【技术实现步骤摘要】
一种核动力设备状态评估与预测一体化方法和系统
本专利技术涉及核动力装备检测领域,特别是涉及一种核动力设备状态评估与预测一体化方法和系统。
技术介绍
核动力系统结构复杂,且具有潜在的放射性释放危险,对于安全性有着极高的要求。因此,对于核动力系统的可靠性要求就非常高。同时,随着远海钻井平台、海岛发电等需求,不可能在相关平台上布置大量运行人员,因此对于核动力装置运行的自动化和智能化水平要求非常高,对于少人值守和无人值守的需求较为强烈。核动力系统运行环境恶劣,系统关键设备在长期连续工作,极容易发生故障,如若出现故障而不能及时发现并维修,可能会导致严重的放射性后果,危急运行人员和公众的生命安全。因此,研究核动力装置系统和设备的故障诊断方法,对于提高核动力装置安全可靠性具有重要意义。在进行核动力设备状态评估和寿命预测过程中,其总体技术流程如图1所示,通过传感器采集设备的运行状态并对数据进行存储,在此基础上进行特征工程分析,进行数据处理和特征提取。然后,为了准确地对核动力关键设备的运行状态进行评估并对其剩余使用寿命进行预测,需要及时准确地监测其运行状态,一旦检测到相关健康指标超过正常运行的允许范围,需要利用智能算法对其剩余使用寿命进行预测。其中,在整个过程中涉及到的关键技术主要有状态监测技术和RUL预测技术。状态监测技术是多学科交叉渗透的综合性技术,是实施设备维修和故障诊断的技术基础。从20世纪70年代初期开始,一些发达国家在现场安装了状态监测系统,例如日本三菱公司的振动健康监测系统以及美国中心发电部的汽轮机监测系 ...
【技术保护点】
1.一种核动力设备状态评估与预测一体化方法,其特征在于,包括:/n获取待测核动力设备的运行数据;/n获取训练好的循环时间卷积网络模型;所述循环时间卷积网络模型是以Leaky ReLU为激活函数,以交叉熵损失为损失函数,且由小卷积核堆叠形成的卷积网络模型;/n采用所述训练好的循环时间卷积网络模型,根据所述运行数据确定所述待测核动力设备的使用寿命。/n
【技术特征摘要】
1.一种核动力设备状态评估与预测一体化方法,其特征在于,包括:
获取待测核动力设备的运行数据;
获取训练好的循环时间卷积网络模型;所述循环时间卷积网络模型是以LeakyReLU为激活函数,以交叉熵损失为损失函数,且由小卷积核堆叠形成的卷积网络模型;
采用所述训练好的循环时间卷积网络模型,根据所述运行数据确定所述待测核动力设备的使用寿命。
2.根据权利要求1所述的核动力设备状态评估与预测一体化方法,其特征在于,在所述获取训练好的循环时间卷积网络模型之前,还包括:
获取核动力设备的运行数据;
对所述运行数据进行标定采样形成训练样本对;
采用所述训练样本对对循环时间卷积网络模型进行训练,得到训练好的循环时间卷积网络模型。
3.根据权利要求2所述的核动力设备状态评估与预测一体化方法,其特征在于,在所述获取核动力设备的运行数据之后,还包括:
利用离差标准化方法,将所述运行数据中的同类数据均映射到[0,1]之间,以得到特征参数;
对所述特征参数进行空间重构,得到重构后的特征参数;
利用多尺度加权排列熵分别对所述重构后的特征参数中的元素进行升序排列,以得到符号序列;
在所述符号序列中的每一元素中添加加权系数,得到加权后的符号序列,并确定符号序列中每种排列出现的概率值;
根据所述概率值确定不同尺度下每一符号序列相对应的多尺度加权排列熵;
根据与每一所述符号序列相对应的多尺度加权排列熵确定随机噪声对所述运行数据的影响程度和变化规律;
根据所述运行数据的影响程度和变化规律确定各符号序列对应的多尺度加权排列熵阈值,并根据所述多尺度加权排列熵阈值对所述运行数据进行标定采样形成训练样本对。
4.根据权利要求1所述的核动力设备状态评估与预测一体化方法,其特征在于,所述循环时间卷积网络模型的构建过程包括:
获取初始的时间卷积网络模型;
将所述初始的时间卷积网络模型中的激活函数调整为LeakyReLU函数,将损失函数调整为交叉熵损失函数,得到中间时间卷积网络模型;
采用SGD优化算法对所述中间时间卷积网络模型进行参数寻优,得到过渡时间卷积网络模型;
将残差卷积结构添加到所述过渡时间卷积网络模型中,得到循环时间卷积网络模型。
5.一种核动力设备状态评估与预测一体化系统,其特征在于,包括:
第一运行数据获取模块,用于获取待测核动力设备的运行数据;
循环时间卷积网络模型获取模块,用于获取训练好的循环时间...
【专利技术属性】
技术研发人员:王航,彭敏俊,夏庚磊,徐仁义,夏虹,罗静,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。