基于数据融合的核动力装置智能故障诊断方法研究
发布时间：2021-03-20 22:35
由于核动力装置是一个对安全性要求极高的高度复杂的非线性系统,同时公众对核动力装置安全性的关注度越来越高,研究者期待将更先进的技术应用到核动力装置运行服务上,因此研究先进可靠的故障诊断技术来保障它的安全运行是十分必要的。随着人工智能技术的发展,智能诊断技术已经逐渐在各行各业得到应用。本文提出BP神经网络与D-S证据理论结合的方法和深度学习方法两种智能数据融合方法对核动力装置进行故障诊断,并对它们进行了深入探讨。BP神经网络作为一种常用的智能故障诊断方法,但存在训练中易陷入局部极小值和收敛速度慢等缺点,而D-S证据理论具有处理不确定性问题的优点,本文通过引入DS证据理论弥补BP神经网络的不足,降低诊断结果的不确定性,并提高故障诊断的精确度。深度学习作为一种新的人工智能网络,拥有强大的特征学习能力,在模式识别领域取得了一系列的成功,因故障诊断问题作为模式识别问题中的一种,故本文引入深度学习来对复杂故障知识的诊断问题展开研究。本文首先对设备智能故障诊断的概念、核动力装置智能故障诊断研究现状和数据融合的概念进行了详细介绍,接着BP神经网络和深度学习做了阐述,在此基础上构建了基于BP神经网络与D-...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
像素级融合原理
图 3.1 生物神经元结构经网络是由许多人工神经单元按一定方式相互连接构成的自适，是人们对生物脑神经系统仿生的成果，如图 3.2 所示，神经元模函数3个模块组成，其中输入模块主要是对所有输入信号进行加果，再将输入结果送到传递函数部分进行计算处理，最终将计算。人工神经网络的整个工作流程就是对生物神经元的信息传递元中，信息传递流程为：轴突→细胞体→树突，输入模块权值大元间相互作用的强弱。f(·)x1x2xnxiω1ω2ωiωnθμ y
Hubel、Torsten Wiesel 和 Roger Sperry 共同获ten Wiesel 两位科学家的主要研究成果是，发现的信息进行处理[82]。如图 4.1 所示，以视网膜缘特征进行提取，到 V2 区对图像的基本形状进行识别，以及到更高层的 PFC 进行分类判断特征的结合，对信息的表达由低到高也是越来视觉神经系统的工作流程进行了更深入的研究个对接收信号不断迭代、不断抽象概念化的过过程大致分为 5 个步骤：1，瞳孔摄入图像的和方向；3，大脑判定眼前物体的形状；4，大识别人脸；从这个过程中可以看出这和基本常一些基本结构体结合而组成。同时从中还可以知过程也是具有深度的。受此激发，传统的机
【参考文献】：
期刊论文
[1]深度学习的研究现状与发展[J]. 何晓萍,沈雅云. 现代情报. 2017(02)
[2]我国今年上半年核电运行情况报告发布[J]. 环境. 2016(08)
[3]基于耦合关系模型的文本分类研究[J]. 孙劲光,全纹敬. 计算机科学. 2016(08)
[4]“人机大战”:关于人工智能的激辩[J]. 马恩来. 中学语文. 2016(Z2)
[5]核电站故障诊断与故障程度评估方法[J]. 段智勇,刘永阔,夏虹,吴国华. 应用科技. 2016(04)
[6]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
[7]基于支持向量机的核探测器电路故障诊断方法研究[J]. 易凌帆,颜拥军,周剑良,王庆震. 原子能科学技术. 2015(09)
[8]基于深度学习理论的机械装备大数据健康监测方法[J]. 雷亚国,贾峰,周昕,林京. 机械工程学报. 2015(21)
[9]基于神经网络的核动力一回路专家系统故障诊断[J]. 袁灿,蔡琦,刘钢,严祥伟,陈玉清. 原子能科学技术. 2014(S1)
[10]核动力系统神经网络故障诊断专家系统研究[J]. 梁洁,蔡琦,王晓龙. 原子能科学技术. 2014(08)
博士论文
[1]基于证据理论的不确定性处理研究及其在测试中的应用[D]. 肖明珠.电子科技大学 2008
[2]核动力装置故障诊断智能技术的研究[D]. 刘永阔.哈尔滨工程大学 2006
[3]船舶柴油机智能监测与智能诊断的研究[D]. 白广来.大连海事大学 2003
硕士论文
[1]基于BP神经网络和DS证据理论的疾病预测模型研究[D]. 王凤利.太原理工大学 2016
[2]基于受限玻尔兹曼机的深度学习模型及其应用[D]. 张艳霞.电子科技大学 2016
[3]基于深度RBF网络的SAR影像地物分类[D]. 韩佳敏.西安电子科技大学 2014
[4]基于信息融合技术的火灾探测方法研究[D]. 雷倩茹.华北电力大学（北京） 2010
[5]开放识别框架D-S证据理论合成规则研究[D]. 徐培玲.中北大学 2008
