核动力装置二回路凝给水系统肩负着冷却汽轮机组乏汽,并不间断地将凝水输送到蒸发器中的重任。因此凝给水系统的稳定运行对整个动力系统的稳定运行至关重要。由于组成该系统的设备较多,所以出现故障的可能性也就较大;为了降低事故率,关键之一就是要及时准确地了解系统所处的状态。本文采用RBF人工神经网络构建了一个故障诊断系统,通过该系统可以实现离线诊断和在线诊断,从而可及时掌握系统的状态。 在实现故障诊断系统之前,要对系统的动态特性有充分的认识。因此首先通过模块化建模方法建立了凝给水系统各主要设备的数学模型,并在计算机上进行了仿真。之后在已建立的数学模型基础上,结合领域专家经验知识模拟设置了凝给水系统10个常见故障,仿真结果表明故障设置是可信的。为故障征兆的提取打下了坚实基础。 当前国内外使用人工智能方法进行故障诊断的方式主要有两种:专家系统和神经网络。本文应用RBF神经网络建立诊断模型,和BP神经网络相比较,RBF神经网络不仅具有最佳逼近的性质,而且可以用局部逼近的总和达到对全局的逼近,故而又具有全局逼近的性质,这些特点都体现了RBF网络比BP网络优越,给RBF网络的应用奠定了基础。此外由于采用了一种动态设计方法,使得设计出来的神经网络不仅具有较小的网络规模,而且网络的泛化能力及鲁棒性也较高。 本文利用Visual C++建立了基于RBF神经网络的核动力装置凝给水系统故障诊断系统,该系统采用人机交互界面,具有界面友好,操作简单等特点。