论文部分内容阅读
[摘要]随着科学技术的发展,核电厂在全球电力网络中的地位愈来愈重要,核电能源已经成为了当前社会发展的重要能源。鉴于核电的特殊性,我们必须要加大力度研发核电设备状态监测与故障诊断系统,以便于人们能够在远程对核电设备进行操控。本文的核电设备监测与故障诊断系统是基于Visual Basic6.0系统开发的,该系统集信息收集、状态监测以及故障诊断于一身,功能非常强大,而且操作便捷。
[关键词]核电设备;状态监测;故障诊断
近几年,随着几期影响非常严重的核电事故的发生,全球各国对核电使用的安全性愈来愈重视,相关机构不但对核电工作人员加强了培训,提升其整体素养;而且还不断增加资金与技术投入来开发更加先进的核电监测与故障诊断系统,旨在促进核反应堆更好地进行工作,并及时精准的识别与处理各种故障。优良的核电设备状态监测与故障诊断系统能够根据收集的各种数据信息,通过计算机的处理与分析,及时的向工作人员汇报核电系统的运行状态以及发生的故障信息,以便于工作人员可以及时的制定相关决策,运用有效的措施确保核电厂的安全运行。
1、核电设备状态监测与故障诊断系统的总体设计
该系统包含人机交互、状态监测、数据信息采集、故障诊断、规则推理以及结果诊断等系统与数据库构成,系统示意图如下图1所示。
众多子系统中信息收集、状态监测以及故障诊断系统是其中最重要,它们既独立运行,又相互协同,最终共同协作实现对核电设备的监测与故障诊断功能。
2、系统功能分析
2.1数据采集系统
数据采集系统是该系统的一级子系统,它主要负责对核电设备运行过程中的压力、温度、水位等信息进行收集。本系统在开发过程中以核动力装置模拟器作为仿真实验研究对象,数据采集系统通过感应设备和监测设备收集模拟器中的各项数据,并将这些数据及时的传入数据信息库。故障诊断时不但能够采用在线读取的数据,同时还能够直接利用数据库中的数据,这样就能够同时实现系统的在线诊断以及离线诊断。
2.2状态监测系统
状态监测系统是整个系统的二级子系统,它主要负责对信息收集系统收集到的各项数据实施处理、分析以及判断,并将判断的结果汇报给相关工作人员;当信息异常时,它还能够进行自动报警。另外,状态监测系统还可以对核电设备的运行情况实施分析操作,从而帮助工作人员更加深入的了解核电机组的运行情况以及将要发生的一些状况。在仿真模拟实验中,该系统良好的实现了对数据的统计分析,并精准的对故障进行了判断;数据管理程序也很好的实现了对信息的存储和维护功能,为工作人员查询、打印相关数据奠定了良好的基础。
2.3故障诊断系统
故障诊断系统包含神经网络诊断子系统和规则推理诊断子系统,主要负责对数据收集系统以及状态监测系统所收集与处理的信息进行更加深入的分析,从而确定出核电设备异常的原因以及发生故障的部位,向工作人员提供解决建议。
该系统中的神经网络诊断子系统共应用了3中神经网络:模糊神经网络、BP网融合神经网络以及径向基函数神经网络。在实施诊断时子系统首先从上级系统中获取数据信息,然后运用FNN网络以及BP网进行快速预诊断,预诊断阶段允许其出现一定几率的误诊,但是不能够出现漏诊情况。假如上述预诊断结果的可信度较低,那么就会启用规则推理诊断系统对预诊断结果实施验证,从而有效避免误诊情况的出现。
神经诊断子系统中的RBF网络最重要的目的是识别出FNN网以及BP网不能识别的故障,该網络无需训练,计算速度快,对于故障诊断的实时性较强。然而一旦诊断中发生了多种故障模块,且这些故障模式皆是FNN网以及BP网无法识别的故障模式,那么这时就必须要构建RBF神经网络。
规则推理诊断系统能够运用反向推理原理来对诊断的结果进行验证。因为验证规则是一句实际事故发生时设备的参数异常信息进行设计的,所以依据这些异常信息来确定事故发生情况可能不太充分,但是绝对是必要的,因此,运用此规则系统能够比较精准的验证事故是否真实发生。
总而言之,假如训练好的FNN以及BP网对故障的诊断可信度比较高,呢么就可以不运用规则推理系统来进行验证,而是直接汇报出故障检测结果;训练后的网络无法对某些故障开展有效识别时,就应该构建RBF神经网络实施在线识别,最终确定出故障的判定结果。
该系统运用到核电设备监测工作中之后,能够依据收集的各种信息形成完整的诊断结论,系统还能够依据结论提出相应的处理策略以及维修建议。该系统基于WlNDOS系统,以Visual Basic 6.0作为基础开发工具进行研究设计,具备良好的人机交互功能,实用性非常强。
