核动力装置故障诊断智能技术的研究

论文摘要

核动力装置运行状态的监测与诊断直接关系到装置运行的安全性与可靠性。目前我国核动力装置主要采用传统的阈值监测方法。阈值方法能够给操作人员提供核动力装置重要参数偏离正常运行的状态，却难以提供故障发生的根本原因和异常发展趋势方面的信息。开展优于传统方法而基于人工神经网络、专家系统(规则推理)、模糊逻辑等智能技术在核动力装置早期故障诊断与状态监测中的应用研究，对进一步提高核动力装置运行的安全性、可靠性以及核动力装置的整体效能具有重大的工程意义和现实意义。本文以“十五”×××重点预研攻关项目为背景，以核动力装置一回路典型故障为对象，对核动力装置智能故障诊断系统实现的部分技术、方法及基本结构进行了深入的研究。本文研究的主要内容和取得的主要成果如下：1．设计了先进的诊断算法。先进的诊断算法是实现实时故障诊断的关．键，本文提出基于神经网络诊断子系统(该系统内包括FNN网络诊断子系统、BP网数据融合诊断子系统和RBF网络诊断子系统)和基于规则推理诊断子系统相结合的综合诊断方法。利用神经网络处理速度快、漏诊率低的优点进行预诊，如果诊断可信度不高，再利用规则推理诊断子系统误诊率低的优点对预诊结果进行验证和解释；2．确定了基于智能技术的核动力装置故障诊断系统的基本结构，利用Visual Basic 6.0成功开发了该系统，实现了系统的各种基本功能；3．在系统中设计了各种辅助功能系统和友好的人机界面，重点解决了系统的可扩充性和可操作性问题。规则推理诊断子系统的知识库(规则库)和神经网络子系统可以随着对核动力装置安全特性认识的加深和事故数据的积累由用户通过人机交互方便地进行扩充修改，使系统的诊断功能不断完善；4．开发的系统成功地实现了自动诊断、报警的功能，当核动力装置运行时，故障诊断系统在后台实时运行，对运行各参量进行实时监控，当有故障发生时，能对故障进行自动诊断，提醒操作人员采取相应的处理措施；5．通过编写通讯协议，在核动力装置仿真机上对开发的诊断系统进行了测试实验研究，测试结果证实该诊断系统完全可以适用于核动力装置的实时故障诊断，进而也验证了根据征兆进行故障分析与故障诊断的可行性与有效性，以及所设计的状态监测及故障诊断系统运行的正确性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 本论文研究工作的意义和目的
• 1.3 智能诊断方法的研究及应用
• 1.3.1 智能诊断方法分类
• 1.3.2 专家系统的研究及应用
• 1.3.3 神经网络的研究及应用
• 1.3.4 专家系统与神经网络的比较
• 1.3.5 智能技术在核工程故障诊断中的应用
• 1.4 本文的主要研究工作
• 第2章 基于智能技术的核动力装置故障诊断系统设计
• 2.1 智能故障诊断系统一般结构及功能特点
• 2.1.1 一般结构
• 2.1.2 功能特点
• 2.2 核动力装置智能故障诊断系统
• 2.2.1 对故障诊断的要求
• 2.2.2 诊断方法的选择
• 2.2.3 诊断系统的设计
• 2.3 本章小结
• 第3章 基于粗糙集理论故障诊断规则获取方法的研究
• 3.1 粗糙集理论
• 3.1.1 RS理论与数据挖掘的关系
• 3.1.2 RS理论的特点及应用
• 3.2 基于可辨识矩阵的知识约简算法
• 3.2.1 可辨识矩阵
• 3.2.2 基于可辩识矩阵的最简知识约简算法
• 3.2.3 新算法的优点
• 3.3 基于粗糙集理论的规则获取方法
• 3.3.1 决策规则的产生
• 3.3.2 应用实例
• 3.4 本章小结
• 第4章 故障诊断神经网络方法研究
• 4.1 神经网络概述
• 4.2 几种神经网络类型及其算法研究
• 4.2.1 BP神经网络
• 4.2.2 径向基函数神经网络
• 4.2.3 模糊神经网络
• 4.2.4 BP网融合诊断
• 4.3 遗传算法对BP网络结构的优化
• 4.3.1 用IGA进化BP神经网络结构和权值
• 4.3.2 IGA进化过程的基本步骤
• 4.4 本章小结
• 第5章 神经网络故障诊断系统的建立
• 5.1 基于神经网络状态监测与故障诊断系统
• 5.1.1 状态监测与诊断的层次
• 5.1.2 状态监测与故障诊断原理
• 5.1.3 特征参量的获取及诊断信号的选择
• 5.1.4 故障与特征参量的对应关系
• 5.2 基于RS理论的模糊神经网络诊断系统的建立
• 5.2.1 RS-FNN诊断系统的基本思想及网络结构
• 5.2.2 RS-FNN诊断系统的训练学习及诊断结果
• 5.3 基于π函数的模糊神经网络诊断系统的建立
• 5.3.1 π-FNN网络的结构及参数设置
• 5.3.2 π-FNN诊断系统的训练学习及诊断结果
• 5.4 基于BP网融合诊断系统的建立
• 5.4.1 BP网络与D-S证据理论相结合的融合诊断
• 5.4.2 融合诊断系统的特征提取及网络训练
• 5.4.3 融合系统的诊断验证
• 5.5 RBF神经网络诊断系统的建立
• 5.5.1 RBF神经网络的特点
• 5.5.2 RBF神经网络诊断系统的学习及验证
• 5.6 本章小结
• 第6章 故障诊断专家系统规则推理技术的研究
• 6.1 概述
• 6.2 基于规则推理的专家系统结构
• 6.3 知识库的建立
• 6.3.1 知识（规则）的获取
• 6.3.2 知识（规则）的表示及推理
• 6.4 基于规则推理诊断问题的解决
• 6.5 本章小结
• 第7章 核动力装置智能故障诊断系统的开发
• 7.1 概述
• 7.2 系统的设计与实现
• 7.2.1 功能结构设计
• 7.2.2 神经网络诊断子系统的实现
• 7.2.3 规则推理诊断子系统的实现
• 7.3 诊断系统与仿真机的实时数据通讯
• 7.3.1 服务器通讯程序
• 7.3.2 客户机通讯程序
• 7.3.3 通讯程序的实现
• 7.4 系统的测试及诊断结果分析
• 7.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历