基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别

根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%.     

基于小波包能量分析的吊篮故障DSmT融合方法研究

针对反应堆堆芯吊篮破裂和吊篮紧固件部分脱落故障信号难以获取问题,提出一种小波包能量特征提取和不确定理论DSm T故障决策的融合方法。测试3种吊篮故障工况的振动信号,利用小波包变换对信号进行分解-重构,提取频段能量构建子带能量特征向量,归一化处理后赋值给DSm T信度函数,使用DSm T信息融合方法在决策层对故障模式进行识别及验证。实验结果表明该方法能够有效辨识吊篮故障模式,具有较高的准确性及泛化能力。     

基于核探测器信号波形特征的故障诊断研究

核探测器是一种特殊的随机信号转换器,发生故障时,采用传统的人工方法很难及时有效地对故障进行诊断。本文提出了一种针对闪烁体探测器信号波形特征的在线智能故障检测与分类方法,通过分析闪烁体探测器不同故障时的输出信号变化特征,建立了相应的故障模型。使用小波包算法与支持向量机理论分解并提取特征向量,即可判断故障类型。以ST401闪烁体探测器为例,进行了模拟仿真实验。实验结果表明,基于信号波形特征的数字化方法能快速有效地对闪烁体探测器进行故障自动诊断。     

基于小波分析的主冷却剂泵转子故障诊断方法研究

小波分析具有降噪,多尺度分辨的特性,可以对主泵的典型故障进行故障特征提取.利用Simulink对主泵开裂纹、不对中及初始弯曲3个典型故障进行仿真得到振动曲线,并对振动曲线进行小波分析.结果表明,通过小波分析提取出的频谱信号可以有效地提取出故障特征信号.小波分析对于主冷却剂泵转子故障诊断是一种切实可行的方法,具有一定的应用价值和研究意义.     

基于核探测器信号波形特征的故障诊断研究

核探测器是一种特殊的随机信号转换器,发生故障时,采用传统的人工方法很难及时有效地对故障进行诊断。本文提出了一种针对闪烁体探测器信号波形特征的在线智能故障检测与分类方法,通过分析闪烁体探测器不同故障时的输出信号变化特征,建立了相应的故障模型。使用小波包算法与支持向量机理论分解并提取特征向量,即可判断故障类型。以ST401闪烁体探测器为例,进行了模拟仿真实验。实验结果表明,基于信号波形特征的数字化方法能快速有效地对闪烁体探测器进行故障自动诊断。     

小波改进算法在泵转子故障识别中的应用

小波变换对转动机械振动信号的识别具有特有的效果。但小波包变换在工程应用中,存在频率混淆、幅值失真等缺陷,采用频率补偿算法,并选取了泵转子的动不平衡、弯+动不平衡等典型故障试验数据,通过分析,验证频率补偿算法能够提取振动信号的更多细节,可以识别出故障的特征频谱,能够有效地解决频率混淆、幅值失真等问题,为小波分析的工程应用奠定了一定基础。     

基于分形盒维数的汽轮机转子振动故障诊断的实验研究

汽轮机转子是汽轮机故障预测及诊断问题的一个重要方面.利用振动信号或状态量对设备进行诊断,是设备故障诊断中最有效、最常用的方法.本文在Bently实验台上进行了实验,模拟电站汽轮机转子的不对中、不平衡、碰摩和轴承松动4种故障的振动过程.根据汽轮机故障的分形特征,采用分形盒维数方法进行了不同故障试验数据的分形盒维数研究计算.结果表明:碰摩状况下的轴心轨迹最为混乱且呈现雪花状,其对应的分形盒维数也最大;不平衡时的轴心轨迹较为平滑,其对应的分形盒维数最小;不对中故障及松动故障的分形盒维数居中.因此,分形盒维数在进行汽轮机转子故障类型诊断时有更好的区分度.     

基于频率补偿小波的屏蔽主泵裂纹转子识别

针对转子裂纹振动信号不易被发现的问题,利用小波包分析方法,在无动不平衡频率的频带内进行分析,从中找出裂纹振动的特征频率。在分析中,针对小波算法存在的频率混淆、幅值失真、主频偏移的缺陷,在前人研究基础上,提出了一种频率补偿小波算法,利用该方法分析了核用屏蔽主泵转子裂纹振动信号,并得出了其振动的特征频率。结果表明,相比一般小波包,频率补偿小波包能识别出振动的特征频率,具有良好的实用价值。     

基于小波包多尺度信息熵和HMM的气液两相流流型识别方法

为了研究垂直上升管中气液两相流的流型,利用自制的多电导探针测量系统采集了四种典型流型的电导波动信息.由于气液两相流电导波动信号的非平稳特征,提出了一种基于小波包多尺度信息熵(Wavelet Packet Multi-scal2e Information Entropy)和隐马尔可夫模型(Hidden Markov Model,HMM)的流型识别方法.该方法首先对采集到的电导波动信号进行3层小波包分解,得到了8个不同频带的信号,提取各频带信号的小波包多尺度信息熵特征作为流型的特征向量,然后将其转换为观测序列输入到各种状态的隐马尔可夫模型进行训练并识别流型.结果表明:与BP神经网络相比,采用隐马尔可夫模型进行流型识别可以获得更高的识别率,表明该方法是有效和可行的.     

