核动力装置混合智能故障诊断方法研究
发布时间：2022-01-23 12:04
由于核动力装置具有潜在放射性危险,安全性始终是核能发展的一个重要研究课题。为了确保核动力装置安全运行,减少操作人员对装置状态判断失误,通常对装置进行状态监测、故障诊断和故障预报,在装置偏离正常运行时,能够给出合适的操作建议,一定程度地减轻操作人员的负担,减小对装置系统的损坏,延长设备使用寿命,从而有效地提高核动力装置安全性能。本文分析了故障诊断方法的国内外研究现状,对系统异常检测、故障类型识别、故障程度评估等关键技术进行了研究,并结合核动力装置自身的特点,设计开发了一个核动力装置混合智能故障诊断系统,用以辅助操作人员确定系统设备的运行状态,为采取进一步措施提供参考。本文的主要工作有:（1）研究了主元分析（Principal Component Analysis,PCA）的建模方法与基于PCA模型的故障检测技术,实现了对核动力装置异常的有效及时的检测。（2）研究了基于符号有向图（SignedDirected Graph,SDG）模型的故障诊断方法,建立了核反应堆主冷却剂系统的SDG模型,在主元模型进行故障检测的基础上,确定SDG模型中相关参数节点的状态,通过反向推理得出系统异常的原因,确...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：101 页
【学位级别】：硕士
【部分图文】：
三层感知器网络结构示意图
k 个训练样本的实际输出为ky ，期望习过程的目标是找到一个权值的最优网络学习实质上相当于一个目标函数为据误差梯度的大小来调整权值，为了克习率和增加动量的改进；一些数值优化、Levenberg-Marquardt 方法等；此外到了广泛的应用，比如遗传算法等。 Jeffrey L.Elman 提出，在标准的前馈元的状态可以在输入的下一个阶段反馈的存储与延迟，隐含层输出自联到隐含感性，一定程度地增强了其处理动态信c1
哈尔滨工程大学硕士学位论文型测试汽管道破口故障为例，如表 3.1 选择输入参数，故障程度（ 10cm2、30cm2、50cm2、70cm2、90cm2、150cm2、300cm2，行训练，得到训练好的 Elman 神经网络，然后应用训练样本试网络模型计算的准确度性。图 3.11 为训练样本输入计算的，图 3.12 给出了输出的误差曲线。150200250300期望输出值实际输出值
【参考文献】：
期刊论文
[1]基于入侵性野草算法的核动力装置故障诊断[J]. 段孟强,袁灿. 原子能科学技术. 2015(04)
[2]基于粒子群和最近邻的热力系统变工况动态过程故障诊断方法[J]. 王晓霞,马良玉,祁在山. 动力工程学报. 2014(06)
[3]基于PCA-SDG的水轮机调节系统故障诊断[J]. 刘明华,南海鹏,余向阳. 排灌机械工程学报. 2013(12)
[4]蚁群算法在故障诊断中的应用[J]. 白士红,唐辉辉. 中国工程机械学报. 2010(04)
[5]核动力装置运行支持系统的设计与开发[J]. 成守宇,王贺,彭敏俊,杨明,巩诚,刘飞. 核科学与工程. 2010(04)
[6]SDG故障诊断中的分层建模递阶推理方法[J]. 吕宁,熊智华,王雄. 控制工程. 2010(04)
[7]SDG故障诊断模型的检验和验证[J]. 吴重光,张卫华,夏迎春,纳永良,王春利,姜巍巍,李传坤. 北京化工大学学报(自然科学版). 2009(06)
[8]基于SDG模型的故障诊断专家系统[J]. 刘长龙,马昕,张贝克. 计算机工程. 2009(19)
[9]动态系统的故障诊断技术[J]. 周东华,胡艳艳. 自动化学报. 2009(06)
[10]面向系统级故障诊断的高效遗传算法[J]. 邓伟,杨小帆,吴中福. 计算机学报. 2007(07)
博士论文
[1]基于免疫系统的小样本在线学习异常检测与故障诊断方法[D]. 李栋.上海大学 2014
[2]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]. 高东.北京化工大学 2010
[3]基于人工免疫系统的机组复合故障诊断技术研究[D]. 岑健.华南理工大学 2010
[4]核电厂计算机化操作规程系统研究[D]. 刘飞.哈尔滨工程大学 2009
[5]基于符号有向图的热力系统故障诊断方法研究[D]. 曹文亮.华北电力大学（河北） 2006
硕士论文