结论:
核电设备状态监测与故障诊断系统可以良好的实现对核反应堆运行的信息收集、状态监测、故障诊断以及规则推理,并且具备优秀的实际运用能力,各项功能完善,对于促进核电产业的长远发展具有非常深远的意义。
[关键词]核电设备;状态监测;故障诊断
近几年,随着几期影响非常严重的核电事故的发生,全球各国对核电使用的安全性愈来愈重视,相关机构不但对核电工作人员加强了培训,提升其整体素养;而且还不断增加资金与技术投入来开发更加先进的核电监测与故障诊断系统,旨在促进核反应堆更好地进行工作,并及时精准的识别与处理各种故障。优良的核电设备状态监测与故障诊断系统能够根据收集的各种数据信息,通过计算机的处理与分析,及时的向工作人员汇报核电系统的运行状态以及发生的故障信息,以便于工作人员可以及时的制定相关决策,运用有效的措施确保核电厂的安全运行。
1、核电设备状态监测与故障诊断系统的总体设计
该系统包含人机交互、状态监测、数据信息采集、故障诊断、规则推理以及结果诊断等系统与数据库构成,系统示意图如下图1所示。
众多子系统中信息收集、状态监测以及故障诊断系统是其中最重要,它们既独立运行,又相互协同,最终共同协作实现对核电设备的监测与故障诊断功能。
2、系统功能分析
2.1数据采集系统
数据采集系统是该系统的一级子系统,它主要负责对核电设备运行过程中的压力、温度、水位等信息进行收集。本系统在开发过程中以核动力装置模拟器作为仿真实验研究对象,数据采集系统通过感应设备和监测设备收集模拟器中的各项数据,并将这些数据及时的传入数据信息库。故障诊断时不但能够采用在线读取的数据,同时还能够直接利用数据库中的数据,这样就能够同时实现系统的在线诊断以及离线诊断。
2.2状态监测系统
状态监测系统是整个系统的二级子系统,它主要负责对信息收集系统收集到的各项数据实施处理、分析以及判断,并将判断的结果汇报给相关工作人员;当信息异常时,它还能够进行自动报警。另外,状态监测系统还可以对核电设备的运行情况实施分析操作,从而帮助工作人员更加深入的了解核电机组的运行情况以及将要发生的一些状况。在仿真模拟实验中,该系统良好的实现了对数据的统计分析,并精准的对故障进行了判断;数据管理程序也很好的实现了对信息的存储和维护功能,为工作人员查询、打印相关数据奠定了良好的基础。
2.3故障诊断系统
故障诊断系统包含神经网络诊断子系统和规则推理诊断子系统,主要负责对数据收集系统以及状态监测系统所收集与处理的信息进行更加深入的分析,从而确定出核电设备异常的原因以及发生故障的部位,向工作人员提供解决建议。
该系统中的神经网络诊断子系统共应用了3中神经网络:模糊神经网络、BP网融合神经网络以及径向基函数神经网络。在实施诊断时子系统首先从上级系统中获取数据信息,然后运用FNN网络以及BP网进行快速预诊断,预诊断阶段允许其出现一定几率的误诊,但是不能够出现漏诊情况。假如上述预诊断结果的可信度较低,那么就会启用规则推理诊断系统对预诊断结果实施验证,从而有效避免误诊情况的出现。
神经诊断子系统中的RBF网络最重要的目的是识别出FNN网以及BP网不能识别的故障,该網络无需训练,计算速度快,对于故障诊断的实时性较强。然而一旦诊断中发生了多种故障模块,且这些故障模式皆是FNN网以及BP网无法识别的故障模式,那么这时就必须要构建RBF神经网络。
规则推理诊断系统能够运用反向推理原理来对诊断的结果进行验证。因为验证规则是一句实际事故发生时设备的参数异常信息进行设计的,所以依据这些异常信息来确定事故发生情况可能不太充分,但是绝对是必要的,因此,运用此规则系统能够比较精准的验证事故是否真实发生。
总而言之,假如训练好的FNN以及BP网对故障的诊断可信度比较高,呢么就可以不运用规则推理系统来进行验证,而是直接汇报出故障检测结果;训练后的网络无法对某些故障开展有效识别时,就应该构建RBF神经网络实施在线识别,最终确定出故障的判定结果。
该系统运用到核电设备监测工作中之后,能够依据收集的各种信息形成完整的诊断结论,系统还能够依据结论提出相应的处理策略以及维修建议。该系统基于WlNDOS系统,以Visual Basic 6.0作为基础开发工具进行研究设计,具备良好的人机交互功能,实用性非常强。
结论:
核电设备状态监测与故障诊断系统可以良好的实现对核反应堆运行的信息收集、状态监测、故障诊断以及规则推理,并且具备优秀的实际运用能力,各项功能完善,对于促进核电产业的长远发展具有非常深远的意义。