核电站故障诊断与故障程度评估方法

为了在核电站发生事故时,快速准确地识别出故障类型并对故障程度进行有效地评估,帮助操作人员获取事故发生原因及事故的详细信息,辅助操作人员及时地采取相应的安全有效的防护措施,确保核电站的安全运行,采用BP神经网络对核电站部分典型故障进行诊断,在确定故障类型后,利用多BP神经网络实现对故障程度的评估,并使用C# 4.0程序语言开发了核电站实时故障诊断与故障程度评估系统。通过PCTran实时仿真软件对该系统进行了验证,实验验证结果表明,该系统能够正确地诊断核电站常见的典型故障,并能够实现对故障程度合理有效的评估。     

M-P人工神经网络用于核电站故障诊断系统

按照实际情况,将人工神经网络M-P模型应用于核电站机组故障诊断系统的部分诊断网络。根据核电站故障诊断信号和故障事件特点,提出在特定诊断网络中使用M-P模型的可能性和具体构建诊断网络的方法,对其优缺点进行了比较。使用M-P模型对核电站重要厂用水系统建立了简单诊断网络,进行了验证。该模型简单直接,可以避免若干使用其他人工神经网络模型时遇到的问题。该模型与其他模型结合使用于核电站故障诊断系统,尤其在处理逻辑判断性较强的诊断任务时,可以达到更好的效果。     

动态故障诊断中的立体因果建模与不确定性推理方法

为满足复杂系统的动态、实时和高可靠性的故障诊断需求,克服动态不确定因果图(dynamic uncertain causality graph,DUCG)及其他概率图模型的局限,该文在DUCG理论的基础上扩展其时序因果表达与推理方法,建立了立体DUCG(Cubic DUCG)理论模型。采用动态的手段处理动态问题,以"逐步生长"的立体因果建模取消了时序模型中常见的Markov假设限制,以穿越式因果连接准确地表达动态系统下故障的产生、演变和发展;直观地刻画和处理动态负反馈等复杂故障逻辑因果关系;给出了严谨、高效的动态推理算法。宁德核电站1号机组CPR1000模拟机二回路系统上的故障实验结果表明:Cubic DUCG诊断推理准确、高效,能有效处理负反馈等复杂动态情形。     

基于主成分法的空调新风阀故障检测与诊断

建立了主成分分析法的空调系统故障检测模型,根据平方预测误差和其阈值大小的比较,判断系统是否发生故障。采用ASHRAE 1312现场实测数据进行方法的测试验证,以新风阀故障的诊断为例,比较并分析了故障贡献图和相似系数两种故障诊断方法。结果表明:当新风阀开度偏离正常运行开度15%时,主成分分析能够有效检测出故障;故障贡献图不需要先验知识便可检测出故障变量,但只能确定出故障设备引起的单一故障变量;与贡献图法相比,相似系数法诊断结果更加可靠,两种故障诊断方法各有优缺点,两者组合能够更加准确地诊断出故障。     

基于状态监控数据的航空活塞发动机故障诊断

针对某型航空活塞发动机空中功率迟滞和地面停车故障,提出一种通过飞行动态模型还原、数据推理和比较法相结合的故障诊断方法。以美国莱康明发动机和GARMIN 1000飞行数据为研究对象,利用Google Earth和FLIGHTDATA运用航段坐标和姿态数据还原飞机故障航段轨迹,结合EGVIEW发动机数据处理软件分析发动机运行中采集的各项数据,研究故障发动机典型数据特征,并基于故障时段发动机余气系数的计算结果判断故障发动机实际工况。结果表明：发动机故障发生时严重富油,通过对燃油调节器结构原理的剖析和地面测试台对其的性能测试,确定了两起发动机故障同源且均与飞行操纵、燃油调节器慢车性能参数超标和慢车活门结构设计有关,同时验证了利用状态监控数据进行故障诊断的有效性和准确性。     

基于小波神经网络的燃气轮机故障诊断研究

为高效及时地发现燃气轮机运行异常并准确地对它进行故障诊断,提出了一种基于小波变换和BP神经网络的故障诊断方法。首先对同一工况下,输入信号的功率谱密度图进行典型频率区间划分,通过比较连续时间段频率区间有效值的突变找到疑似故障段。其次,对疑似故障段进行小波变换分析,根据疑似故障段对应的频率区间选择小波的变换尺度并提取该频率尺度下的故障特征向量,再将疑似故障和正常特征向量方差归一化后输入BP神经网络进行学习和训练,进而实现对燃气轮机的故障诊断。经过试验验证表明,该方法能够准确识别燃气轮机运行状态并进行故障诊断,具有较好的工程实用价值。     

