基于数据驱动的核电厂故障诊断技术研究

发布时间：2024-04-22 03:59

　　核电厂相关设备的故障诊断技术研究是核电安全范围内的关注热点,其重要性直接关系到核电厂的安全运行。故障诊断旨在辅助操作员进行故障辨识、故障成因分析、遏制故障的升级和故障向更深层次的恶化,以免工作人员操作不当而导致事故的发生,并预防核泄漏事故对民众和环境造成威胁。伴随信息与智能化的不断进步,以数据驱动为基础的故障诊断方法成为当今的研究热点。核电厂作为复杂而又特殊的发电厂,拥有大大小小系统300多个、电厂设备数以万计,核电厂的在线实时监控系统的测点就超过两万个,在这么庞杂的数据资源中要想建立系统而又精确的解析模型就显得非常困难。以数据驱动为基础的故障诊断方法就是在不必建立解析模型的情况下对过程运行中的数据进行分析和处理,进而完成故障诊断任务。支持向量机作为数据驱动式故障诊断方法的重要部分,采用结构风险最小化原理,解决了维数灾难和局部最小化问题,而且所需的故障样本少,其具有很高的应用价值与理论研究价值。核电厂大部分系统之间存在着非线性关系,而基于主元分析的状态异常监测方法在分析非线性数据时能力略显不足,所以本论文利用核主元分析(KPCA)来提高主元分析的非线性处理能力。KPCA主元分析方法的核...

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图1.1故障诊断方法划分

图1.1故障诊断方法划分厂故障诊断系统概述作为当今的新型清洁能源，具有能量密度大、效率高等优点，全球发展核能，中国现今也在积极推动第三代核电的建设工作，已经在AP1000、CAP1400、华龙一号等。但是随着“十三五”对核能的核电地位的同时还要兼顾核能安全问题[21]，历史....

图3.1机器学习基本模型

第3章支持向量机及其算法研究第3章支持向量机及其算法研究机是通过最优化方法和数学理论来解决信息挖掘中部分问题克服“维数灾难”与“过学习”等传统机器学习的困难，已形分析、语音识别、生物信息、故障识别与预测等众多领域经网络等“黑盒”，不仅有着良好的统计学习理论基础、直而且....

图3.2风险最小化化示意图

习算以此数子寻险的量机量机量机能化问构造算法求解问此保证期望子集，每个找能够平衡的界最小。结机方法就是机分类机分类原能够用于分问题求目标造目标函数图3.2题时，我们风险令人满子集内VC衡经验风险结构风险最由结构风险原理类与回归，函数的参数，通过目标风险最小化们在确保经验满意。....

图3.3支持向量机超平面

图3.3支持向量机超平面持向量机最早是二分类的模式识别算法，如图3.3所示，图中有两种待，其中1,2,,{1,1}iiny，能够将两类数据正确区分开来的直线称为)xb，一维空间里分类超平面是一个点，二维空间里分类超平面是间里分类超平面是一个面，高....

本文编号：3961897