了其需要改进的方面。概要评述基于知识库的专家系统、基于故障树的诊断系统和基于神经网络的诊断系统的发展概况及其在核电厂报警系统中的应用前景。     

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.     

基于复合人工神经网络的核电站实时故障诊断方法研究

针对核电站运行时故障或事故状态的在线实时判定,提出了一种基于复合人工神经网络的故障诊断和事故判定方法.其基本思想是:首先应用BP网络对事故进行成组快速诊断,而后应用RBF网络对BP网络的诊断结果进行区分和检验.利用核电站正常状态和多种事故状态下各故障特征参数输出的仿真计算结果,对所提出的方法进行了检验.结果表明,通过BP网络和RBF网络的优势互补,不仅能对学习过的故障进行快速、正确的诊断,对不同工况下的故障以及未定义的新故障也能够有效地识别.该方法采用的是随时间序列输出诊断结果及其可信度的方式,操纵员容易接受推理结果.     

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。