[1]基于PCA-SDG的连退机组炉温系统故障诊断研究[D]. 朱敏.东北大学 2010
[2]基于人工免疫算法的电机故障诊断系统研究[D]. 贾超.武汉理工大学 2010
[3]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
[4]SDG故障诊断专家系统及其Visual Prolog实现[D]. 张吉志.北京化工大学 2008
[5]基于图论的过程故障诊断研究[D]. 王勉宇.浙江大学 2002
本文编号：3604313
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：101 页
【学位级别】：硕士
【部分图文】：
三层感知器网络结构示意图
k 个训练样本的实际输出为ky ，期望习过程的目标是找到一个权值的最优网络学习实质上相当于一个目标函数为据误差梯度的大小来调整权值，为了克习率和增加动量的改进；一些数值优化、Levenberg-Marquardt 方法等；此外到了广泛的应用，比如遗传算法等。 Jeffrey L.Elman 提出，在标准的前馈元的状态可以在输入的下一个阶段反馈的存储与延迟，隐含层输出自联到隐含感性，一定程度地增强了其处理动态信c1
哈尔滨工程大学硕士学位论文型测试汽管道破口故障为例，如表 3.1 选择输入参数，故障程度（ 10cm2、30cm2、50cm2、70cm2、90cm2、150cm2、300cm2，行训练，得到训练好的 Elman 神经网络，然后应用训练样本试网络模型计算的准确度性。图 3.11 为训练样本输入计算的，图 3.12 给出了输出的误差曲线。150200250300期望输出值实际输出值
【参考文献】：
期刊论文
[1]基于入侵性野草算法的核动力装置故障诊断[J]. 段孟强,袁灿. 原子能科学技术. 2015(04)
[2]基于粒子群和最近邻的热力系统变工况动态过程故障诊断方法[J]. 王晓霞,马良玉,祁在山. 动力工程学报. 2014(06)
[3]基于PCA-SDG的水轮机调节系统故障诊断[J]. 刘明华,南海鹏,余向阳. 排灌机械工程学报. 2013(12)
[4]蚁群算法在故障诊断中的应用[J]. 白士红,唐辉辉. 中国工程机械学报. 2010(04)
[5]核动力装置运行支持系统的设计与开发[J]. 成守宇,王贺,彭敏俊,杨明,巩诚,刘飞. 核科学与工程. 2010(04)
[6]SDG故障诊断中的分层建模递阶推理方法[J]. 吕宁,熊智华,王雄. 控制工程. 2010(04)
[7]SDG故障诊断模型的检验和验证[J]. 吴重光,张卫华,夏迎春,纳永良,王春利,姜巍巍,李传坤. 北京化工大学学报(自然科学版). 2009(06)
[8]基于SDG模型的故障诊断专家系统[J]. 刘长龙,马昕,张贝克. 计算机工程. 2009(19)
[9]动态系统的故障诊断技术[J]. 周东华,胡艳艳. 自动化学报. 2009(06)
[10]面向系统级故障诊断的高效遗传算法[J]. 邓伟,杨小帆,吴中福. 计算机学报. 2007(07)
博士论文
[1]基于免疫系统的小样本在线学习异常检测与故障诊断方法[D]. 李栋.上海大学 2014
[2]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]. 高东.北京化工大学 2010
[3]基于人工免疫系统的机组复合故障诊断技术研究[D]. 岑健.华南理工大学 2010
[4]核电厂计算机化操作规程系统研究[D]. 刘飞.哈尔滨工程大学 2009
[5]基于符号有向图的热力系统故障诊断方法研究[D]. 曹文亮.华北电力大学（河北） 2006
硕士论文
[1]基于PCA-SDG的连退机组炉温系统故障诊断研究[D]. 朱敏.东北大学 2010
[2]基于人工免疫算法的电机故障诊断系统研究[D]. 贾超.武汉理工大学 2010
[3]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
[4]SDG故障诊断专家系统及其Visual Prolog实现[D]. 张吉志.北京化工大学 2008
[5]基于图论的过程故障诊断研究[D]. 王勉宇.浙江大学 2002
本文编号：3604313
本文链接：https://www.wllwen.com/projectlw/hkxlw/3604313.html
