神经网络在核动力装置故障诊断系统中的应用

对核动力装置进行状态监测与诊断的层次、步骤、系统结构进行了阐述，并结合专家知识对核动力装置典型故障建立了故障知识库；在此基础上，将径向基函数（RBF）人工神经网络引人到核动力装置故障诊断中，使其与模糊神经网络（FNN）进行邦联，提高了神经网络的诊断速度和准确性．用Visual Basic6．0编制了系统程序．该系统对典型故障进行了诊断，得到了预期的效果．     

船用核动力装置的Bayesian融合诊断方法研究

船用核动力装置发生故障时很多参数会发生变化，且参数的变化速度不同，因此有必要对这些参数进行融合处理，得到用于故障诊断的可靠征兆、在得到可靠征兆的基础上，利用基于Bayesian理论的融合诊断方法对故障进行诊断，随着故障现象的逐渐出现，诊断系统能够准确地判断故障类型。将该诊断方法应用于船用核动力装置的失水事故的诊断，利用安全分析得到充分性因子(Ls)，用Bayesian公式进行融合计算，最终能够得到可靠的诊断结果，满足了船用核动力装置的故障诊断要求，具有一定的实际应用价值。     

基于神经网络D-S证据理论的汽轮机转子融合诊断系统研究

船用汽轮机转子作为汽轮机做功的主要部件，易发生故障．将数据融合技术应用到其故障诊断领域，采用神经网络与D-S证据理论相结合的理论方法，建立了汽轮机的融合诊断系统，对转子的几种常见故障进行诊断，在数据级上将特征量进行分类处理，能够从多方面反映系统状态，为准确诊断故障奠定了基础，特征级上采用多神经网络的方法克服了网络收敛速度慢的缺点，再经过决策级的融合计算，提高了诊断精度．通过诊断测试及对比试验证明该系统提高了汽轮机转子故障诊断的精度，并能满足诊断的实时性要求。     

蒸汽发生器U形管破裂事故的识别与诊断系统

论述了船用核动力装置中蒸汽发生器U形管发生破裂时的故障征兆及对U形管进行故障诊断的必要性，阐述了智能控制领域中的两个方面即模糊逻辑和神经网络，并探讨了它们之间的结合—模糊神经网络结构及其实现算法，利用模糊神经网络对蒸汽发生器U形管破裂事故进行了诊断，诊断结果表明该理论方法对此事故完全可以正确识别，进而证明该理论方法可以应用到船用核动力装置其他故障的诊断，能够满足船用核动力装置的诊断要求。     

虚拟现实技术在普贤核电退役工程中的应用

反应堆退役工程是庞大的系统工程,需要进行退役作业的优化设计和技术评估．对日本普贤（Fugen）核电退役采用的退役解体工程支持系统（DEXUS）进行了简绍,通过实例阐述普贤核电如何利用虚拟现实技术生成三维的虚拟作业环境,进行虚拟退役进度模拟操作,并对普贤与大亚湾核电采用的虚拟现实技术进行了对比,可见虚拟现实技术在核电领域可以为退役工程提供分析,为退役实施工程方案的确定、退役数据信息管理和培训等提供依据．