核动力装置数据融合智能诊断系统应用研究

论文摘要

为满足核动力装置对安全性的高要求,各种运行支持系统不断出现,其中故障诊断系统作为一种重要的运行辅助系统日益受到研究人员的关注。故障诊断系统的功能也不仅局限于单纯的故障诊断,故障预测、故障处理等问题也已被纳入故障诊断系统的功能之中,针对目前故障诊断系统的研究和核动力装置自身的特点,提出建立集状态监测、趋势预测、故障诊断、故障定位、维修决策等功能于一体的功能相对较完善的综合智能诊断系统。该诊断系统的研究对进一步提高核动力装置运行的安全性、可靠性以及核动力装置的整体效能具有重大的工程意义和现实意义。本文以“十五”国防重点预研攻关项目“XXX实时故障诊断技术”为背景,以核动力装置一回路冷却剂系统为研究对象,对核动力装置数据融合智能诊断系统实现的部分技术、方法及基本结构进行了深入的研究。本文研究的主要内容和取得的主要成果如下:1.提出了功能相对较完善的核动力装置故障诊断系统应具备的各项基本功能。为了满足核动力装置运行安全性的要求,必须使诊断系统具备趋势预测、状态评价、维修决策、故障诊断、故障定位及故障后处理等各项功能。2.基于数据融合分级处理的基本思想提出了采用数据融合和动态有序故障概念格的诊断方法,并设计了先进的智能诊断算法。3.通过对灰色系统理论的深入研究和对相关灰色模型用于动态数据预测性能的分析,采用了灰色马尔柯夫GM(1,1)模型为进行自动预测的预测模型。为了满足在无异常参量时的预测,可根据情况进行各种预测模型的选择预测,方便对比分析。4.研究了蚁群算法进行故障定位的实现技术。对核动力装置进行分级处理,采用蚁群算法搜索异常参量的方法进行逐级故障定位。5.研究了基于模糊变权的评价方法和改进的维修优化方法,并对核动力装置进行状态评价以及设备检测周期和维修周期的计算,以此为依据判断设备是否需要进行检测或维修以及采用何种维修方式。6.利用Visual Basic 6.0成功开发了该智能诊断系统,实现了系统的各项预期设计功能。在系统中设计了友好的人机界面,通过诊断知识更新子系统的设计,重点解决了系统的可扩充性和故障知识的不断更新等问题。诊断知识更新子系统的知识库可以随着对核动力装置安全特性认识的加深和事故数据的积累由用户通过人机交互方便地进行扩充修改,使系统的诊断功能不断完善。7.开发的系统成功地实现了自动预测、自动诊断和报警的功能。在对上述各种理论方法和核动力装置融合智能诊断系统进行验证时,先采用实例验证各项功能,再用通讯协议与核动力装置仿真机进行实时数据通讯,利用仿真机对诊断系统进行总体验证。测试结果证实该诊断系统可以适用于核动力装置的实时故障诊断,进而也验证了根据征兆进行故障分析与故障诊断的可行性与有效性,以及所设计的智能故障诊断系统运行的正确性,为该诊断系统的进一步研究和应用奠定了基础。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 本论文选题背景及意义
• 1.3 故障诊断技术的研究及应用
• 1.3.1 故障诊断的发展历程
• 1.3.2 故障诊断方法的研究现状
• 1.3.3 典型的故障诊断方法
• 1.4 数据融合技术在故障诊断中的应用
• 1.4.1 数据融合技术应用于故障诊断的起因
• 1.4.2 故障诊断数据融合系统的功能模型
• 1.4.3 故障诊断的数据融合方法
• 1.5 核动力装置诊断技术的发展
• 1.5.1 核安全发展的主要特征
• 1.5.2 核动力装置故障诊断技术
• 1.5.3 核动力装置故障诊断系统的功能分析
• 1.6 数据融合智能诊断系统的功能设计
• 1.7 本文的主要研究内容
• 1.8 论文的结构安排
