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。     

基于神经网络的松动部件监测系统小波质量估计方法研究

采用基于神经网络的小波质量估计方法对松动部件检测系统中小质量的螺钉(5g)、螺母(12g)和钢球(4．5g)进行了实验研究。结果表明：该方法能较好地区分不同质量的螺钉、螺母和钢球。     

核反应堆故障早期检测和在线状态监测方法

即将颁布的核行业标准《核电厂反应堆堆内构件的振动监测》(简称标准)对早期监测反应堆压力容器堆内构件蜕化的方法、故障检测仪表和监测程序提出了要求,适用于以中子波动信号和反应堆压力容器振动信号为基础的堆内构件和一回路部件的动态特性的监测。本文强调了标准所包含的核电站新型仪表控制系统的监测方法。新系统不同于传统的监测系统,它的主要目的是早期故障检测．以便向电厂操纵员和检查维修人员提供有用的状态信息。     

一种用于旋转设备运行状态无线监测的智能无线振动传感器设计

为提高已投入运行核动力装置旋转设备的运行数据采集和状态监测能力,需要解决安装传感器和敷设配套线缆困难的问题。本文采用现场可编程门阵列（FPGA）作为主控单元,设计了一种基于Zigbee物联网通信技术的智能无线振动传感器,并给出了其电路构成、工作原理,以及嵌入式控制软件的工作流程。通过对此传感器进行性能测试,结果表明该传感器功耗低,实现了对振动信号的连续采集、智能分析与上传。该无线传感器安装简单,无需敷设供电和信号线缆,可应用于构建核动力装置旋转设备的状态监测系统。      

核电厂重大设备健康状态的模糊综合评价方法

针对核电厂重大设备管理细则、设备运行特点和要求,提出了核电厂的重大设备健康状态综合评价方法。根据核电厂设备状态监测特点,建立了基于监测任务的多层次指标体系模型。基于设备零部件潜在故障模式分析故障现象,分析设备监测任务,并构建监测任务隶属度函数模型。总结专家实际评估经验,提出指标权重由所辖多个监测任务共享,由劣化最严重的监测任务继承权重,得到设备的指标状态;通过改进的层次分析法,分配各指标的初始权重,并提出基于指标状态等级的分级变权理论模型,均衡考虑关键指标的恶化情况。将建立的评价方法应用于核岛主泵轴封系统健康状态评估,结果表明该方法可靠实用,能够有效表征重大设备的实际运行健康状态。      

基于集成神经网络与模糊逻辑融合的稳压器泄漏监测方法

针对稳压器泄漏难以监测的问题,将集成神经网络(INN)与模糊逻辑融合(FLF)方法相结合,研究了稳压器泄漏监测方法。在该方法中,利用RBF神经网络(RBF-NN)建立稳压器泄漏诊断模型;采用两个Elman神经网络(Elman-NN)分别建立稳压器参数预测模型与稳压器泄漏诊断模型;应用模糊逻辑融合方法对RBF-NN与Elman-NN诊断的结果进行融合,并将其作为稳压器泄漏最终监测结果。为验证该方法的可行性,利用压水堆核动力装置模拟器对其监测效果进行了验证。结果表明,与单神经网络诊断方法相比,所提出的监测方法具有更高的可靠性;与其他泄漏监测方法相比,该方法简便、易行。     

基于Hilbert-Huang变换和BP神经网络的核级电动阀门退化趋势预测

核级电动阀门服役环境恶劣,极易发生退化失效。为准确预测核级电动阀门性能退化趋势,采用Hilbert-Huang变换（HHT）和反向传播神经网络（BPNN）相结合的方法（HHT-BPNN）对核级电动阀门的退化状态进行预测。本文采用某次核级电动阀门可靠性试验的振动信号对电动阀门退化趋势进行预测,结果显示该方法能准确预测出核级电动阀门的3种退化状态,且其相对误差在可接受范围内。研究表明HHT能够有效提取信号的退化信息,BPNN能够准确预测核级电动阀门的退化趋势,HHT-BPNN预测方法能有效解决核级电动阀门性能退化预测困难的问题。      

一回路核级设备磨损的监测模型

核级设备的结构失效与微动损伤有直接关系,在应力集中部位,微动又是许多核电设备提前失效的直接原因。本文以一回路核级设备为对象,研究其磨损失效的原理和特征,并针对不同的磨损失效情况建立监测模型,针对难以避免的典型磨损,构建监测模型,在线监测敏感部位的磨损,并提取信号进行分析,确定磨损部位和磨损程度。监测模型可以通过至少两种监测手段监测易发生磨损的部位,同时,通过不同的定位方法找到磨损发生的位置,并发出警报,做到事故前预防。     

基于改进MOGA的供应商选择方法以及在核电设备采购中的应用

由于核电站建设周期长、投入高,且对运营过程的安全性和经济性有很高要求.因此,可用于供应商选择的决策支撑方法较少,供应商评价流程客观性相对不高.针对这一问题,本文提出了一种客观可行的、基于改进多目标遗传算法(MOGA)的供应商选择方法.仿真试验结果表明了该方法在核电设备采购实践中的有效性和实用性.     