基于代价组合优化的故障诊断序贯测试策略研究

提出了一种故障诊断序贯测试策略设计思想.该设计思想以组合优化技术为基础,采用序贯测试方法;通过测试与故障源之间的关系将系统分为一般序贯系统和并行系统.分别对其期望测试代价,诊断策略算法等关键技术进行研究.提出一种序贯故障诊断测试组合优化策略,引入代价权重因子ρ,实现了测试时间和成本的组合优化.对并行系统诊断测试搜索启发式引入调整权重因子μ实现了测试时间和成本、故障源故障发生概率的折中优化,有效地提高了诊断的可靠性,灵活性和实用性.最后通过抽象实例进行验证,结果表明基于组合代价优化的故障诊断序贯测试策略进行故障诊断测试是实用的,也是有效的.     

核电站主蒸汽系统冗余压力传感器异常检测

为保障核电站运行安全,电站设置冗余传感器对重要系统的关键参数进行测量,传感器的健康状况将直接影响测量结果.在被测冗余传感器个数较少,为3个左右时,目前核电站常用的传感器校准方法很难区分故障传感器.将独立成分分析和序贯概率比检验(independent component analysis-sequential probability ratio test,ICA-SPRT)相结合的方法用于冗余传感器故障检测,使用核电站主蒸汽系统冗余压力传感器数据进行验证.与简单平均法的结果进行对比可知,该方法在冗余度不高的情况下明显优于简单平均法,能及时准确地检测到传感器信号的漂移.     

基于有限状态机的电机霍尔传感器故障诊断与补偿策略

针对在复杂工况下运行的永磁无刷电机霍尔位置传感器故障,提出了基于有限状态机的故障诊断方法.该方法可准确区分正常霍尔信号、故障霍尔信号以及反向霍尔信号,并将有限状态机与设计的超螺旋转速观测器相结合,实现了对发生在任意扇区内霍尔位置传感器故障的实时检测.在此基础上,设计了霍尔信号补偿控制器,利用正常霍尔传感器与转速观测器的估计转速生成补偿霍尔信号,使电机能在单个或2个霍尔位置传感器故障时,仍能保持稳定运行,并减小了故障引起的性能波动.最后,利用永磁无刷电机实验平台对所提控制策略进行了验证.实验结果表明,所提故障诊断方法能及时检测出霍尔传感器故障,后续的补偿控制策略也能保证故障后电机的平稳运行.     

宁德核电站1号机组堆芯吊篮的梁型振动特性

核电站反应堆堆芯吊篮的振动在一定范围内是允许的;但其异常振动可能会导致故障甚至事故的发生。掌握核电站堆芯吊篮振动特性能够对核电站的安全运行提供保障。运用中子噪声分析技术,对宁德核电站1号机组多个燃料循环周期内的堆外中子噪声信号的自功率谱、互功率谱和相干、相位进行了分析,得到了吊篮梁型振动频率和中子噪声信号峰功率均方根值变化趋势。对核电站堆芯吊篮梁型振动特性的研究成果,为堆芯吊篮早期故障诊断奠定了基础。     

基于小波包分析和Elman神经网络的军用电源智能故障诊断

军用电源作为地空导弹系统的供电设备,其可靠运转关系到地空导弹系统作战效能的发挥。为实现地空导弹电源逆变器的故障诊断与容错运行,将小波包分解与Elman神经网络结合进行故障特征提取及故障辨识,并应用于地空导弹静变电源的故障诊断。在准确诊断出故障的基础上,利用故障隔离切换电路,隔离故障桥臂,投入备用桥臂,保证静变电源继续正常运行。故障诊断和故障重构仿真的效果验证了该方法的有效性。     

宁德核电站1号机组堆芯吊篮梁型振动特性研究

核电站反应堆堆芯吊篮的振动在一定范围内是允许的;但其异常振动可能会导致故障甚至事故的发生。掌握核电站堆芯吊篮振动特性能够对核电站的安全运行提供保障。运用中子噪声分析技术,对宁德核电站1号机组多个燃料循环周期内的堆外中子噪声信号的自功率谱、互功率谱和相干、相位进行了分析,得到了吊篮梁型振动频率和中子噪声信号峰功率均方根值变化趋势。对核电站堆芯吊篮梁型振动特性的研究成果,为堆芯吊篮早期故障诊断奠定了基础。     

