基于概率神经网络的核动力装置异常运行工况识别方法设计

TL364.9; 核动力装置结构复杂、运行参数多且耦合程度高,在异常运行工况时,运行参数之间存在极其复杂的非线性关系.采用人工方式进行故障诊断难度较大,亟需一种能高效识别异常运行工况类型的智能技术.概率神经网络(PNN)具有良好的非线性映射功能,适用于核动力装置多参数、强耦合情况下的异常运行工况识别.本文选取6种核动力装置异常运行工况,依托核动力装置事故分析平台进行了模拟计算并提取了特征参数.分别采用PNN与BP神经网络方法,在MATLAB环境中建立了异常运行工况识别模型,并进行了验证.结果表明,基于PNN的异常运行工况识别方法有效,且较传统BP神经网络方法更准确、快速....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	原子能科学技术 2022-07, Vol.56 (7), p.1347-1355
Hauptverfasser:	王雯珩, 于雷, 王晓龙, 郝建立, 叶磊
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TL364.9; 核动力装置结构复杂、运行参数多且耦合程度高,在异常运行工况时,运行参数之间存在极其复杂的非线性关系.采用人工方式进行故障诊断难度较大,亟需一种能高效识别异常运行工况类型的智能技术.概率神经网络(PNN)具有良好的非线性映射功能,适用于核动力装置多参数、强耦合情况下的异常运行工况识别.本文选取6种核动力装置异常运行工况,依托核动力装置事故分析平台进行了模拟计算并提取了特征参数.分别采用PNN与BP神经网络方法,在MATLAB环境中建立了异常运行工况识别模型,并进行了验证.结果表明,基于PNN的异常运行工况识别方法有效,且较传统BP神经网络方法更准确、快速.
ISSN:	1000-6931
DOI:	10.7538/yzk.2021.youxian.0356