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。     

池式沸腾和流动沸腾的人工神经网络研究

成功构建了2个分别用于预测同心圆管开式热虹吸器内自然循环临界热流密度(CHF)和池式核态沸腾换热系数的人工神经网络。其预测均方误差分别为16.43%和19.57%。用训练成功的人工神经网络分析了2种沸腾换热的影响因素,分析结果表明:热虹吸器内同心内管的出现使CHF增加,热虹吸器内的CHF随内管外径的增加先增加后减小。池式核态沸腾表面传热系数随压力的增加先呈线性增加,当压力接近临界压力时,增加速度增大。     

人工神经网络在圆管临界热流密度数据处理中的研究

利用人工神经网络理论对均匀加热垂直上升圆管内的临界热流密度(CHF)进行了预测。分别采用进口条件、出口条件以及局部条件假设，利用收集到的6941个CHF实验数据中的一半作为神经网络训练的样本，采用训练成功的网络预测CHF值可得到比常规方法更好的效果，其均方差分别为6．6％、10．39％和21．39％。     

基于自适应遗忘因子RLS算法的稳压器模型在线辨识

为提高稳压器时变系统模型辨识的准确性及其参数在线辨识的快速性和鲁棒性,并研究遗忘因子大小对遗忘因子递推最小二乘法算法特性的影响,提出了一种基于模糊算法的自适应遗忘因子递推最小二乘法算法。该算法以系统动态特性值与辨识模型值之间的残差时间序列平均值及其变化率作为模糊算法的输入,遗忘因子修正量为输出,从而实现遗忘因子的自适应调整。通过对某核电厂稳压器降压系统进行仿真,结果表明,该算法可实时调整遗忘因子大小,有效地解决了稳压器模型参数时变性的问题,得到了较精确的时变模型;有效地解决了参数辨识结果稳定性和收敛速度相互矛盾的问题。因此,该算法具有可行性和优越性。      

基于PCA的主泵传感器状态监测模型

核电厂主泵的主、辅系统中布置了大量的传感器,随着主泵的运行,传感器会出现不同程度的老化或故障。为了改善现有核电厂传感器周期性测试和校准方案的不足,提高运行的安全性与经济性,采用主成分分析(PCA)技术对主泵的传感器进行状态监测。使用某核电厂主泵的运行数据建立PCA监测模型,并利用该模型对传感器的小漂移故障和共模故障进行识别,仿真结果表明该模型对主泵传感器具有很好的监测效果。     

基于核主元分析法的核电厂设备状态监测技术研究

In order to solve the limitations of the traditional monitoring methods for nuclear power plants, this paper proposes to introduce Kernel Principal Component Analysis (KPCA) into the online monitoring field of nuclear power plant equipment, and design the monitoring method and online monitoring strategy. In order to verify the effectiveness of the algorithm, it has been applied in the real monitoring case of the motor driven main feed water pump a nuclear power plant in China. The simulation results show that the KPCA algorithm can adapt to the requirements of nuclear power plant equipment monitoring, and can provide earlier warnings of failure than the existing threshold monitoring methods. At the same time, compared with the conventional PCA algorithm, the KPCA algorithm can extract the nonlinear relationship between variables, identify different operating modes of the device, and effectively reduce false alarms.     

基于人工神经网络的RPV材料辐照脆化预测模型研究

Based on the analysis of a certain amount of on-site test samples, this paper constructs a high-precision artificial neural network model for the ductile-brittle transition temperature prediction of RPV materials. Then we use the model to explore the influence of neutron fluence and neutron fluence rate parameters on the ductile-brittle transition temperature of RPV materials. It is found that the ductile-brittle transition temperature increases linearly with the increasing of neutron fluence, and then rises slowly and finally saturates. The effect of neutron flux rate on the embrittlement of RPV materials is not obvious.     

基于人工神经网络的RPV材料辐照脆化预测模型研究

在分析一定量随站测试样品的基础上,构建了具有较高精度的反应堆压力容器(RPV)材料韧脆转变温度(DBTT)预测的人工神经网络模型,并利用模型研究了中子注量和中子注量率对RPV材料DBTT的影响。结果表明,材料DBTT随着中子注量增加出现先线性上升,然后平缓上升,最后饱和的趋势,而中子注量率对RPV材料辐照脆化的影响不明显。     

基于核主元分析法的核电厂设备状态监测技术研究

为解决核电厂传统监测手段的局限性,提出将核主元分析法(KPCA)引入核电厂设备在线监测领域中,并设计了监测模型建设方法以及在线监测策略。为验证算法的有效性,将其应用在国内某核电机组电动主给水泵的真实监测案例中。仿真结果表明,KPCA算法可适应核电厂设备监测的要求,能比现有阈值监测手段提供更为早期的故障预警。同时,相比于常规的主元分析法(PCA),KPCA算法能够提取各变量之间的非线性关系,识别出设备不同的运行模式,有效减少误报警。