通過對數(shù)據(jù)仿真系統(tǒng)中輸出的運行數(shù)據(jù)進(jìn)行訓(xùn)練,設(shè)計了基于支持向量機、局部異常因子、孤立森林算法3種數(shù)據(jù)驅(qū)動算法的異常狀態(tài)監(jiān)測系統(tǒng)模型,并對訓(xùn)練結(jié)果進(jìn)行了評估;選取一組事故工況數(shù)據(jù)用于對訓(xùn)練的模型進(jìn)行測試,并對測試結(jié)果進(jìn)行評估。結(jié)果表明,3種訓(xùn)練結(jié)果基本與實際情況吻合,準(zhǔn)確度很高,能夠準(zhǔn)確地判斷出核動力裝置的異常狀態(tài);訓(xùn)練出的異常監(jiān)測模型能夠很好地獨立完成異常監(jiān)測的任務(wù)。本文提出的基于數(shù)據(jù)驅(qū)動的異常狀態(tài)監(jiān)測方法可以準(zhǔn)確及時地預(yù)測核動力裝置異常狀態(tài)。 

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 基于數(shù)據(jù)驅(qū)動的異常狀態(tài)監(jiān)測方法
    1.1 狀態(tài)監(jiān)測方法介紹
    1.2 LOF算法原理簡介
    1.3 IForest算法原理簡介
    1.4 OCSVM算法原理簡介
2 核動力裝置狀態(tài)監(jiān)測系統(tǒng)研究
    2.1 狀態(tài)檢測系統(tǒng)設(shè)計
    2.2 測試結(jié)果
    2.3 異常狀態(tài)監(jiān)測實例分析
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法優(yōu)化的OCSVM雙輪廓模型異常檢測算法[J]. 閆騰飛,尚文利,趙劍明,喬楓,曾鵬.  計算機應(yīng)用研究. 2019(11)
[2]一種基于局部密度的高光譜異常檢測背景純化方法（英文）[J]. 趙春暉,王鑫鵬,姚淅峰,田明華.  Journal of Central South University. 2018(01)
[3]基于運行數(shù)據(jù)分析的核動力裝置異常運行狀態(tài)監(jiān)測技術(shù)研究[J]. 余刃,孔勁松,駱德生,張宦林,楊懷磊.  核動力工程. 2013(06)
[4]操縱員運行支持系統(tǒng)中狀態(tài)監(jiān)測方法研究[J]. 王賀,成守宇,張志儉.  核動力工程. 2010(02)

碩士論文
[1]核動力裝置分布式狀態(tài)監(jiān)測技術(shù)研究[D]. 朱榮旭.哈爾濱工程大學(xué) 2012
[2]反應(yīng)堆冷卻劑系統(tǒng)分布式故障診斷技術(shù)研究[D]. 閆修平.哈爾濱工程大學(xué) 2008



本文編號：3715646