針對(duì)蒸汽發(fā)生器U形傳熱管泄漏,本文提出了一種基于時(shí)間序列神經(jīng)網(wǎng)絡(luò)對(duì)蒸汽發(fā)生器傳熱管泄漏程度進(jìn)行診斷研究的方法。首先,對(duì)核電廠蒸汽發(fā)生器U型傳熱管泄漏進(jìn)行機(jī)理分析,構(gòu)建其數(shù)學(xué)模型,提取其泄漏的直接特征參數(shù),再依據(jù)Fisher得分法,提取其間接特征參數(shù);其次,通過(guò)滑動(dòng)時(shí)間窗口法從預(yù)處理后的時(shí)間序列數(shù)據(jù)中生成數(shù)據(jù)樣本,作為時(shí)間序列神經(jīng)網(wǎng)絡(luò)的輸入,并以蒸汽發(fā)生器U形傳熱管泄漏程度信息為標(biāo)注,基于反向傳播（BP）算法對(duì)五層神經(jīng)網(wǎng)絡(luò)系統(tǒng)進(jìn)行訓(xùn)練,得到蒸汽發(fā)生器U形傳熱管泄漏的時(shí)間序列神經(jīng)網(wǎng)絡(luò)模型;最后,模擬核電廠運(yùn)行過(guò)程蒸汽發(fā)生器U形傳熱管泄漏時(shí)的時(shí)間序列測(cè)試數(shù)據(jù)。仿真結(jié)果表明,時(shí)間序列神經(jīng)網(wǎng)絡(luò)對(duì)演變事件的處理具有較好的有效性和較高的泛化能力,對(duì)故障程度的診斷研究具有參考價(jià)值。 

【文章來(lái)源】：核動(dòng)力工程. 2020,41(02)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

模型訓(xùn)練過(guò)程損失值變化

錢虹等：基于時(shí)間序列神經(jīng)網(wǎng)絡(luò)的蒸汽發(fā)生器傳熱管泄漏程度診斷研究163e下泄流量和GCT-C總開度f(wàn)蒸汽發(fā)生器水位g蒸汽發(fā)生器壓力h蒸汽發(fā)生器主給水流量圖1蒸汽發(fā)生器傳熱管泄漏時(shí)直接特征參數(shù)變化趨勢(shì)Fig.1TrendofDirectCharacteristicParameterswhenSteamGeneratorTubeLeaks式中，if為第i個(gè)特征；c為不同類別的總數(shù)目；jn為第j個(gè)類別的樣本數(shù)目；iju是j類別中樣本i特征的均值；iu為第i個(gè)特征的均值；ij是j類別中樣本特征的標(biāo)準(zhǔn)差。在蒸汽發(fā)生器傳熱管泄漏相關(guān)參數(shù)中，完成對(duì)每一個(gè)特征參數(shù)的Fisher得分計(jì)算后，選取除去主要特征參數(shù)外，最高得分的特征參數(shù)見表2。表2間接特征參數(shù)表Table2IndirectFeatureParameters序號(hào)特征參數(shù)11#主給水閥開度22#主給水閥開度3蒸汽發(fā)生器主給水溫度4蒸汽發(fā)生器輔助給水流量5高壓進(jìn)氣閥GRE001VV開度6高壓進(jìn)氣閥GRE002VV開度7高壓進(jìn)氣閥GRE003VV開度8高壓進(jìn)氣閥GRE004VV開度9容控箱液位101#穩(wěn)壓器加熱功率112#穩(wěn)壓器加熱功率以上直接特征參數(shù)及間接特征參數(shù)在蒸汽發(fā)生器傳熱管泄漏發(fā)生后，其實(shí)時(shí)值在一段時(shí)間內(nèi)發(fā)生某種線性或者非線性的改變，其時(shí)間序列的數(shù)據(jù)都屬于蒸汽發(fā)生器傳熱管泄漏的特征參數(shù)參考值�；诖耍诒疚牡牡�2節(jié)提出一種基于時(shí)間序列神經(jīng)網(wǎng)路的方法對(duì)蒸汽發(fā)生器傳熱管泄漏進(jìn)行泄漏程度識(shí)別。2時(shí)間序列神經(jīng)網(wǎng)絡(luò)的構(gòu)造本研究提出5層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其中包含1層輸入層、3層隱含層以及1層輸出層（蒸汽發(fā)生器傳熱管泄漏程度是[0，1]區(qū)間內(nèi)的實(shí)數(shù)值）。2.1時(shí)間序列神經(jīng)網(wǎng)絡(luò)的輸入、輸出層構(gòu)造為了完成有監(jiān)督學(xué)習(xí)的訓(xùn)練過(guò)程，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量有標(biāo)注樣本（本次所有的樣本數(shù)據(jù)都是通過(guò)實(shí)驗(yàn)室仿?

