基于SDG-ES的核动力装置故障诊断技术研究
本文选题:核动力装置 切入点:故障诊断 出处:《哈尔滨工程大学》2014年硕士论文
【摘要】:由于核动力装置运行时有高剂量的放射性,发生事故后会对工作人员和环境造成巨大的威胁,因此其运行安全性一直备受世人关注。2011年3月发生的日本福岛核事故再次滞缓了核工业的发展。保障核电厂安全运行一直是世界各国共同的目标,故障诊断技术是提高系统安全性的一种有效手段,也是核安全领域研究的热点。核动力装置系统庞大、结构复杂,难以通过建立精确的数学模型来诊断故障。符号有向图(Signed Directed Graph, SDG)作为一种定性的故障诊断方法,能表达复杂的因果关系,适用于核动力装置这样复杂系统的故障诊断。本文在总结前人关于SDG故障诊断方法的基础上,深入研究了传统SDG诊断方法的特点,提出了建立核动力装置SDG模型的方法,并以压水堆一回路系统为研究对象建立了模型。通过引入故障显现时间有效地解决了 SDG诊断过程中模型出现闭环无法诊断的问题;为了提高诊断速度和分辨率,采用SDG与专家系统相结合的方法进行诊断,给出了根据SDG模型提取专家系统规则的方法;对多源故障诊断时将SDG模型图直接作为专家系统的知识表达,克服了传统专家系统获取知识的困难。在上述理论研究基础上,用C#3.5语言结合SQL Server 2005数据库技术开发了基于SDG-ES的核动力故障诊断专家系统。测试结果表明,该系统具有人机界面友好、诊断快速、易于操作等优点。
[Abstract]:As a result of high doses of radioactivity in the operation of nuclear power units, accidents can pose a great threat to staff and the environment, As a result, the safety of nuclear power plants has been attracting worldwide attention. The Fukushima nuclear accident in Japan in March 2011 has once again slowed down the development of the nuclear industry. Ensuring the safe operation of nuclear power plants has always been the common goal of all countries in the world. Fault diagnosis technology is an effective means to improve the safety of the system, and it is also a hot topic in the field of nuclear safety. It is difficult to diagnose faults by establishing accurate mathematical models. As a qualitative fault diagnosis method, symbolic directed graph (SDGs) can express complex causality. It is suitable for the fault diagnosis of complex systems such as nuclear power plants. Based on summarizing the previous methods of SDG fault diagnosis, this paper deeply studies the characteristics of traditional SDG diagnosis methods, and puts forward a method to establish the SDG model of nuclear power plants. In order to improve the diagnosis speed and resolution, the model of PWR primary circuit system is established. The problem of closed loop failure in the process of SDG diagnosis is effectively solved by introducing the time of fault appearance, and in order to improve the speed and resolution of the diagnosis, the problem of closed loop failure in the diagnosis process of PWR is effectively solved. The method of combining SDG with expert system is used to diagnose, and the method of extracting expert system rules according to SDG model is given, and the SDG model diagram is taken as the knowledge expression of expert system directly in multi-source fault diagnosis. This paper overcomes the difficulty of traditional expert system to acquire knowledge. Based on the above theoretical research, a nuclear power fault diagnosis expert system based on SDG-ES is developed by using C#3.5 language and SQL Server 2005 database technology. The test results show that, The system has the advantages of friendly man-machine interface, fast diagnosis and easy operation.
【学位授予单位】:哈尔滨工程大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TP277;TM623;TP311.52
【参考文献】
相关期刊论文 前10条
1 聂银燕;林晓焕;;基于SDG的压缩机故障诊断方法研究[J];微电子学与计算机;2013年03期
2 彭俏;郭立峰;马杰;;基于模糊Petri网推理的核动力装置专家系统研究[J];原子能科学技术;2012年S1期
3 李秀喜;吉世明;;基于半定量SDG模型的化工过程故障诊断[J];清华大学学报(自然科学版);2012年08期
4 田娟;谢刚;王培鑫;;PCA-SDG在TEP多源故障诊断中的应用[J];软件;2012年01期
5 谢刚;赵静阁;詹峰;谢克明;;SDG故障诊断规则的知识约简[J];小型微型计算机系统;2011年09期
6 马杰;郭立峰;张宇声;彭俏;李海威;;基于多层流模型的二回路系统故障诊断研究[J];核动力工程;2011年04期
7 高东;吴重光;张贝克;马昕;;基于符号有向图与定性趋势分析的化工过程故障诊断方法(英文)[J];Chinese Journal of Chemical Engineering;2010年02期
8 刘长龙;马昕;张贝克;;基于SDG模型的故障诊断专家系统[J];计算机工程;2009年19期
9 蔡猛;张大发;张宇声;;基于遗传算法的核动力设备实时故障诊断系统[J];核动力工程;2009年03期
10 宋其江;徐敏强;王日新;;模糊概率SDG模型及故障推理方法[J];控制与决策;2009年05期
相关博士学位论文 前4条
1 高东;基于定性趋势分析的SDG故障诊断方法及其工业应用研究[D];北京化工大学;2010年
2 刘永阔;核动力装置故障诊断智能技术的研究[D];哈尔滨工程大学;2006年
3 曹文亮;基于符号有向图的热力系统故障诊断方法研究[D];华北电力大学(河北);2006年
4 刘敏华;基于SDG模型的故障诊断及应用研究[D];清华大学;2005年
相关硕士学位论文 前10条
1 张佩;基于层次SDG-HAZOP的火电厂安全评价建模方法研究[D];河南科技大学;2010年
2 王秀娥;基于粒推理方法的SDG故障诊断研究及应用[D];太原理工大学;2010年
3 江志钢;基于支持向量机的核电设备故障诊断方法研究[D];南华大学;2010年
4 徐新海;基于层次SDG的航空发动机故障诊断方法研究[D];南京航空航天大学;2010年
5 刘冰;基于故障树的安注系统故障诊断专家系统研究[D];哈尔滨工程大学;2009年
6 宁新献;基于GT-ST和MFM的核动力装置故障诊断方法研究[D];哈尔滨工程大学;2009年
7 杜兴富;基于支持向量机的核动力装置故障诊断[D];哈尔滨工程大学;2009年
8 詹静;基于多层流模型的可靠性分析方法在核动力装置中的应用[D];哈尔滨工程大学;2007年
9 于竹君;核动力设备状态趋势预测方法研究[D];哈尔滨工程大学;2007年
10 张秀春;基于神经网络的凝汽设备故障诊断专家系统研究[D];哈尔滨工程大学;2007年
,本文编号:1658429
本文链接:https://www.wllwen.com/kejilunwen/dianlilw/1658429.html