基于分层符号有向图的二回路系统故障诊断

发布时间：2022-01-20 07:24

　　针对核动力二回路系统具有运行机理复杂、故障征兆多、信息量大,难以建立数学模型的特点,将符号有向图（Signed Directed Graph,SDG）方法引入二回路系统故障诊断,分析关键参数与故障之间的影响关系,建立二回路系统SDG模型,并利用Warshall算法进行分层。应用分层SDG模型,进行了凝水泵和冷凝器真空低故障仿真实验,结果表明该方法能够准确判断潜在故障源,并能提供故障传播路径。 

【文章来源】：兵器装备工程学报. 2020,41(08)北大核心

【文章页数】：6 页

【部分图文】：

图1 分层SDG模型示意图

核动力装置二回路系统包括主蒸汽系统、辅蒸汽系统、凝给水系统等子系统，主要循环过程是蒸汽发生器产生的高温高压的蒸汽，进入汽轮机做功后，经冷凝器凝结成水，在经过预热后通过凝水泵和给水泵重新进入蒸发器，完成整个汽水循环过程[7]。根据二回路系统流程建立核动力装置二回路系统的SDG模型(其结构参见图2)。由于核动力装置二回路系统比较复杂，变量之间的关系相互耦合，需要选取关键参数对SDG模型进行简化，要求关键参数(见表1)能够快速、准确地识别故障，并能解释核动力装置二回路系统发生故障的参数变化过程。

在核动力装置二回路系统SDG模型基础上，根据工艺流程及分层策略建立了分层SDG故障诊断模型。根据系统实时采集的运行数据输入到分层SDG模型，判断节点变量的状态，由分层SDG进行推理，判断故障并得到故障传播路径。节点状态的判定，需要确定每个被测变量的阈值，通常使用的刚性阈值范围较难把握，范围较小，灵敏度过高，报警容易出现组合爆炸，范围较大，可能遗漏报警导致故障诊断无法进行[8]。这里引入节点阈值模糊判定方法，即5级SDG模型的模糊隶属度。设定5级SDG节点阈值为a*、a、b、b*，其中(a,b)为节点参数的正常范围，节点状态为“0”。a*和b*分别为上下限报警阈值，在a*、b*范围以外节点状态为“+”或“-”，在区间(a*,a)和(b,b*)为灰色区间，表示节点参数超出了正常范围，但还没有超过报警阈值，将此范围内的偏差映射到线性隶属函数上，表示该节点参数存在偏差的程度，即节点状态“+”或“-”的程度。

【参考文献】：
期刊论文
[1]基于主元分析-概率神经网络的制冷系统故障诊断[J]. 梁晴晴,韩华,崔晓钰,谷波.  化工学报. 2016(03)
[2]SDG故障诊断方法在核动力装置中的应用研究[J]. 刘永阔,刘震,吴小天.  原子能科学技术. 2014(09)
[3]SDG故障诊断决策表的粒约简算法[J]. 张志军,谢刚.  北京交通大学学报. 2012(05)
[4]基于半定量SDG模型的化工过程故障诊断[J]. 李秀喜,吉世明.  清华大学学报(自然科学版). 2012(08)
[5]基于PCA和SDG的传感器故障诊断方法研究及应用[J]. 高东,吴重光,张贝克,马昕.  系统仿真学报. 2011(03)

硕士论文
[1]基于层次SDG的航空发动机故障诊断方法研究[D]. 徐新海.南京航空航天大学 2010



本文编号：3598413