一种核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法及系统技术方案

本发明专利技术提供一种核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法，包括以下步骤：计算多个时间点的运行参数；将多个时间点的运行参数分别映射到高维向量空间；分别对多个时间点添加状态标签；在高维向量空间中对多个时间点进行分类；录入并计算新时间点的运行参数，并将新时间点的运行参数映射到高维向量空间；若新时间点与任何添加状态标签的时间点的向量空间距离小于设定阈值，则确定新时间点代表的是已知事件；若向量空间距离大于或等于设定阈值，则发出报警，提醒现场工程师检查新时间点的核电工作日志记录或对设备进行现场检查。本发明专利技术还提供了一种辅助学习系统。本发明专利技术方法和系统能够融合工程师的实际判断经验，优化报警参数。

Auxiliary learning method and system for signal characteristic identification of loose diagnosis system of primary circuit part of nuclear power station

The invention provides a method of removing loose learning assistant diagnosis system of signal feature recognition of a nuclear power plant components, which comprises the following steps: Calculation of operating parameters for a plurality of times; the operation parameters of multiple time points are mapped into a high dimensional vector space; adding status label for multiple time points; classify at multiple time points in high dimension vector space; operation parameters and calculate the new entry point in time, and the operating parameters of a new mapping time point to high-dimensional vector space; vector space if the new point in time and at any point in time to add state label of the distance is less than threshold, it is determined on behalf of the new time the event is known; if the vector space distance is greater than or equal to the threshold, an alarm is issued, to remind the nuclear power work of logging field engineers to check the new time point or the equipment on the site Check. The invention also provides an auxiliary learning system. The method and the system of the invention can fuse the actual judgment experience of the engineer and optimize the alarm parameter.

【技术实现步骤摘要】
一种核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法及系统
本专利技术涉及核电站松脱部件诊断领域，更具体地，涉及一种核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法及系统。
技术介绍
用于核电站的松脱部件诊断与振动监测系统(LPMS，LoosePartsMonitoringSystem)，国内称为KIR，是目前压水堆核电站的标准配置，用于判断核电站一回路系统的可能发生的部件松脱，以及在安装、换料或维修时遗留在一回路中的金属部件。松脱部件如果反复撞击会造成材料磨损，同时还会造成燃料通道内流体的部分阻塞，基脚的损坏，以及控制棒被卡住的隐患，也会造成一回路中放射性物质的积累，以及一回路到二回路的泄露隐患。目前现有的松脱部件诊断系统对除了分析RMS事件触发功能以及基本的滤波功能外，还可以对背景噪声历史进行趋势分析，通过对比背景噪声对已知时间做精确的分类，同时可以自动忽略控制棒运动所产生的报警；而且可以自定义正常波形与撞击波形，由此降低报警的虚警率和漏警率。同时，为防止误报，软件报警后并不将报警触发直接送达主控室，而是送到给报警箱，由现场工程师人工确认后再做处理。但是，现有这些系统本文档来自技高网...

【技术保护点】
一种核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法，其特征在于，包括以下步骤：S1、计算运行周期中多个时间点的运行参数；S2、将多个所述时间点的运行参数分别映射到高维向量空间，每个所述时间点在所述高维向量空间中分别以点来表示；S3、根据核电工作日志记录和运行参数分别对多个所述时间点添加状态标签；S4、在所述高维向量空间中对多个所述时间点进行分类；S5、录入并计算新时间点的运行参数，并将所述新时间点的运行参数映射到所述高维向量空间，所述新时间点在所述高维向量空间中以点来表示；S6、若所述新时间点与任何添加状态标签的多个所述时间点的向量空间距离小于设定阈值，则确定所述新时间点代表的是已知事...

【技术特征摘要】
1.一种核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法，其特征在于，包括以下步骤：S1、计算运行周期中多个时间点的运行参数；S2、将多个所述时间点的运行参数分别映射到高维向量空间，每个所述时间点在所述高维向量空间中分别以点来表示；S3、根据核电工作日志记录和运行参数分别对多个所述时间点添加状态标签；S4、在所述高维向量空间中对多个所述时间点进行分类；S5、录入并计算新时间点的运行参数，并将所述新时间点的运行参数映射到所述高维向量空间，所述新时间点在所述高维向量空间中以点来表示；S6、若所述新时间点与任何添加状态标签的多个所述时间点的向量空间距离小于设定阈值，则确定所述新时间点代表的是已知事件，并对所述新时间点添加状态标签；若所述向量空间距离大于或等于设定阈值，则执行步骤S7；S7、发出报警，然后提醒现场工程师检查所述新时间点的核电工作日志记录或对设备进行现场检查。2.根据权利要求1所述的核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法，其特征在于，所述步骤S7还包括以下子步骤：S71、若检查后判断设备运行正常，则对所述新时间点添加状态标签，并将步骤S5中录入的所述新时间点的运行参数进行性质判定，判定为非报警事件；S72、若检查后判断设备运行异常，则对所述新时间点添加包含异常内容的状态标签，并将步骤S5中录入的所述新时间点的运行参数进行性质判定，判定为报警事件；S73、若检查后无法判断设备运行是否异常，则对所述新时间点添加包含不确定状态的状态标签，并将步骤S5中录入的所述新时间点的运行参数进行性质判定，判定为不确定事件。3.根据权利要求2所述的核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法，其特征在于，执行步骤S7之后，连续地重复执行步骤S5、S6和S7，实现对松脱部件识别正确率的优化。4.根据权利要求1所述的核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法，其特征在于，在步骤S1中，所述运行参数包括频谱、信号谐波、冲击信号频率、冲击信号频次、冲击信号衰减时间以及传感器信号延时，RMS幅值以及RMS长短有效值之比；所述运行参数还包括运行周期中每个时间点前后1小时、1天、1周的运行参数(即频谱、信号谐波、冲击信号频率、冲击信号频次、冲击信号衰减时间以及传感器信号延时，RMS幅值，RMS长短有效值之比)的中位数和方差，以及运行周期中每个时间点的运行参数和前后1小时、1天、1周的运行参数的中位数的距离。5.根据权利要求1所述的核电站一回路部件松脱诊断系统信号特征识别的辅助学习方法，其特征在于，在步骤S3和S6中，所述状态标签包括是/否部件松脱事件、是/否设备异常、热试、启动、关停冷却泵以及升降温升降压的各个温度压力台阶。6.一种核电站一回路部件松脱诊断系统信号特征识别的辅助学习系统，...

【专利技术属性】
技术研发人员：黄博，吕纳贤，张大勇，薛金山，韩学杰，
申请(专利权)人：阳江核电有限公司，中国广核集团有限公司，中国广核电力股份有限公司，
类型：发明
国别省市：广东,44