搜索结果: 1-10 共查到“核动力工程技术 故障诊断”相关记录10条 . 查询时间(0.069 秒)
核电厂主变压器多起损毁事故表明主变压器故障诊断准确性和时效性较差。对核电厂主变压器故障诊断技术现状进行了分析，结果表明核电厂主变压器故障诊断工作流程过于简单，故障在线诊断系统的信息化水平较低。对电力变压器故障诊断的方法与应对策略进行了研究。设计了一种融合了成熟的电力变压器故障诊断技术的核电厂主变压器故障诊断工作流程。给出了基于数字化分布式控制系统改进核电厂主变压器故障在线诊断系统功能，以及提高系统...
近日，中科院合肥研究院核能安全技术研究所汪建业课题组在核电厂复杂系统智能故障诊断方法研究方面获得新进展。该研究基于数据驱动的方法建立了核电厂复杂系统的故障诊断模型，发展了一套基于带精英保留策略的非支配遗传算法和卷积神经网络算法相结合的自适应故障诊断方法，为核电厂复杂系统的故障诊断提供了理论和方法支持，相关研究成果发表在国际核能领域期刊Annals of Nuclear Energy上。硕士研究生贺...
基于邻域粗糙集和决策树算法的核电厂故障诊断方法
核动力装置 故障诊断 邻域粗糙集 决策树
2010/10/22
核动力装置系统复杂，需要采集和监测的变量较多，这给装置故障诊断增加了困难。针对该问题提出基于邻域粗糙集的参数约简算法，该算法实现了实数空间的粒度计算，可直接处理数值型参数，无需离散化参数。在此基础上，采用决策树算法对核电厂的失水事故、给水管道破裂、蒸汽发生器U形管破裂和主蒸汽管道破裂等4种典型故障进行训练学习，并将诊断决策结果与支持向量机算法进行对比。仿真结果表明，该算法可快速、准确地诊断出核电厂...
基于神经网络与表决融合的核动力装置故障诊断方法
核动力装置 神经网络 表决融合 故障诊断
2010/8/5
针对单神经网络（ANN）故障诊断方法的不足，将多神经网络诊断与表决融合方法结合起来，研究了基于多神经网络与表决融合的核动力装置故障诊断方法。在该方法中，多个不同类型的神经网络训练后用于核动力装置的故障诊断。选择对核动力装置安全有重要影响的运行参数作为各神经网络的输入变量，神经网络的输出是核动力装置的故障模式。用表决融合方法对不同神经网络的诊断结果进行融合，从而得到核动力装置故障诊断的最后结果。利用...
基于故障树分析的核动力装置实时智能故障诊断专家系统设计
专家系统 故障诊断 故障树
2010/7/8
为实时有效诊断核动力装置故障，提高装置可靠性，本文在传统专家系统的基础上引入故障树分析技术，设计了基于综合诊断重要度的推理机制，引入机理模型诊断技术对专家系统诊断结果进行验证，进一步提高诊断系统的可靠性。
基于数据融合的核动力装置故障诊断方法
故障 核动力装置
2009/12/3
数据融合作为一种处理多源信息的方法适合于核动力装置的故障诊断。利用数据融合信息分级处理的思想，将核动力装置故障诊断分为3级进行，数据级采用了数据挖掘的方法对数据进行处理，对属性进行约简；特征级采用并行的3个神经网络处理数据级的约简属性，并将其输出作为决策级 Dempster-Shafer(D-S)证据理论的基本概率赋值；决策级采用了改进的D-S证据理论对神经网络的输出进行合成，克服了传统D-S证据...
集成神经网络方法在蒸汽发生器故障诊断中的应用
集成神经网络 核动力蒸汽发生器
2009/12/3
针对蒸汽发生器传统故障检测与诊断方法的不足，提出了基于集成神经网络的蒸汽发生器故障检测与诊断的新方法。该方法采用两个神经网络。一个神经网络作为蒸汽发生器的动力学模型，用于蒸汽发生器的重要运行参数的预测，其原理是通过检测蒸汽发生器运行参数监测信号值与相应的蒸汽发生器神经网络模型预测值之间的偏差来确定是否发生了异常，如果某一参数偏差超过了预先给定的极限，就认为发生了异常。另一个神经网络作为故障分类模...
将神经网络与专家系统相结合，能充分发挥各自的优点。本工作利用概念格获取对象属性，从大量的原始数据中提取对象故障征兆集的核心属性、不必要属性和相对必要属性。基于这些属性，构建不同重要度的神经网络，使网络学习速度大幅提高，判断准确。为了更好地提高核动力设备故障诊断的准确性，采用基于规则推理的专家系统，对各神经网络融合后的诊断结果进行验证诊断。为验证该方法的有效性，以核动力设备典型故障为例，进行了仿真实...
核电厂实时故障诊断专家系统的设计与实现
核电厂 实时故障诊断 专家系统
2009/1/15
为进一步减少核电厂中出现故障后的误操作，本文研究设计并实现核电厂实时故障诊断的专家系统。系统用专家系统理论将故障诊断的专家知识转化为存储于数据库的规则，实现了计算机自动异常征兆检测、实时提示、故障实时诊断，以及提出故障操作建议等功能。研究结果表明，开发的实时故障诊断专家系统能够为正确诊断压水堆核电厂多个典型事故提供有效的诊断结果和运行帮助信息。