基于信息融合技术的核动力装置智能故障诊断系统研究

将信息融合技术应用到船用核动力装置故障诊断中,建立由故障树专家系统、神经网络诊断系统和机理模型验证系统构成的空间融合架构,充分利用系统深层知识、浅层知识和机理模型知识,经仿真验证,信息融合诊断系统可有效提高故障诊断的可靠性.     

基于神经网络的核动力一回路专家系统故障诊断

建立了一种将专家系统融入神经网络的故障诊断模型。通过研究产生式规则的特性,提出了二元与式规则,并将其应用到神经网络的二进制编码中,实现了二者的有效结合。推理算法采用正向神经网络推理,避免了知识的冲突,同时推理过程中保存神经网络的中间结果,使诊断过程可得到追踪。仿真实验结果表明,该方法具有较低的误诊率,能满足实际故障诊断的需求。     

基于故障树的复杂系统故障诊断软件设计研究

可靠性和安全性要求较高的复杂系统对故障诊断工作的要求也很高。根据系统在设计、运行阶段工作中建立有大量的故障树模型的特点,本文将故障树分析方法与基于知识的方法相结合,提出了一种基于故障树的复杂系统故障诊断方法,并且开发了原型系统,实现了对车载大气光学参数测量系统的快速、智能诊断。     

核动力装置混合智能故障诊断系统研究

针对核动力装置的状态监测与故障诊断问题,为克服单一故障诊断方法的局限性,本文提出了基于多层流模型(MFM)和信息融合理论的混合智能故障诊断方法。利用信息融合的方法来提高故障诊断的快速性和准确性,同时利用MFM方法解释故障发生时报警的传播路径,提高对诊断结果的可理解性。仿真实验表明,混合智能诊断方法能迅速判明故障并提交报警分析。     

基于遗传算法的核动力设备实时故障诊断系统

在神经网络故障诊断研究的基础上,将遗传算法引入神经网络优化,并在此基础上设计了核动力设备遗传优化神经网络实时故障诊断系统.测试结果表明,该故障诊断系统能迅速、准确、可靠地诊断出所设故障.     

专家系统知识表示及其在舰艇核动力装置故障诊断中的应用

为提高舰艇核动力装置安全可靠性，确保故障诊断能高效快捷,依据舰艇核动力装置故障特征，提出一种基于专家系统知识表示的故障诊断方法，该法将专家系统、知识表示与推理机有机结合。实践表明，基于专家系统知识表示的故障诊断方法能够对复杂多样的舰艇核动力装置故障做出诊断，有效提高舰艇核动力装置运行的安全性和可靠性。     

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。     

基于灰色聚类分析的核动力装置故障诊断研究

针对核动力装置故障状态下征兆参数呈现出的灰色特征,提出将灰色聚类分析模型用于核动力装置故障诊断,采用了两种方法构造聚类模型。其一,基于AB0型灰色关联度分析的聚类模型主要通过核动力装置待检序列与标准故障模式序列间的AB0型关联度排序来分析故障类型;其次是基于灰色白化权函数分析的聚类模型主要由核动力装置待检序列与标准故障模式序列间的聚类系数值分析故障类型。以蒸汽发生器典型故障为例,验证了灰色聚类分析方法用于核动力装置故障诊断的可行性。分析结果表明,灰色聚类分析建模简单,可以实现故障的准确诊断。     

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.     

基于SDG-QTA的核动力装置故障诊断技术研究

通过对核动力装置进行在线状态监测与故障诊断研究,帮助操作人员及时了解核动力装置的运行状态和事故进程,有助于操作人员进行正确操作,防止事故进一步恶化。符号有向图（SDG）能很好地展示出复杂系统变量之间的关系,同时具有建立模型简单、推理灵活等优点。本文采用SDG对核动力装置进行故障诊断研究。首先,将定性趋势分析(QTA)和阈值法结合对核动力装置进行状态监测。然后,采用SDG对核动力装置进行故障诊断,并通过SDG模型给出故障的传播路径。最后,以核电厂二回路典型故障为例,建立其SDG模型,并通过仿真机对该方法进行验证。     

基于DUCG的核电站故障诊断专家系统的设计与实现

专家系统有着广泛的应用领域和应用方式。为增强核电站系统的安全性,协助操作员在故障发生时进行分析决策,建立了基于动态不确定因果图（DUCG）理论的核电站故障诊断专家系统。文章详细介绍了这一系统,重点介绍了系统知识库、推理机和图形化用户界面的设计与功能实现过程。验证结果表明,这一系统能进行准确的故障诊断,显示故障的发展过程,为操作员决策提供支持。     

适用于核电厂DCS故障诊断专家系统的结构研究

本文通过研究核电厂数字化仪控系统（DCS ）的主要特点及建立故障诊断专家系统的基本组成，逐一分析各类系统结构应用于核电厂DCS的不同情况，最终分析选择出适用于核电厂DCS的故障诊断专家系统的结构类型，并根据选择结果初步构建出可供参考的基本框架结构方案，为后续核电工程项目实际开发和应用DCS故障诊断专家系统奠定了必要的研究基础。     

基于事件触发机制的核电站智能诊断专家系统置信规则库的研究

为提高核电站故障诊断的准确性和及时性,提出采用以核电站主要设备运行参数的报警状态为事件的触发机制对核电站设备故障进行诊断,利用核电站相关运行参数的信息集合建立事件触发下的核电站智能诊断专家系统置信规则库,而构建规则库采用故障机理模型与核电模型等相结合的方式,即在故障引起的报警下进行描述故障的征兆集合提取、规则的表示和规则变量的设定。通过在核电模型中人为引入故障,利用基于事件触发机制的核电站智能诊断专家系统进行故障诊断。诊断结果表明,本系统诊断出的故障类型与在核电模型中引入的故障类型一致,验证了本系统诊断结果的准确性,证明了此规则库的有效性和可行性。     

基于神经网络和概率安全分析的核电站故障诊断

对基于神经网络和概率安全分析 (PSA)的故障诊断模型进行了研究 ,利用部分参数建立了模型和编制了相应的网络程序 ,并提出了利用PSA的成果和其定量化的指标分析简化诊断对象 ,取得了很好的效果。     

核电厂实时故障诊断专家系统的设计与实现

为进一步减少核电厂中出现故障后的误操作，本文研究设计并实现核电厂实时故障诊断的专家系统。系统用专家系统理论将故障诊断的专家知识转化为存储于数据库的规则，实现了计算机自动异常征兆检测、实时提示、故障实时诊断，以及提出故障操作建议等功能。研究结果表明，开发的实时故障诊断专家系统能够为正确诊断压水堆核电厂多个典型事故提供有效的诊断结果和运行帮助信息。      

核动力系统神经网络故障诊断专家系统研究

以核动力系统故障诊断专家系统所存储的产生式规则库为依据,构造专家系统人工神经网络模块,建立具有并行推理能力的神经网络推理机制和实例学习能力的知识获取机制。在此基础上,建立了针对所构建神经网络的推理解释机制。系统融合了传统专家系统和神经网络各自优势,能高效、准确地进行实例推理、诊断解释并能有效地从实例中获取知识。     

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。     

核电站故障诊断专家系统综述

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。