基于神經網絡的核電機組熱力系統(tǒng)故障診斷.pdf

1、核電機組的核燃料具有放射性，其熱力系統(tǒng)運行特性對機組的安全經濟運行有著至關重要的影響，一旦發(fā)生故障有可能會引起巨大的災難，因此，研究核電機組熱力系統(tǒng)故障診斷對提高機組安全經濟運行具有深遠的意義。目前國內外的研究學者逐漸傾向于采用人工智能算法進行故障診斷，本文在對人工神經網絡的結構、種類及訓練學習方法研究后，選用帶有反饋回路的Elman神經網絡作為診斷的算法基礎，同時考慮到征兆參數(shù)變化的復雜性以及神經網絡對輸入變量的限制，選取具有將模糊概

2、念轉變?yōu)殡`屬度的模糊理論作為故障和征兆知識庫的處理方法。
　　由于熱力系統(tǒng)結構復雜且設備眾多，本文選取蒸汽發(fā)生器、高壓加熱器及凝汽器三個主要設備作為診斷的研究對象，在對每個設備的典型故障和征兆進行分析后，結合各個設備的歷史故障案例、運行規(guī)程及運行人員經驗，總結出相對完善的典型故障及征兆知識庫。考慮到Elman神經網絡的自連接反饋增益因子、權值和閾值的設定方法沒有明確規(guī)定，導致學習效率不高，有一定的隨機性，同時訓練過程中采用的梯度下

3、降法易陷入局部最小值，為此本文建立了基于Elman神經網絡的蒸汽發(fā)生器故障診斷模型、基于遺傳優(yōu)化的Elman神經網絡高壓加熱器故障診斷模型以及基于粒子群優(yōu)化的Elman神經網絡凝汽器故障診斷模型，并將它們應用到某核電站故障診斷中，都取得了較為滿意的診斷結果。針對雙壓凝汽器的結構和運行特點，本文建立了基于粒子群優(yōu)化的Elman神經網絡真空預測模型，并將其運用到實際過程中，也得到了較好的預測結果，說明粒子群優(yōu)化的Elman神經網絡在故障和正