164核動(dòng)力工程Vol.41.No.2.2020數(shù)據(jù)記錄為123,,,,fiiiicccc（1，2，，f為數(shù)據(jù)個(gè)數(shù)），對(duì)預(yù)處理后的數(shù)據(jù)應(yīng)用滑動(dòng)時(shí)間窗口進(jìn)行樣本的生成，如圖2所示。圖2滑動(dòng)時(shí)間窗口樣本生成過(guò)程Fig.2SchematicProcessforSlidingWindowSampleGeneration對(duì)于第j個(gè)生成的樣本ijs為：ggsgss1111,,,DjDjDDjDLijiiisccc（6）式中，gD為滑動(dòng)間隔；sD為采樣間隔；sL為窗口內(nèi)采樣個(gè)數(shù)。因?yàn)門w=DsLs，并有wg1TDj≤f，即：0≤j≤wgfT1/D（7）式中，wgfT1/D為高斯取整函數(shù)；wT為滑動(dòng)時(shí)間窗口長(zhǎng)度。為方便表示，將單個(gè)特征參數(shù)的第j個(gè)樣本值寫作：s12,,,Lijijijijsccc（8）設(shè)jU為對(duì)應(yīng)的蒸汽發(fā)生器傳熱管泄漏仿真泄漏程度，也是樣本的標(biāo)注值。因此，可以將一個(gè)包含有m個(gè)特征參數(shù)及sL長(zhǎng)度的時(shí)間序列樣本表示為：ss121211122,,,,,,,LLjjjjjmjjjsccccccU（9）由于將泄漏發(fā)生時(shí)間內(nèi)的時(shí)間序列信息通過(guò)滑動(dòng)時(shí)間窗口的方法生成樣本，故本次所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)模型，在輸入層中表現(xiàn)出多特征參數(shù)時(shí)間序列的性質(zhì)。不妨考慮某一時(shí)刻t，通過(guò)時(shí)間窗口不僅將t時(shí)刻對(duì)應(yīng)的特征參數(shù)實(shí)時(shí)值作為模型的輸入，還將t時(shí)刻之前一定時(shí)間窗口長(zhǎng)度內(nèi)的歷史數(shù)據(jù)作為輸入。因此當(dāng)本次所研究的時(shí)間序列神經(jīng)網(wǎng)絡(luò)應(yīng)用到實(shí)際生產(chǎn)過(guò)程中時(shí)，模型充分利用了當(dāng)前核電運(yùn)行狀態(tài)，以及在該段范圍之內(nèi)的核電歷史運(yùn)行狀態(tài)。在這個(gè)層面上，本次研究的神經(jīng)網(wǎng)絡(luò)模型具有時(shí)間序列的性質(zhì)。重復(fù)記錄插入不同蒸汽發(fā)生器傳熱管泄漏程度的仿真特征參數(shù)值，?

【參考文獻(xiàn)】：
期刊論文
[1]神經(jīng)網(wǎng)絡(luò)在變壓器故障診斷中的應(yīng)用研究[J]. 禹建麗,黃鴻琦,陳洪根,潘笑天.  控制工程. 2018(10)
[2]基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法研究[J]. 効迎春,宿忠娥.  甘肅高師學(xué)報(bào). 2018(05)
[3]核電站故障診斷與故障程度評(píng)估方法[J]. 段智勇,劉永闊,夏虹,吳國(guó)華.  應(yīng)用科技. 2016(04)
[4]報(bào)警觸發(fā)式蒸汽發(fā)生器傳熱管破裂事故診斷專家系統(tǒng)的研究[J]. 錢虹,駱建波,金蔚霄,王渡,周金明.  核動(dòng)力工程. 2015(01)
[5]蒸汽發(fā)生器故障預(yù)報(bào)方法研究[J]. 閻明,周彧.  中國(guó)科技投資. 2012(26)

碩士論文
[1]基于半監(jiān)督和無(wú)監(jiān)督學(xué)習(xí)的特征選擇算法研究[D]. 鄭欣.西北大學(xué) 2017
[2]U型管蒸汽發(fā)生器仿真模型及動(dòng)態(tài)特性研究[D]. 邢海坤.華北電力大學(xué) 2014



本文編號(hào)：3569947