高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于运行数据分析的核动力装置异常运行状态监测技术研究

余刃 孔劲松 骆德生 张宦林 杨怀磊

余刃, 孔劲松, 骆德生, 张宦林, 杨怀磊. 基于运行数据分析的核动力装置异常运行状态监测技术研究[J]. 核动力工程, 2013, 34(6): 156-160.
引用本文: 余刃, 孔劲松, 骆德生, 张宦林, 杨怀磊. 基于运行数据分析的核动力装置异常运行状态监测技术研究[J]. 核动力工程, 2013, 34(6): 156-160.
YU Ren, KONG Jing-song, LUO De-sheng, ZHANG Huan-lin, YANG Huai-lei. Research on Abnormal Operation Status Detection Method for Nuclear Power Plants Based on Operation Data Analysis[J]. Nuclear Power Engineering, 2013, 34(6): 156-160.
Citation: YU Ren, KONG Jing-song, LUO De-sheng, ZHANG Huan-lin, YANG Huai-lei. Research on Abnormal Operation Status Detection Method for Nuclear Power Plants Based on Operation Data Analysis[J]. Nuclear Power Engineering, 2013, 34(6): 156-160.

基于运行数据分析的核动力装置异常运行状态监测技术研究

详细信息
    作者简介:

    余刃(1968-),男,副教授。2000年毕业于华中科技大学自动控制专业,获博士学位。现主要从事核动力系统控制,故障诊断与运行支持方面的研究。

    孔劲松(1967-).男,高级工程师。2008年毕业于中国原子能科学研究院核然料循环与材料专业,获博士学位。现主要从事三废处理与核废物管理研究。

    骆德生(1971—),男,工程师。1995年毕业于海军工程学院自动控制专业,获学士学位。现主要从事核动力系统维修与管理工作。

  • 中图分类号: TL36;TP212

Research on Abnormal Operation Status Detection Method for Nuclear Power Plants Based on Operation Data Analysis

  • 摘要: 设计一种基于动态霍普菲尔德(Hopfield)人工神经网络(ANN)的核动力装置异常运行状态监测方法。通过ANN的在线训练,保证ANN模型能够始终跟踪核动力装置因运行工况变化而引起的动态特性变化,降低误诊断的概率。通过观察ANN预测输出值与实际装置输出值之间的加权平均方差,可以在较早时间内检测出参数异常变化的出现。以一回路压力为例,进行运行参数典型异常变化的检测仿真实验。结果表明,该方法在全工况范围内,具有良好的参数异常变化检测能力。

     

  • 加载中
计量
  • 文章访问数:  14
  • HTML全文浏览量:  4
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-07-01
  • 修回日期:  2013-10-27
  • 网络出版日期:  2025-03-08

目录

    /

    返回文章
    返回