[發明專利]一種基于核動力裝置的故障診斷方法及系統

有效

• 申請號: 202010776694.3
• 申請日: 2020-08-05
• 公開（公告）號: CN111899905B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 王航;李子康;彭敏俊;夏庚磊;王曉昆;鄧強
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G21D3/06
• 分類號: G21D3/06;G21D3/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

本發明涉及一種基于核動力裝置的故障診斷方法及系統。所述方法包括獲取核動力裝置的歷史的運行數據；根據所述歷史的運行數據構建卷積神經網絡；采用多策略融合粒子群算法優化所述卷積神經網絡，確定優化后的卷積神經網絡；獲取所述核動力裝置的待監測的運行數據；根據所述待監測的運行數據，利用所述優化后的卷積神經網絡，確定所述待監測的運行數據的診斷結果。本發明所提供的一種基于核動力裝置的故障診斷方法及系統，提高核動力裝置的故障診斷的效率和準確性。

技術領域

本發明涉及核動力裝置的故障診斷領域，特別是涉及一種基于核動力裝置的故障診斷方法及系統。

背景技術

核動力裝置結構復雜，且具有潛在的放射性釋放危險，對于安全性有著極高的要求。因此，對于核動力裝置的可靠性要求就非常高；同時，隨著遠海鉆井平臺、海島發電等需求，不可能在相關平臺上布置大量運行人員，因此對于核動力裝置運行的自動化和智能化水平要求非常高，對于少人值守和無人值守的需求較為強烈。核動力裝置運行環境惡劣，系統關鍵設備在長期連續工作，極容易發生故障，如若出現故障而不能及時發現并維修，可能會導致嚴重的放射性后果，危急運行人員和公眾的生命安全。

在實際使用過程中，核動力裝置的故障診斷技術大多采用傳統的閾值分析和人工經驗進行判斷。但是，這些傳統技術并不能完全適應復雜系統的可靠性要求。隨著人工智能技術和大數據理論的不斷發展、核動力裝置大量運行數據的積累以及其他領域的應用經驗，采用一些高效準確的人工智能技術快速準確地進行故障診斷，這能有效提高核動力裝置與關鍵設備的運行與維護保障能力，提高運行安全性和經濟性。

在1967年，由美國海軍研究室成立了機械故障預防小組，從此開始了故障診斷技術的研究工作，隨后故障診斷技術的研究與應用逐漸在全球蔓延開來；20世紀60年代末，英國機器保健和狀態監測協會的成立，進一步推動了故障診斷技術的發展；隨后，歐洲各國也相繼開展了狀態監測與故障診斷技術的相關研究，并形成各自特色的診斷技術體系；日本的故障診斷技術于70年代中期開始起步，通過學習借鑒世界各國的研究、不斷改進提高，目前日本在鋼鐵生產、鐵路運行、化工過程等民用工業方面的故障診斷技術已經很成熟；中國的故障診斷技術相關研究起步于80年代初，目前已經形成了相對完善的理論體系。在核動力領域，典型的研究成果包括美國阿貢實驗室開發面向操縱員的運行決策支持系統；歐盟Halden反應堆項目開發的運行狀態監測和診斷系統；韓國科學技術院開發了一個事故診斷咨詢系統用于核電廠的故障診斷；清華大學研究開發了 200MW核供熱站故障診斷系統，哈爾濱工程大學設計開發了核動力裝置運行支持系統，其中包括了狀態監測、警報分析、故障診斷、應急操作指導等功能。

在故障診斷方法上，可以劃分為基于定量解析模型方法、基于定性經驗知識的方法及基于歷史數據的方法三類。在基于定量解析模型的故障診斷方法方面，為了解決非線性系統故障問題，Wiinnenberg首次提出非線性未知觀測器的故障診斷方法。針對非線性離散系統，Julier等提出基于濾波器的故障診斷方法，并加入了表征輸入下的sigma點隨機分布，進一步提高了非線性濾波器的故障診斷精度。等價空間法最早由Chow和 Willsky在1984年提出來；1997年，Isermann和Balle對基于解析模型方法以及其中的等價空間法做了詳細的綜述。90年代，美國空軍采用等價空間法實現了飛機控制系統的故障檢測與分離。但是，針對非線性系統，由于很難建立其精確的數學模型，因此這類方法的應用受到了嚴重的限制。