基于支持向量回归的设备故障趋势预测

介绍了故障趋势预测的研究现状及支持向量回归的基本原理,将支持向量回归用于滚动轴承故障趋势的预测,并与其他方法（BP神经网络、灰色模型及灰色-AR模型）进行比较。结果表明,BP神经网络预测结果不稳定,易出现过学习和局部极小问题;支持向量回归预测结果稳定,在预测精度上优于BP神经网络、灰色模型、灰色-AR模型,是故障趋势预测的一种有效方法。     

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。     

灰色聚类理论在屏蔽泵状态评估中的应用

针对屏蔽泵样本少、可测性和维修可达性差的特点,将灰色聚类理论应用于屏蔽泵的状态评估。该方法兼顾小样本和样本区间模糊性,根据各聚类指标的状态划分,利用白化函数将各聚类指标白化、量化,并根据各聚类指标的重要度给出其权重。用得到的各聚类指标的量化值和权重进行聚类,给出屏蔽泵所属的状态。结果表明,该方法客观合理,适用于如屏蔽泵等样本少的核动力设备的状态评估。     

波司登男装是“世界名牌”么?

曾几何时,评上名牌成为企业莫大的荣耀,服装界尤其如是,评上名牌,大概有点像罩上了武林中传奇的鹰爪铁布衫,刀枪不入,上升到会当凌绝顶,一览众山小的孤独不败的境界,中国特色的运     

船用核动力蒸汽系统波纹管腐蚀分析与寿命预测研究

波纹管的破裂将给反应堆的安全运行带来隐患,甚至可能引发小破口事故。腐蚀是导致波纹管破裂的重要原因,在对波纹管腐蚀成因分析的基础上,结合波纹管腐蚀样本较少的特点,采用灰色理论对波纹管的腐蚀寿命进行预测,通过建立GM（1,1）模型,递推腐蚀量的变化规律。实例表明,该方法克服了传统统计方法需要大样本的缺点,预测精度高,评估结果可信。     

基于重构概念的变负荷工况下核功率预测研究

为适应船用核动力装置变负荷运行工况时功率的调节,提出了一种基于运行数据统计学习的方法计算需求功率,并分别运用支持向量机和BP神经网络两种机器学习方法进行了数值试验。结果表明,在负荷急剧变化过程中,基于数据统计学习的方法计算精度优于物理模型法,特别是基于支持向量机的方法,它可在短时间内经一遍训练即可得到符合精度的训练模型,且可保证其得到的极值解即为全局最优解。此外,该方法还可应对某些输入信号缺失的情况,提高了计算过程的稳定性、可靠性和容错控制能力。     

基于BP神经网络的反应堆功率预测

由于核动力装置经常会变负荷运行,为使功率与负荷匹配,需要知道反应堆功率的精确值以做出准确、及时的调整。但由于测量装置不确定性的存在,使得基于物理模型或实验模型的反应堆功率测量难以得到反应堆功率的精确值。通过建立BP神经网络模型以及用统计方法对网络输入数据的预处理,对几种情况下的反应堆功率进行预测。结果表明,该方法不仅克服了测量装置的不确定性的缺点,且在部分数据缺失的情况下也能做出较好的预测。