發(fā)布時間：2024-02-13 17:32

　　核動力裝置是一個結(jié)構(gòu)復(fù)雜的熱力學(xué)系統(tǒng)。它由核反應(yīng)堆、蒸汽發(fā)生器、主冷卻劑泵、穩(wěn)壓器、汽輪機(jī)等主要設(shè)備及相關(guān)工藝回路構(gòu)成,對其故障進(jìn)行診斷是保證核動力裝置安全運(yùn)行的重要手段之一。對核動力裝置中的系統(tǒng)、設(shè)備進(jìn)行故障診斷時涉及到多源信息的綜合處理,因此,信息融合方法在核動力裝置故障診斷中的應(yīng)用研究受到了普遍的關(guān)注,但信息融合中的一些算法并不能直接在核動力裝置的故障診斷中得到有效應(yīng)用,因此對信息融合用于核動力裝置故障診斷所涉及的相關(guān)方法和技術(shù)進(jìn)行研究具有重要的理論意義和實(shí)際應(yīng)用價值。本文從核動力裝置的故障特征提取和診斷策略兩個方面展開論述,以選取一回路主冷卻劑系統(tǒng)設(shè)備的典型故障為例,針對目前核動力裝置故障診斷中存在的問題,對核動力裝置故障診斷的信息融合方法進(jìn)行了多角度多層次的研究和探索。主要圍繞解決以下幾個方面的問題進(jìn)行了理論和應(yīng)用研究:①如何精確地識別出設(shè)備主冷卻劑泵的故障信息征兆;②如何精確地識別出設(shè)備主冷卻劑泵的并發(fā)故障征兆;③如何準(zhǔn)確地辨別出不同模態(tài)下的反應(yīng)堆堆芯吊籃的吊籃破裂、吊籃緊固件部分脫落和堆芯支撐下板與吊籃熱處理變形3種故障模式;④如何準(zhǔn)確地辨別出堆芯控制棒驅(qū)動機(jī)構(gòu)發(fā)生卡棒、...

【文章頁數(shù)】：109 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．３福島輻射污染圖（２０１１年３月２８日）??Ｆｉ．?１．３?Ｔｈｅ?Ｐｏｌｌｕｔｉｏｎ?ｆｉｕｒｅ?ｂｔｈｅ?ｒａｄｉａｔｉｏｎ?ｏｆ?ｆｕｋｕｓｈｉｍａ??

哈爾濱工程大學(xué)博士學(xué)位論文??生的最為嚴(yán)重的三起核事故是：①三哩島事故（如圖１．１所示）；②切爾諾貝利核事故（如??圖１．２所示）；③福島核事故（如圖１．３所示）。聯(lián)合國經(jīng)濟(jì)合作與發(fā)展署的核能源機(jī)構(gòu)??和國際原子能機(jī)構(gòu)，按照核泄漏事件程度出臺了國際核安全與輻射事件的等級評級標(biāo)??....

圖１．４小波熵神經(jīng)網(wǎng)絡(luò)融合方法研宂框圖??Ｆｉ．?１．４?Ｔｈｅ?ｆｕｓｉｏｎ?ｍｅｔｈｏｄ?ｄｉａｒａｍ?ｏｆ?ｗａｖｅｌｅｔ?ｅｎｔｒｏｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??

一回路主冷卻劑系統(tǒng)設(shè)備的單一及并發(fā)故障診斷問題，具體為：??①采用小波熵神經(jīng)網(wǎng)絡(luò)融合算法診斷主冷卻劑泵單一故障問題，其診斷融合方法過??程圖，如圖１．４所示。??９??

圖１．５?ＤＳｍＴ決策級融合方法研宄框圖??Ｆｉｇ．?１．５?Ｔｈｅ?ｆｕｓｉｏｎ?ｍｅｔｈｏｄ?ｄｉａｇｒａｍ?ｏｆ?ＤＳｍＴ?ｏｎ?ｄｅｃｉｓｉｏｎ?ｌｅｖｅｌ??

?＾?１??圖１．４小波熵神經(jīng)網(wǎng)絡(luò)融合方法研宂框圖??Ｆｉｇ．?１．４?Ｔｈｅ?ｆｕｓｉｏｎ

圖１．７粗糙集神經(jīng)網(wǎng)絡(luò)融合方法研究框圖??Ｆｉｇ．?１．７?Ｔｈｅ?ｆｕｓｉｏｎ?ｍｅｔｈｏｄ?ｄｉａｇｒａｍ?ｏｆ?ｒｏｕｇｈ?ｓｅｔ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??

?＾?１??圖１．４小波熵神經(jīng)網(wǎng)絡(luò)融合方法研宂框圖??Ｆｉｇ．?１．４?Ｔｈｅ?ｆｕｓｉｏｎ

本文編號：3896992