【摘要】：美國三哩島事故以來,核電站的經(jīng)濟(jì)性、可靠性、安全性和運(yùn)行穩(wěn)定性越發(fā)受到社會(huì)的關(guān)注,全世界核工業(yè)界對(duì)核電站狀態(tài)監(jiān)測(cè)和故障診斷的重視程度也越來越高。當(dāng)前針對(duì)核電站的智能故障診斷研究大多仍處在理論研究階段,少數(shù)開發(fā)的系統(tǒng)仍停留于原型階段,存在諸多缺陷。因此,在盡可能建立完備、準(zhǔn)確的核電站系統(tǒng)層級(jí)模型的前提下,將先進(jìn)的人工智能理論應(yīng)用于核電站系統(tǒng)的故障診斷,設(shè)計(jì)并開發(fā)出高效、準(zhǔn)確的多功能的核電站智能故障診斷計(jì)算機(jī)軟件系統(tǒng),從而輔助和指導(dǎo)操縱員在故障或事故工況下準(zhǔn)確高效地應(yīng)用操作規(guī)程具有極其重要的意義。本文基于指導(dǎo)老師張勤教授原創(chuàng)的動(dòng)態(tài)不確定因果圖(DUCG)人工智能理論。在對(duì)核電站DUCG知識(shí)庫建造中的問題進(jìn)行分析的基礎(chǔ)上,提出了基于模糊決策樹和遺傳算法的知識(shí)庫輔助建造方法,以提高知識(shí)庫建造過程中專家經(jīng)驗(yàn)知識(shí)的表達(dá)效率,增強(qiáng)知識(shí)庫的完備性和準(zhǔn)確度,盡可能避免由于知識(shí)庫錯(cuò)誤導(dǎo)致的誤診或無法診斷的情況。在此基礎(chǔ)上,提出了一套用于系統(tǒng)層級(jí)的DUCG核電站知識(shí)庫建造方法,解決了DUCG知識(shí)庫建造過程中的一系列工程實(shí)際問題,使DUCG核電知識(shí)庫在建造過程中“有規(guī)可循”。立體DUCG是針對(duì)存在動(dòng)態(tài)負(fù)反饋等復(fù)雜情況而提出來的一種DUCG理論模型。本文提出了一套遞歸的算法,有效解決了立體DUCG在證據(jù)展開和概率計(jì)算中存在的組合爆炸導(dǎo)致推理低效的問題,能夠極大降低展開式的項(xiàng)數(shù)和吸收運(yùn)算量。基于此高效率算法,參與設(shè)計(jì)并實(shí)現(xiàn)了基于立體DUCG的核電站安全運(yùn)維智能系統(tǒng)計(jì)算機(jī)軟件,該軟件能夠進(jìn)行準(zhǔn)確、高效的狀態(tài)監(jiān)測(cè)、故障預(yù)報(bào)、故障診斷、故障發(fā)展預(yù)測(cè)和決策支持。在對(duì)現(xiàn)有故障處理規(guī)程和狀態(tài)導(dǎo)向法事故處理規(guī)程(SOP)分析的基礎(chǔ)上,基于立體DUCG故障診斷系統(tǒng),分別提出了針對(duì)故障規(guī)程和SOP事故規(guī)程的改進(jìn)策略。與原規(guī)程相比,改進(jìn)后的規(guī)程策略對(duì)故障和事故的處理結(jié)果均有明顯改善,能夠?yàn)楹穗娬景踩\(yùn)行和維護(hù)提供有效決策支持,顯著提升核電的運(yùn)行可持續(xù)性、安全性和經(jīng)濟(jì)性。同時(shí),改進(jìn)策略對(duì)我國使用法國電力公司(EDF)規(guī)程體系的其它核電站也具有適用性,對(duì)其它類型的核電站也具有很好的參考價(jià)值。
【學(xué)位授予單位】：清華大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM623
【圖文】：

圖2.2 M-DUCG邏輯展開示例在事件展開中，常使用“·”和“+”分別表達(dá)“與”以及形式上的“互斥或”量的因果關(guān)系和相關(guān)參數(shù)可以從歷史數(shù)據(jù)中學(xué)習(xí)而來，也可以直接由領(lǐng)家根據(jù)經(jīng)驗(yàn)指定。這種簡(jiǎn)潔的因果關(guān)系表達(dá)符合領(lǐng)域?qū)＜业闹庇^認(rèn)知，其知識(shí)表達(dá)，也更利于他人接受和理解。對(duì)于特定的子變量nX ，其所變量iV 對(duì)它的因果作用的和決定了nX 的狀態(tài)概率的最終分布。如圖 2.2 ，多賦值子變量nX 的不同狀態(tài)n , kX 被根據(jù)不同的父變量相對(duì)獨(dú)立展開成系列“積之和”的形式（每個(gè)和構(gòu)成一個(gè)因果鏈）。根據(jù)式(2-2)，子變量X后驗(yàn)概率可以由它在因果圖中的多個(gè)父變量進(jìn)行概率推理求得：Pr{ }=n,k i , jin;i n n,k ;i , jiX | V ( r / r )a(2這個(gè)式子表明父變量對(duì)子變量獨(dú)立的因果作用關(guān)系決定了子變量的狀態(tài)。.1.3 基本推理思路

第 3 章 輔助式 DUCG 核電站知識(shí)庫建造方法研究34圖3.2 基于DUCG變量建立的特征矩陣（部分）在聚類的基礎(chǔ)上，需要提取相應(yīng)的模糊規(guī)則、觀測(cè)向量和 FRB。由于此時(shí)變量間因果關(guān)系未知，模糊規(guī)則的提取主要采用“IF-THEN”結(jié)構(gòu)的形式，觀測(cè)向量即為與故障 B 相關(guān)的 X 變量。仍以上述故障為例，從34 ,1B 對(duì)應(yīng)分類jC 提取的模糊規(guī)則可以記為“當(dāng)如下參數(shù)信號(hào)出現(xiàn)：A/B/C 路蒸汽流量偏低（X47,1，X173,1，X174,1），主蒸汽壓力 VVP024MP 和 VVP025MP 偏低（X75,1

第 3 章 輔助式 DUCG 核電站知識(shí)庫建造方法研究36圖3.4 基于DUCG的FRB建立FDT的過程（2）利用 GA 方法對(duì)已經(jīng)建立的 FDT 進(jìn)行優(yōu)化為提升基于 DUCG 的 FRB-FDT 的分類正確率，需要對(duì) FDT 中的特征與故障之間的關(guān)系進(jìn)行優(yōu)化，來得到反應(yīng)故障與信號(hào)之間因果相關(guān)度的特征矩陣序列。GA搜索根據(jù)原始特征矩陣的觀測(cè)向量初始化染色體得到新的征兆矩陣構(gòu)建新的FDT得到分類結(jié)果計(jì)算遺傳代數(shù)是否達(dá)到最大值？增加遺傳代數(shù)得到優(yōu)化后特征序列 是否圖3.5 GA算法中的搜索策略

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉至W

本文編號(hào)：2799065