基于神经网络技术的核电厂阀门故障诊断

摘要

在核电厂中,电液伺服阀和安全阀分别作为一回路、二回路的非常重要的设备,其工作情况直接影响到整个系统的运转,而且其故障呈现非线性、不确定性等特点,所以针对这两种阀门研究其故障诊断的方法,对其可能发生的故障进行诊断或预测是极其必要的。
　　本论文首先分析了电液伺服阀在核电系统中的应用,基本结构和故障机理,以及静态特性曲线,并分析研究了现有的几种人工智能故障诊断方法,例如专家系统、灰色理论,模糊理论、人工神经网络,分析其基本原理,结合电液伺服阀和安全阀本身的特性,选用神经网络对这两种阀门进行故障诊断。论文利用实验台采集的电液伺服阀出油口和回油口的压差作为网络的输入数据,将设定的五个故障状态作为网络的输出,对数据进行归一化处理,为后面的故障诊断提供样本数据。
　　利用MATLAB软件对神经网络进行编程,分别采用BP神经网络,RBF神经网络,Elman神经网络对电液伺服阀进行诊断并比较结果,最后选用RBF神经网络作为核电厂阀门故障诊断的方法。
　　分析安全阀的结构和故障机理,结合安全阀的故障特点,利用反映其状态的相关测点数据,分析出适合RBF神经网络诊断的输入层和输出层,为后续的阀门故障诊断奠定基础。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 论文选题背景

1.2 国内外研究现状

1.3 论文的主要工作包括

1.4 论文预期结果

第2章 人工智能故障诊断方法研究

2.1 专家系统故障诊断方法

2.2 灰色理论故障诊断方法

2.3 模糊理论故障诊断方法

2.4 人工神经网络故障诊断方法

2.5 故障诊断方法优缺点比较

2.6 本章小结

第3章 针对电液伺服阀和安全阀的故障机理研究

3.1 电液伺服阀在核电系统中的作用

3.2 电液伺服阀的组成与分类

3.3 力反馈两级电液伺服阀

3.4 电液伺服阀的特性

3.5 电液伺服阀的主要故障及其机理研究

3.6 安全阀的组成

3.7 先导式安全阀

3.8 先导式安全阀的故障特征和故障机理

3.9 本章小结

第4章 针对电液伺服阀和安全阀的故障诊断研究

4.1 电液伺服阀的故障样本提取原理

4.2 BP神经网络在电液伺服阀的故障诊断中的应用

4.3 RBF神经网络对电液伺服阀的故障诊断

4.4 ELMAN神经网络对电液伺服阀的故障诊断

4.5 三种神经网络的比较

4.6 针对先导式安全阀的故障诊断的研究

4.7 本章小结

结论

参考文献

致谢