基于RVM-PF的动态安全裕度与不确定性评估方法

发布时间：2023-08-03 19:29

　　裕度与不确定性（QMU）评估技术是一项新兴的安全性评估技术，它主要基于“裕度设计”的理念，注重区间分析，考虑系统性能参数实际的变化范围来分析系统安全性。但QMU方法本质上是静态评估方法，一般通过收集系统固有信息或静态数据来进行评估，对动态系统的适应性较差；此外它只提供了评估方法，并未涉及系统性能数据的处理，而这部分恰恰是QMU评估的输入部分，对评估结果有决定性影响。对于运行中的系统来说，掌握实时安全状态很重要，如能利用状态监测与预测技术实时获取系统性能参数的时序信息，将其代入QMU评估模型，就能得到系统实时的安全性评估结果并预测未来一段时间内的安全状况，这是对QMU评估的一个重要补充。获取实时评估结果后可以提前对可能发生的事故采取相应措施，降低系统发生故障的可能性或减轻事故对系统的损坏，这对提高系统的安全性与可用性均有重要意义。 按照这个思路，本文运用相关向量机(RVM)与粒子滤波(PF)模型对性能数据进行分析并预测其趋势。第二章阐述了经典RVM模型的原理以及噪声项的改进，通过引入方差修正超参数来对每个点的噪声方差进行修正，使得RVM模型对噪声有更好的适应性。本章还对RVM模型进行了回...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 QMU 技术
        1.2.2 状态监测与预测技术
        1.2.3 相关向量机模型
        1.2.4 粒子滤波模型
        1.2.5 目前 QMU 技术存在的主要问题
    1.3 研究思路与创新点
    1.4 论文组织结构
第二章 基于相关向量机的回归模型
    2.1 相关向量机原理
        2.1.1 模型描述
        2.1.2 参数估计
    2.2 噪声项改进
        2.2.1 改进噪声项模型
        2.2.2 参数估计
        2.2.3 时序回归表达式
    2.3 回归性能分析
        2.3.1 核函数带宽对回归性能的影响
        2.3.2 改进噪声项对回归性能的影响
    2.4 RVM 回归数据库建立
    2.5 本章小结
第三章 基于 RVM 回归数据库的粒子滤波预测模型
    3.1 在线预测的难点与解决思路
    3.2 粒子滤波预测基本原理
        3.2.1 标准粒子滤波算法
        3.2.2 影响预测精度的关键因素
    3.3 基于 RVM 回归数据库的粒子滤波预测算法
        3.3.1 粒子采样方法
        3.3.2 粒子权重计算方法
        3.3.3 运动方程与预测值计算
        3.3.4 粒子权重更新与真实值修正
        3.3.5 算法流程
    3.4 参数设置与预测性能分析
        3.4.1 预测长度的影响
        3.4.2 平滑系数的影响
        3.4.3 权重更新的影响
        3.4.4 真实值修正的影响
        3.4.5 与一般趋势外推方法的精度对比
    3.5 本章小结
第四章 动态安全裕度与不确定性评估模型
    4.1 QMU 评估方法基本原理
    4.2 阈值计算方法
    4.3 动态优良系数评估
        4.3.1 优良系数计算方法
        4.3.2 评估结果判定
    4.4 本章小结
第五章 案例分析
    5.1 一回路冷却剂管道简介
        5.1.1 性能退化机理
        5.1.2 性能监测量构建与计算方法
    5.2 性能趋势预测
        5.2.1 回归数据库构建
        5.2.2 预测结果
    5.3 动态 QMU 评估
        5.3.1 阈值计算
        5.3.2 评估结果
    5.4 本章小结
结束语
致谢
参考文献
作者在学期间取得的学术成果



本文编号：3838675