基于数据驱动的核动力装置状态监测方法研究

发布时间：2022-12-10 00:09

　　通过对数据仿真系统中输出的运行数据进行训练,设计了基于支持向量机、局部异常因子、孤立森林算法3种数据驱动算法的异常状态监测系统模型,并对训练结果进行了评估;选取一组事故工况数据用于对训练的模型进行测试,并对测试结果进行评估。结果表明,3种训练结果基本与实际情况吻合,准确度很高,能够准确地判断出核动力装置的异常状态;训练出的异常监测模型能够很好地独立完成异常监测的任务。本文提出的基于数据驱动的异常状态监测方法可以准确及时地预测核动力装置异常状态。 

【文章页数】：5 页

【文章目录】：
0 引言
1 基于数据驱动的异常状态监测方法
    1.1 状态监测方法介绍
    1.2 LOF算法原理简介
    1.3 IForest算法原理简介
    1.4 OCSVM算法原理简介
2 核动力装置状态监测系统研究
    2.1 状态检测系统设计
    2.2 测试结果
    2.3 异常状态监测实例分析
3 结论


【参考文献】：
期刊论文
[1]基于遗传算法优化的OCSVM双轮廓模型异常检测算法[J]. 闫腾飞,尚文利,赵剑明,乔枫,曾鹏.  计算机应用研究. 2019(11)
[2]一种基于局部密度的高光谱异常检测背景纯化方法（英文）[J]. 赵春晖,王鑫鹏,姚淅峰,田明华.  Journal of Central South University. 2018(01)
[3]基于运行数据分析的核动力装置异常运行状态监测技术研究[J]. 余刃,孔劲松,骆德生,张宦林,杨怀磊.  核动力工程. 2013(06)
[4]操纵员运行支持系统中状态监测方法研究[J]. 王贺,成守宇,张志俭.  核动力工程. 2010(02)

硕士论文
[1]核动力装置分布式状态监测技术研究[D]. 朱荣旭.哈尔滨工程大学 2012
[2]反应堆冷却剂系统分布式故障诊断技术研究[D]. 闫修平.哈尔滨工程大学 2008



本文编号：3715646