[發明專利]基于邏輯距離表征安全運行域的船用核動力異常檢測方法

有效

• 申請號: 202010646535.1
• 申請日: 2020-07-07
• 公開（公告）號: CN111881176B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 王曉龍;張永發;王昕曄;陳玲;蔡琦;劉忠;蔣立志;劉小丫
• 申請（專利權）人: 中國人民解放軍海軍工程大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06F17/15;G06F17/16
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 楊采良

本發明屬于核動力系統異常檢測技術領域，公開了一種基于邏輯距離表征安全運行域的船用核動力異常檢測方法，通過分析核動力系統歷史運行數據，檢索系統典型運行工況數據樣本；構建標準運行工況樣本庫，遴選表征運行狀態的特征參數；構建邏輯距離計算函數；通過歷史運行數據進行訓練學習、仿真計算或收集的異常數據樣本的檢驗驗證確定判定系統異常的邏輯距離閾值即安全域歸屬閾值，在線檢測系統異常或檢索系統歷史運行數據中的異常情況。本發明直接從對象核動力裝置運行狀態數據出發構造異常檢測模型，貼近實際系統，從機理角度比其他算法具有更強的針對性和適用性，具有可解釋性強，檢測力度和調節等優勢。

技術領域

本發明屬于核動力系統異常檢測技術領域，尤其涉及一種基于邏輯距離表征安全運行域的船用核動力異常檢測方法。

背景技術

目前，核動力系統異常狀態自動檢測技術是系統故障診斷技術的前端入口程序模塊，也是輔助操縱員值班的伺服技術模塊。現有國內外關于核動力系統異常檢測和故障診斷技術的研究大致分為兩大類：機理分析法和數據驅動法。

1)機理分析異常檢測法。機理分析法發展較早也比較受青睞，是當前核動力系統異常檢測和故障診斷的傳統主流方法，其又分為模擬仿真法和專家規則集導向法。模擬仿真法是指依據核動力裝置結構特點，利用物理、熱工等方面的守恒方程和經驗公式，構建與核動力系統基本相同的數值計算全范圍仿真模型系統，在模型系統上進行異常、故障和事故演示，獲得規律和經驗，以指導實際系統的異常檢測和故障診斷，其應用被拓展到了核動力系統設計驗證和核動力操縱員培訓中去，成為了目前核動力領域主流的工程設計驗證和人員培訓方法，然而應用到異常檢測和故障診斷中，該方法存在與實際系統同步困難的問題；專家規則集法是指綜合利用物理、熱工方程和專家經驗，設定事故辨識程序，制定事故處置規程，用于伺服檢測系統異常、診斷系統故障、指導事故處置的技術方法，是直接作用在核動力裝置上的異常檢測和故障診斷方法，也是目前國內外核動力裝置普遍采用的一種方法，然而其異常檢測和事故辨識程序流程復雜，需要大量人員干預，很難保證其完備性，且容易誘發人因失誤，而其診斷和處置過程要么固定死板無法權變，要么含糊不清不易理解，所以近幾年來許多國內外專家提出了基于征兆或狀態導向的處置規程研究，將事故的判斷和處置分多個步驟進行，提高了診斷的適應性，也降低了誤判的風險，但在系統異常自動檢測方面還存在的短板和缺陷，并且核動力系統異擦汗那個和故障種類繁多，通過枚舉的方式很難覆蓋所有故障類型，容易漏檢。

2)數據驅動異常檢測法，近年來隨著信息技術的不斷進步，核動力系統信息化程度不斷提高，大量核動力運行數據被完整詳細的記錄下來，數據驅動的異常檢測方法也逐漸興起，受到青睞，并體現了其獨特的優勢，比如在線能力強，貼近實裝，準確性高等。

數據驅動的異常檢測和故障診斷方法主要分為兩大類：一類是基于核動力裝置全范圍仿真模型系統計算數據的故障診斷方法，利用核動力裝置全范圍仿真模型系統可以計算不同工況，不同程度的系統典型故障和事故數據，構建核動力裝置異常、事故數據譜庫，然后利用機器學習方法訓練事故辨識診斷模型，用于異常檢測和故障診斷，主要通過故障特征來甄別系統異常，可以稱為“黑名單法”，該方法利用數據庫技術和人工智能技術有效地結合，解決了機理分析法中模擬仿真法在線支持困難的問題，然而，該方法過分依賴于全范圍仿真模型的準確性，而仿真模型與實際核動力裝置之間存在誤差，這個誤差在系統運行過程中并未被定量標定，也未被確定置信區間，誤差在異常和事故工況下很可能會被擴大，甚至不收斂，因此，該方法存在不確定因素較多，還需進一步研究，該方向吸引了大量國內學者研究。

第二類數據驅動方法是直接挖掘核動力系統實際運行數據，獲得規律來進行異常檢測和診斷，本案按該思路研究系統異常自動檢測技術，并提出一種異常檢測算法。