复杂机电产品基于元动作分解的可靠性建模及故障诊断

为了探讨复杂运动机电产品的故障诊断方法,按照功能-运动-动作(functionsmovement-action,FMA)对复杂机电产品进行结构化分解,根据结构化分解和符号有向图提出了复杂机电产品的可靠性故障诊断模型。为了进一步提高模型的故障诊断能力,将复杂机电产品的元动作定量信息加入模型中,利用模糊数学理论对元动作故障进行定量诊断。采用该方法可以通过对产品运行的变量监测,提高对产品故障的识别能力,为运动复杂机电产品的故障诊断提供基础模型。最后,以某型号加工中心刀库为例,验证了方法的可行性。     

基于特征Petri网建模的冷水机组故障诊断系统

冷水机组是建筑物中空调系统重要的制冷设备,它的运行状态直接关系到建筑物暖通空调系统运行的性能和稳定性,其故障诊断问题一直受到广泛关注.将特征建模方法引入到冷水机组的故障诊断技术中,并采用模糊Petri网技术实现建模.利用Petri网进行知识表示及推理的矩阵运算算法,描述冷水机组故障征兆与特征参数的关系.运用所提出的诊断系统,不但可以充分利用各特征参数的信息资源进行故障判断,而且可根据冷水机组能效指标COP对故障诊断结果进行综合诊断,有利于冷水机组高效运行.实验结果验证了该故障诊断系统的可行性和准确性.     

基于改进SAE的提升机制动系统故障诊断

为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据,生成了故障诊断数据集;然后建立了SAE故障诊断模型,并使用Dropout和Adam算法对其进行了优化;最后使用测试数据集对模型的性能进行了测试.试验结果表明,提出的方法较好地避免了稀疏数据的训练误差,减少了过拟合现象,降低了稀疏数据局部最优点的影响,故障类型的平均分类精度达到94%,能有效地进行矿井提升机的故障诊断.     

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。     

基于语义网络的副翼作动器综合故障诊断方法

为了实现飞机典型机电系统故障诊断知识集成共享与利用,提出了一种基于语义网络的副翼作动器综合故障诊断方法。首先利用FMECA方法对副翼作动器进行故障机理分析,然后基于语义网络理论,对副翼作动器在产品域、测试域、诊断域进行本体的构建及相关分析,并使用OWL语言实现了本体的机器可读,从而获得副翼作动器的故障诊断知识模型构建,在此基础上再进行系统故障的综合推理。该方法初步实现了副翼作动器故障诊断基于语义网络理论的知识库构建,验证了模型的故障推理能力,可以有效解决副翼作动器的综合故障诊断问题。     

基于LabVIEW的汽车发动机故障诊断系统设计

采用虚拟仪器技术模拟了汽车发动机故障诊断系统。在充分理解发动机运行机理的基础上,开发了一套发动机故障诊断系统,该系统形象的模拟出了发动机发生故障时其振动信号噪声信号和温度信号的变化。通过仿真实验验证,对发动机故障信号的模拟采集具有较好效果,采集和报警输出与理论一致。从总体上达到了预期目标。     

基于WGAN和CNN的轴承故障诊断研究

轴承作为机械系统的关键部件,可以解析出整个机械系统的故障信息和健康状态,提出一种基于改进生成对抗网络和卷积神经网络的轴承故障诊断方法.首先通过小波变换将一维轴承振动数据转换为二维时频图像数据;然后经设计的改进生成对抗网络训练轴承的二维图像数据,将达到纳什平衡后生成的数据补充到原始数据中增加轴承样本数据;最后将扩充完成的数据集输入卷积神经网络进行训练.测试结果显示轴承故障诊断平均准确率达94%,验证了故障数据不充足时该方法用于轴承故障诊断的可行性.     

一种基于组合测试的软件故障诊断方法

针对组合测试的基本模型和特征，提出了一种基于组合测试的软件故障诊断方法．该方法基于软件故障由某些系统参数或其相互作用而引发的前提下，首先对组合测试的结果进行分析，找出所有可能的错误原因，然后根据初步分析结果补充一组由导致故障的测试用例衍生出的附加测试用例进行重新测试，并对其结果作进一步分析和验证，从而迅速将故障原因锁定在很小的范围内，这样可为软件的调试和测试工作提供更方便、更有价值的线索和参考。