• 第2章 数据融合智能诊断系统结构研究
• 2.1 数据融合智能诊断系统总体设计
• 2.2 数据融合智能诊断各子系统设计
• 2.2.1 人机接口设计
• 2.2.2 状态监测子系统设计
• 2.2.3 数据库和知识库设计
• 2.2.4 趋势预测子系统设计
• 2.2.5 故障定位子系统设计
• 2.2.6 故障诊断子系统设计
• 2.2.7 维修决策子系统设计
• 2.3 理论方法概述
• 2.3.1 数据挖掘
• 2.3.2 数据融合
• 2.3.3 蚁群算法
• 2.3.4 灰色预测理论
• 2.3.5 以可靠性为中心的维修理论
• 2.4 本章小结
• 第3章 基于灰色理论的核动力装置趋势预测研究
• 3.1 灰色理论的趋势预测方法
• 3.1.1 数据处理
• 3.1.2 光滑离散函数
• 3.2 核动力装置采用灰色预测的可行性分析
• 3.3 趋势预测模型的比较与选择
• 3.3.1 GM（1,1）模型
• 3.3.2 残差GM（1,1）模型
• 3.3.3 GM（2,1）模型
• 3.3.4 三角函数变换GM（1,1）模型
• 3.3.5 灰色马尔柯夫GM（1,1）预测模型
• 3.4 核动力装置趋势预测子系统编程实现
• 3.4.1 预测模型优化
• 3.4.2 趋势预测子系统程序设计
• 3.4.3 趋势预测子系统程序测试
• 3.5 本章小结
• 第4章 基于数据挖掘的融合诊断方法研究
• 4.1 数据挖掘技术
• 4.1.1 数据挖掘的定义
• 4.1.2 数据挖掘的过程
• 4.2 数据融合理论
• 4.2.1 数据融合的定义
• 4.2.2 数据融合的级别
• 4.3 融合诊断子系统模型
• 4.4 数据级融合模块
• 4.4.1 数据挖掘的步骤
• 4.4.2 概念格的数据挖掘方法
• 4.4.3 动态有序概念格的数据挖掘方法
• 4.5 特征级局部诊断模块
• 4.5.1 BP神经网络并行局部诊断
• 4.5.2 动态有序概念格构造
• 4.6 决策级融合模块
• 4.6.1 D-S证据理论
• 4.6.2 神经网络与D-S证据理论相结合的融合诊断方法
• 4.7 本章小结
• 第5章 蚁群算法在核动力装置故障定位中的应用研究
• 5.1 蚁群算法概述
• 5.1.1 人工蚁群算法的基本思想
• 5.1.2 蚁群算法基本模型
• 5.1.3 改进的蚁群优化算法
• 5.2 蚁群算法在核动力装置故障定位中的应用
• 5.2.1 核动力装置故障分级定位
• 5.2.2 核动力装置故障定位的蚁群算法
• 5.3 应用实例
• 5.4 本章小结
• 第6章 核动力装置维修决策方法研究
• 6.1 概述
• 6.2 以可靠性为中心的维修方法
• 6.2.1 RCM分析步骤
• 6.2.2 一回路冷却剂系统RCM分析
• 6.3 核动力装置维修优化
• 6.3.1 核动力装置维修特点
• 6.3.2 定期维修优化
• 6.3.3 状态维修优化
• 6.4 主冷却剂系统变权模糊综合状态评价
• 6.4.1 变权理论
• 6.4.2 变权模糊综合状态评价模型
• 6.5 本章小结
• 第7章 核动力装置数据融合智能诊断系统的开发
• 7.1 概述
• 7.2 系统的设计与实现
• 7.2.1 功能结构设计
• 7.2.2 核动力装置数据融合智能诊断系统的实现
• 7.3 系统的测试及结果分析
• 7.3.1 故障诊断功能测试
• 7.3.2 趋势预测功能测试
• 7.3.3 故障定位功能测试
• 7.3.4 维修决策功能测试
• 7.4 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历