[發(fā)明專利]一種核動力裝置故障的診斷方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010909121.3
• 申請日: 2020-09-02
• 公開（公告）號: CN112016251B
• 公開（公告）日: 2023-01-31
• 發(fā)明（設(shè)計(jì)）人: 王航;彭敏俊;鄧強(qiáng);夏庚磊;夏虹;劉永闊
• 申請（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/214;G06N3/0464;G06N3/048;G06N3/049;G06N3/045;G06N3/09;G06N20/20
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 劉鳳玲

本發(fā)明涉及一種核動力裝置故障的診斷方法及系統(tǒng)。該方法包括：獲取核動力裝置的歷史運(yùn)行數(shù)據(jù)以及實(shí)際運(yùn)行數(shù)據(jù)，并確定實(shí)際運(yùn)行數(shù)據(jù)的狀態(tài)類別；對實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行相空間重構(gòu)，確定重構(gòu)后的實(shí)際運(yùn)行數(shù)據(jù)；建立小卷積核堆疊形成的時間卷積網(wǎng)絡(luò)模型；利用重構(gòu)后的實(shí)際運(yùn)行數(shù)據(jù)以及狀態(tài)類別構(gòu)建時間卷積網(wǎng)絡(luò)基分類器；根據(jù)5個時間卷積網(wǎng)絡(luò)基分類器確定次級分類器的訓(xùn)練集以及測試集；利用次級分類器訓(xùn)練集對次級分類器進(jìn)行訓(xùn)練，利用次級分類器測試集對次級分類器進(jìn)行測試，確定堆棧泛化集成學(xué)習(xí)模型；根據(jù)堆棧泛化集成學(xué)習(xí)模型對核動力裝置進(jìn)行故障診斷，輸出故障類別。本發(fā)明提高故障診斷的準(zhǔn)確率，避免誤診斷和漏診斷的發(fā)生。

技術(shù)領(lǐng)域

本發(fā)明涉及核動力裝置故障的診斷領(lǐng)域，特別是涉及一種核動力裝置故障的診斷方法及系統(tǒng)。

背景技術(shù)

核動力系統(tǒng)結(jié)構(gòu)復(fù)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，對于核動力系統(tǒng)的可靠性要求就非常高；同時，隨著遠(yuǎn)海鉆井平臺、海島發(fā)電等需求，不可能在相關(guān)平臺上布置大量運(yùn)行人員，因此對于核動力裝置運(yùn)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(qiáng)烈。核動力系統(tǒng)運(yùn)行環(huán)境惡劣，系統(tǒng)關(guān)鍵設(shè)備長期連續(xù)工作，極容易發(fā)生故障，如若出現(xiàn)故障而不能及時發(fā)現(xiàn)并維修，可能會導(dǎo)致嚴(yán)重的放射性后果，危急運(yùn)行人員和公眾的生命安全。因此，研究核動力裝置系統(tǒng)和設(shè)備的的故障診斷方法，對于提高核動力裝置安全可靠性具有重要意義。目前，故障診斷方法可分為基于信號處理的方法、基于解析模型的方法和基于數(shù)據(jù)驅(qū)動的方法三種。

1)基于信號處理的方法

當(dāng)很難建立被控對象的解析數(shù)學(xué)模型時，可采用基于信號處理的方法。此方法通常利用信號模型(如相關(guān)函數(shù)、頻譜、高階統(tǒng)計(jì)量、自回歸滑動平均、小波變換等)直接分析可測信號，提取諸如方差、幅值、頻率等特征值，從而檢測出故障。基于信號處理的方法主要針對振動傳感器以及聲發(fā)射傳感器等的數(shù)字信號進(jìn)行分析，無需對設(shè)備添加過多的傳感器，但其缺點(diǎn)在于振動傳感器采集信號帶有一定背景噪聲，容易導(dǎo)致算法出現(xiàn)誤診。目前用于泵閥故障診斷中基于信號處理的方法主要有頻譜分析、功率譜估計(jì)、小波分析等。

國內(nèi)方面，丁軍針對大型水泵機(jī)組的特點(diǎn)，采用頻譜分析對其狀態(tài)監(jiān)測與故障診斷的方法展開了探討研究，并針對傳感器測點(diǎn)布置的考慮因素進(jìn)行探討。海軍駐四三一場軍事代表室的鮑海閣對船用汽輪滑油泵的振動信號進(jìn)行采集分析，計(jì)算滑油泵的機(jī)械振動烈度，判斷設(shè)備是否需要拆解維修。張海峰等采用小波包的方法對天然氣管道球閥內(nèi)漏的聲發(fā)射信號進(jìn)行分解，采用二進(jìn)變換的方法對每一層分解后高頻斷進(jìn)行再分解，有效彌補(bǔ)了小波變換中高頻段局部性分解差的局限，獲得了良好的內(nèi)漏故障診斷效果。

國外方面，Meland等利用頻譜分析的方法對切斷用球閥的內(nèi)漏聲發(fā)射信號進(jìn)行分析，發(fā)現(xiàn)球閥內(nèi)漏時信號在頻域內(nèi)有明顯的特征頻率，并將其應(yīng)用于內(nèi)漏故障的診斷。馬來西亞的H.Y.Sim等人采用小波包分解的方式對閥門的聲發(fā)射信號進(jìn)行處理，提取不同頻段的均方根值作為特征向量，并使用支持向量機(jī)等統(tǒng)計(jì)學(xué)習(xí)方法進(jìn)行故障診斷。

2)基于解析模型的方法

基于解析模型的方法需要建立被診斷對象的較為精確的數(shù)學(xué)模型，具體又可以分為狀態(tài)估計(jì)方法、等價空間方法和參數(shù)估計(jì)方法。基于解析模型的方法優(yōu)點(diǎn)在于解析模型的建立不需要大量的實(shí)際運(yùn)行數(shù)據(jù)，模型便于解釋。但在實(shí)際應(yīng)用中，常常無法獲得對象的精確數(shù)學(xué)模型，而且故障引起系統(tǒng)模型結(jié)構(gòu)和參數(shù)變化的形式是不確定的，這就大大限制了基于解析模型診斷方法的使用范圍和效果。對于泵閥等設(shè)備來說亦是如此，目前利用基于解析模型診斷的方法對其進(jìn)行故障診斷研究的也較少。Wolfram基于非線性建模技術(shù),利用模糊神經(jīng)網(wǎng)絡(luò)模型對離心泵的故障信號進(jìn)行估計(jì)。然而該方法沒有考慮模型不確定性,不具備魯棒性。Dalton針對模型不確定性的非線性系統(tǒng)，在給出基于參數(shù)估計(jì)的故障診斷方法的基礎(chǔ)上，以火電廠的冷卻水泵為對象，對該診斷算法的魯棒性、靈敏度、穩(wěn)定性以及可檢測性進(jìn)行了分析研究。楊國峰對核電站安全級電動隔離閥建立簡化的數(shù)學(xué)解析模型，并利用模式識別技術(shù)對隔離閥的運(yùn)行數(shù)據(jù)進(jìn)行模糊推理，計(jì)算數(shù)據(jù)和標(biāo)準(zhǔn)故障模式的貼近度，從而識別出閥門故障類型。