基于自适应阈值的小波包在松动部件信噪分离中的研究

研究了反应堆主回路系统背景振动噪声的特点。在传统松动部件信号提取方法的基础上,利用对小波包系数加入时间窗的方法实现对去噪阈值进行自适应选取。同时采用了一种新的阈值处理函数对含噪声的松动部件冲击信号进行去噪处理,并对模拟实验装置上采集到的钢球冲击信号进行分析。实验结果表明,本文提出的方法能有效跟踪背景噪声强度的变化,有效抑制背景噪声,准确识别松动部件冲击信号,提取相关特征。     

基于全工况数学模型诊断核电汽轮机热力系统故障的新思路

利用核电汽轮机热力系统大范围变工况(全工况)数学模型建立核电热力系统故障诊断系统。通过数学模型对对象系统机理的描述,避免了以往神经网络等推理方法中对大量运行数据的需要,更具实用性。由于引入了反映设备运行性能的特性参数概念。通过特性参数随其主导因素的变化关系诊断系统设备故障,避免了依据表面现象判断故障的困难,并使故障诊断结果具有量化标准。能对现场运行和维修提出有益的指导。     

基于BP神经网络的核探测器故障诊断方法研究

核探测器是核设施放射性监测的重要设备,为了保障该设备的持续稳定运行,本研究针对闪烁体探测器提出了一种基于BP神经网络的在线智能故障诊断方法。采用小波包变换将探测器输出信号从时域变换至频域后提取特征向量,将得到的特征向量作为BP神经网络故障诊断模型的输入,再通过误差梯度下降法对该模型的参数进行优化,最终利用最优的诊断模型完成故障类型的智能识别与分类,并将该方法与统计诊断方法和基于支持向量机的故障诊断方法进行横向的对比研究。研究结果表明,新方法的平均诊断准确率均优于上述两种方法。因此,该方法的应用能有效地提高核探测器的故障诊断准确率。     

Fault diagnosis algorithm for 3-phase passive rectifiers based on frequency-domain analysis for acceleration grid power supply in CFETR NBI system

The acceleration grid power supply (AGPS) is a crucial part of the Negative-ion Neutral Beam Injection system in the China Fusion Engineering Test Reactor, which includes a 3-phase passive (diode) rectifier. To diagnose and localize faults in the rectifier, this paper proposes a frequency-domain analysis-based fault diagnosis algorithm for the rectifier in AGPS. First, time-domain expressions and spectral characteristics of the output voltage of the TPTL-NPC inverter-based power supply are analyzed. Then, frequency-domain analysis-based fault diagnosis and frequency-domain analysis-based sub-fault diagnosis algorithms are proposed to diagnose open circuit (OC) faults of diode(s), which benefit from the analysis of harmonics magnitude and phase-angle of the output voltage. Only a fundamental period is needed to diagnose and localize exact faults, and a strong Variable-duration Fault Detection Method is proposed to identify acceptable ripple from OC faults. Detailed simulations and experimental results demonstrate the effectiveness, quickness, and robustness of the proposed algorithms, and the diagnosis algorithms proposed in this article provide a significant method for the fault diagnosis of other rectifiers and converters.     

分布式故障诊断策略及其在核电站中的应用

核电站运行状态的监测与故障诊断直接关系到核电站的安全性、可靠性和经济性.针对核电站故障诊断特点,本文提出了一种分布式故障诊断方法,开发了反应堆冷却剂系统分布式故障诊断系统(RCSDFDS).实验测试表明,RCSDFDS不仅能够对单一故障进行及时、准确的识别,而且对多重故障也具有良好的识别效果.     

基于相关向量机的反应堆功率测量电路故障预测研究

为了提高核测量装置的保障性和维修性,本文以反应堆功率测量放大电路为对象,通过基于量子粒子群优化算法的多核相关向量机模型对电路的典型故障进行预测。从功率测量放大电路的脉冲响应信号中,用小波包分解方法提取特征信息,将计算所得到的特征与电路正常状态特征之间的欧氏距离作为电路故障程度指标,选用多核相关向量机建立电路故障预测模型,并分析了相关向量机模型核函数种类、参数优化算法对于模型预测效果的影响,研究结果表明采用量子粒子群算法优化的多核相关向量机模型对于电路未来运行状态的预测精度较优,能够准确预测电路故障程度的变化规律。      

核电厂安全系统立式泵振动原因研究

多个核电厂安全系统的多台安注泵、安喷泵都曾出现了振动大问题。首先介绍振动情况,总结振动特点,并开展频谱分析,探讨可能相关故障因素。随后根据振动特点和频谱特性,建立振动力学模型,分析出振动超标根本原因是设备与基础组成的系统发生共振,并非软脚,且进行试验验证。最后提出改善刚度的治理建议,并建议设计阶段将设备与基础作为一个整体系统进行振动模态分析。      

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。     

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。