核动力装置运行数据的特征提取方法研究

发布时间：2021-10-08 03:02

　　随着传感器技术的发展,核动力装置能采集和监测的运行参数越来越多,这不仅加大了操纵员的负担,而且提升了监测系统的负载。考虑到大多数参数之间具有相关性且部分参数是冗余参数,其中的有效信息可用少数参数表达,因此提出了运用机器学习方法稀疏自动编码器对核动力装置的运行参数进行特征提取,然后将提取的特征数据应用到状态监测中。结果表明,在测试样本数据中分别包含单一正常工况数据和多种正常工况数据情况下,经过特征提取后的数据不仅能提升状态监测的精度,而且还能减少计算资源,这对提升核动力装置的安全性具有重要的指导意义。 

【文章来源】：原子能科学技术. 2020,54(03)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

AE的简化结构

SAE结构简图

1.4 核动力装置数据特征提取根据核动力装置的特点,设计如图3所示的特征提取流程图,主要包括3个阶段:数据采集阶段、数据处理阶段和特征提取阶段。首先在数据采集阶段获取不同设备的主要参数值,然后在数据处理阶段对数据进行必要的预处理使数据符合要求,最后在特征提取阶段将原始数据压缩至低维特征空间,从而得到相应的特征值。

【参考文献】：
期刊论文
[1]基于机器学习的电网大数据降维方法[J]. 黄纯德,陈晓亮,朱珊珊,王晶华,郭光.  计算机与网络. 2018(18)
[2]工控通信行为的自编码特征降维和双轮廓模型异常检测方法[J]. 尚文利,闫腾飞,赵剑明,乔枫,曾鹏.  小型微型计算机系统. 2018(07)

硕士论文
[1]基于数据融合的核动力装置智能故障诊断方法研究[D]. 彭彬森.哈尔滨工程大学 2017



本文编号：3423302