论文部分内容阅读
核电站是一个非常复杂的系统,一旦发生故障,将会产生非常严重的后果。状态监测与故障诊断对保证核电站的安全性、可靠性起着至关重要的作用。为了提高故障诊断率,本文引入了基于HMM/SVM的混合模型,通过仿真实验可以证明,混合模型比两个单一模型更有效、更准确。另外,在故障诊断过程中,需要的数据非常庞大而且复杂,因此,我们需要开发核电设备故障诊断系统的数据库,可以帮助操作人员迅速、高效地查询和处理相关数据。论文研究了核电设备一回路和二回路的主要故障的特征信息。其次介绍了隐马尔科夫模型与支持向量机的基本理论和算法,然后建立了HMM/SVM的混合模型。论文最后研究了数据库在核电设备故障诊断系统中的应用,并开发了相应的数据库系统。本文的主要内容如下:(1)通过资料的查阅与整理,介绍了本文的研究背景和研究意义,阐述了故障诊断技术的原理及发展历程,通过国内外基于HMM/SVM混合模型的研究现状分析,论证了混合模型在核电设备故障诊断的可行性。(2)分析了国内外核电设备故障诊断技术的研究现状,并对核电设备故障诊断系统的原理及模块做了分析。对压水堆核电设备的一、二回路系统的主要故障特征信息做出收集和整理,为数据库的开发做好准备。(3)对HMM和SVM的基本原理与算法进行了研究,进而提出HMM/SVM混合模型的原理和构架。(4)介绍了数据库系统的开发环境等;通过研究数据库的ER模型、数据库的需求等,对数据库进行系统的设计。(5)对提出的理论与建模进行系统的设计与验证。本文是基于“基于隐马尔可夫—支持向量机的核电装备状态监测与故障诊断技术研究”(国家高技术研究发展计划“863”计划项目,编号:2008AA04Z407)。本文对在线监测与故障诊断技术有很大促进作用,对核电设备的安全运行有重大的理论意义与现实意义。