[6]信息融合技术在船舶主机检验中的应用[D]. 张延庆.上海海事大学 2007
[7]基于神经网络的凝汽设备故障诊断专家系统研究[D]. 张秀春.哈尔滨工程大学 2007
[8]基于神经网络的水轮机调速系统故障诊断方法研究[D]. 王鸳君.浙江工业大学 2006
[9]基于信息融合的车辆跟踪技术研究[D]. 唐怡冬.四川大学 2005
[10]神经网络与专家系统集成的船用核动力故障诊断方法研究[D]. 刘邈.哈尔滨工程大学 2005
本文编号：3091792
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
像素级融合原理
图 3.1 生物神经元结构经网络是由许多人工神经单元按一定方式相互连接构成的自适，是人们对生物脑神经系统仿生的成果，如图 3.2 所示，神经元模函数3个模块组成，其中输入模块主要是对所有输入信号进行加果，再将输入结果送到传递函数部分进行计算处理，最终将计算。人工神经网络的整个工作流程就是对生物神经元的信息传递元中，信息传递流程为：轴突→细胞体→树突，输入模块权值大元间相互作用的强弱。f(·)x1x2xnxiω1ω2ωiωnθμ y
Hubel、Torsten Wiesel 和 Roger Sperry 共同获ten Wiesel 两位科学家的主要研究成果是，发现的信息进行处理[82]。如图 4.1 所示，以视网膜缘特征进行提取，到 V2 区对图像的基本形状进行识别，以及到更高层的 PFC 进行分类判断特征的结合，对信息的表达由低到高也是越来视觉神经系统的工作流程进行了更深入的研究个对接收信号不断迭代、不断抽象概念化的过过程大致分为 5 个步骤：1，瞳孔摄入图像的和方向；3，大脑判定眼前物体的形状；4，大识别人脸；从这个过程中可以看出这和基本常一些基本结构体结合而组成。同时从中还可以知过程也是具有深度的。受此激发，传统的机
【参考文献】：
期刊论文
[1]深度学习的研究现状与发展[J]. 何晓萍,沈雅云. 现代情报. 2017(02)
[2]我国今年上半年核电运行情况报告发布[J]. 环境. 2016(08)
[3]基于耦合关系模型的文本分类研究[J]. 孙劲光,全纹敬. 计算机科学. 2016(08)
[4]“人机大战”:关于人工智能的激辩[J]. 马恩来. 中学语文. 2016(Z2)
[5]核电站故障诊断与故障程度评估方法[J]. 段智勇,刘永阔,夏虹,吴国华. 应用科技. 2016(04)
[6]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
[7]基于支持向量机的核探测器电路故障诊断方法研究[J]. 易凌帆,颜拥军,周剑良,王庆震. 原子能科学技术. 2015(09)
[8]基于深度学习理论的机械装备大数据健康监测方法[J]. 雷亚国,贾峰,周昕,林京. 机械工程学报. 2015(21)
[9]基于神经网络的核动力一回路专家系统故障诊断[J]. 袁灿,蔡琦,刘钢,严祥伟,陈玉清. 原子能科学技术. 2014(S1)
[10]核动力系统神经网络故障诊断专家系统研究[J]. 梁洁,蔡琦,王晓龙. 原子能科学技术. 2014(08)
博士论文
[1]基于证据理论的不确定性处理研究及其在测试中的应用[D]. 肖明珠.电子科技大学 2008
[2]核动力装置故障诊断智能技术的研究[D]. 刘永阔.哈尔滨工程大学 2006
[3]船舶柴油机智能监测与智能诊断的研究[D]. 白广来.大连海事大学 2003
硕士论文
[1]基于BP神经网络和DS证据理论的疾病预测模型研究[D]. 王凤利.太原理工大学 2016
[2]基于受限玻尔兹曼机的深度学习模型及其应用[D]. 张艳霞.电子科技大学 2016
[3]基于深度RBF网络的SAR影像地物分类[D]. 韩佳敏.西安电子科技大学 2014
[4]基于信息融合技术的火灾探测方法研究[D]. 雷倩茹.华北电力大学（北京） 2010
[5]开放识别框架D-S证据理论合成规则研究[D]. 徐培玲.中北大学 2008
[6]信息融合技术在船舶主机检验中的应用[D]. 张延庆.上海海事大学 2007
[7]基于神经网络的凝汽设备故障诊断专家系统研究[D]. 张秀春.哈尔滨工程大学 2007
[8]基于神经网络的水轮机调速系统故障诊断方法研究[D]. 王鸳君.浙江工业大学 2006
[9]基于信息融合的车辆跟踪技术研究[D]. 唐怡冬.四川大学 2005
[10]神经网络与专家系统集成的船用核动力故障诊断方法研究[D]. 刘邈.哈尔滨工程大学 2005
本文编号：3091792
本文链接：https://www.wllwen.com/projectlw/hkxlw/3091792.html
