[發明專利]一種核動力設備的非平穩信號狀態監測方法及系統

有效

• 申請號: 202010776840.2
• 申請日: 2020-08-05
• 公開（公告）號: CN111881594B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 王航;彭敏俊;夏庚磊;徐仁義;夏虹;劉永闊
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/14;G06F17/18;G01D21/02
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

本發明涉及一種核動力設備的非平穩信號狀態監測方法及系統。該監測方法包括：獲取核動力設備在正常運行下每個測點的特征信號；對每個所述特征信號進行變分模態分解，構造受約束的變分模型；引入懲罰參數以及懲罰因子，確定所述受約束的變分模型的最優解；根據所述最優解確定模態分量，并對所述模態分量進行篩選，確定本征模態函數；采用多尺度加權排列熵對所述時間序列進行特征提取，確定不同尺度下的實時加權排列熵；根據所述不同尺度下的實時加權排列熵確定不同尺度下各個加權排列熵的加權排列熵統計閾值；對比所述不同尺度下的實時加權排列熵以及所述加權排列熵統計閾值，確定核動力設備的非平穩信號狀態。本發明能夠提高檢測精度。

技術領域

本發明涉及核動力設備的非平穩信號狀態監測領域，特別是涉及一種核動力設備的非平穩信號狀態監測方法及系統。

背景技術

核動力裝置結構復雜，且具有放射性危險，對于安全性有著極高的要求。同時核動力系統長期連續工作，極容易發生故障，如若設備出現故障而不能及時檢測和發現，可能會導致嚴重的放射性釋放后果，危害公眾安全和環境條件。目前，對核動力系統與關鍵設備的異常檢測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與關鍵設備的可靠性要求，隨著人工智能技術的不斷發展以及其他領域的應用經驗，采用高效準確的統計分析技術對運行參數的異常狀態進行及時檢測，可以避免危害較大的故障甚至是嚴重事故的發生，能夠有效提高核動力系統與關鍵設備的運行保障能力，降低安全隱患，實現自主保障。

狀態監測技術與故障診斷的內涵既相互區別又相互聯系，狀態監測技術就是利用對采集到的數據進行信號降噪、數據處理，然后顯示異常的參數并報警，并由此判斷系統與設備的運行狀態，為故障分析提供數據和信息。

國際上，美國阿貢國家實驗室的研究人員最早將先進信息處理技術應用到核電廠狀態監測。太平洋西北國家實驗室開發了可向操縱員提供運行支持的核電廠診斷與監測系統。美國西屋公司開發了基于規則的專家系統方法，而且可以將核電廠安全參數顯示系統所采集到的數據作為輸入數據的核電廠狀態監督、診斷與預報系統；美國Bechel公司則開發了可提供核電廠運行特性分析的監測系統。日本也進行了大量的核電廠狀態監測系統的研發工作，并成功的開發了多個狀態監測原型系統。歐共體Halden項目的Fantoni博士和他的多國研究團隊開發了PEANO系統，并將其應用到了核電廠傳感器監測中。

在國內，核動力系統和設備狀態監測方面也做了一些基礎性研究工作，如盛煥行等利用時域或頻域中的隨機分析方法對核電廠反應堆堆內構件的振動監測進行了相關研究。大亞灣核電廠的景建國對核電廠設備進行了狀態監測的頻度研究，這對于提高設備可靠性、延長設備的使用壽命起到了很好的作用。秦山核電廠的黃志軍提出將關鍵類設備作為監測對象，并有針對性地對完善機電儀各類設備狀態監測手段。

在進行設備狀態監測時由于采用加速度和速度、聲學測量等傳感器，其信號具有非平穩、高頻特性，因此首先要對信號進行處理和去噪。傳統的特征提取方法如短時傅里葉變換、功率譜分析等已被實踐證明不適用于連續非平穩隨機信號。近年來，小波與小波包變換、經驗模態分解與集成經驗模態分解先后提出，但是經驗模態分解易造成模態混疊現象，小波分解可能會帶來原有物理量沒有的諧波從而增大了誤差。變分模態分解(VMD)是一種完全內在、自適應非遞歸的分解技術，在解決信號噪聲和避免模態混疊的問題上有顯著優勢。隨著非線性動力學的發展，至今已有多種表征時間序列復雜度特征的方法如:關聯維數、樣本熵、多尺度排列熵等。其中，多尺度排列熵所需運算量小、穩定性強、具有多維分析能力，已被廣泛應用于故障診斷領域。典型研究成果包括：張建財等針對滾動軸承振動信號，提出基于變分模態分解和多尺度排列熵的特征提取方法。劉秀麗等提出一種變分模態分解與小波分析方法相結合的信號處理方法.首先對信號進行VMD分解，然后采用改進小波處理各分量。楊興林等首先采用經驗模態分解對柴油機振動信號進行自適應分解，然后計算本征模態函數(IMF)分量的樣本熵。