基于神經(jīng)網(wǎng)絡(luò)的核電機(jī)組熱力系統(tǒng)故障診斷.pdf

1、核電機(jī)組的核燃料具有放射性，其熱力系統(tǒng)運(yùn)行特性對(duì)機(jī)組的安全經(jīng)濟(jì)運(yùn)行有著至關(guān)重要的影響，一旦發(fā)生故障有可能會(huì)引起巨大的災(zāi)難，因此，研究核電機(jī)組熱力系統(tǒng)故障診斷對(duì)提高機(jī)組安全經(jīng)濟(jì)運(yùn)行具有深遠(yuǎn)的意義。目前國(guó)內(nèi)外的研究學(xué)者逐漸傾向于采用人工智能算法進(jìn)行故障診斷，本文在對(duì)人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、種類及訓(xùn)練學(xué)習(xí)方法研究后，選用帶有反饋回路的Elman神經(jīng)網(wǎng)絡(luò)作為診斷的算法基礎(chǔ)，同時(shí)考慮到征兆參數(shù)變化的復(fù)雜性以及神經(jīng)網(wǎng)絡(luò)對(duì)輸入變量的限制，選取具有將模糊概

2、念轉(zhuǎn)變?yōu)殡`屬度的模糊理論作為故障和征兆知識(shí)庫(kù)的處理方法。
　　由于熱力系統(tǒng)結(jié)構(gòu)復(fù)雜且設(shè)備眾多，本文選取蒸汽發(fā)生器、高壓加熱器及凝汽器三個(gè)主要設(shè)備作為診斷的研究對(duì)象，在對(duì)每個(gè)設(shè)備的典型故障和征兆進(jìn)行分析后，結(jié)合各個(gè)設(shè)備的歷史故障案例、運(yùn)行規(guī)程及運(yùn)行人員經(jīng)驗(yàn)，總結(jié)出相對(duì)完善的典型故障及征兆知識(shí)庫(kù)?？紤]到Elman神經(jīng)網(wǎng)絡(luò)的自連接反饋增益因子、權(quán)值和閾值的設(shè)定方法沒有明確規(guī)定，導(dǎo)致學(xué)習(xí)效率不高，有一定的隨機(jī)性，同時(shí)訓(xùn)練過程中采用的梯度下

3、降法易陷入局部最小值，為此本文建立了基于Elman神經(jīng)網(wǎng)絡(luò)的蒸汽發(fā)生器故障診斷模型、基于遺傳優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)高壓加熱器故障診斷模型以及基于粒子群優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)凝汽器故障診斷模型，并將它們應(yīng)用到某核電站故障診斷中，都取得了較為滿意的診斷結(jié)果。針對(duì)雙壓凝汽器的結(jié)構(gòu)和運(yùn)行特點(diǎn)，本文建立了基于粒子群優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)真空預(yù)測(cè)模型，并將其運(yùn)用到實(shí)際過程中，也得到了較好的預(yù)測(cè)結(jié)果，說明粒子群優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)在故障和正