论文部分内容阅读
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,确定故障的类型。(3)研究了Elman神经网络的故障评估方法,通过Elman神经网络建立了故障程度与相关参数的变化之间的映射关系,实现了对核动力装置部分典型的破口类故障的严重程度的近似评估。(4)以核动力装置主冷却剂系统为具体对象,设计开发了一个综合PCA模型的故障检测方法、SDG模型的故障诊断方法及Elman神经网络的故障评估方法的核动力装置混合智能故障诊断系统,并通过PCTRAN仿真软件模拟的相关故障类型,测试了诊断系统对故障发生时的响应,验证了开发的各项功能有效性。实例分析表明了所研究的方法能够及时地检测到系统出现的异常,并对故障类型做出正确的判断,对部分破口类故障程度做出较为准确的评估;测试结果也证明了所开发的诊断系统的各项功能的有效性。本文的研究为核动力装置混合智能故障诊断系统的进一步工程化应用提供理论基础。