一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法技术

本申请涉及核电装备渐进失效事件预测方法技术领域。提出了一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，综合考虑磨损和冲击疲劳等失效模式，通过构建基于非线性Wiener过程的状态数据驱动模型和基于Archard模型及裂纹扩展理论的机理模型，分别作为卡尔曼滤波器的状态方程和观测方程。利用并行反馈卡尔曼滤波技术对滤波器的结果进行融合，实现对核电装备部件退化状态的精确估计，并基于此预测渐进失效事件。本发明专利技术能够有效提高核电装备渐进失效预测的准确性和可靠性，保障核电装备的安全稳定运行。本申请的目的在于解决现有单纯的物理机理模型或数据驱动模型不能满足核电装备渐进失效事件预测的问题。

【技术实现步骤摘要】

本专利技术涉及核电装备渐进失效事件预测，特别涉及一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法。

技术介绍

1、随着现代工业技术的持续发展，许多大型机组设备的一些核心组件与机组的可靠性密切相关。一旦这些部件发生机械故障，将直接导致设备失效，进而引发重大损失。因此，对这些关键部件进行实时状态监测与性能退化评估，对于保障设备运行的可靠性具有至关重要的意义。

2、高可靠、长寿期部件的性能退化分析对于机组健康运行至关重要。大型机组部件的退化路径一般呈现出动态性和随机性特征，并且在不同的运行条件及工况下表现出不同的退化模式，传统的物理机理模型和人工智能方法在处理此类复杂问题时均存在一定的局限性。例如物理机理模型在表达不确定性方面存在困难，而人工智能方法则对数据的质量和数量要求较高，并且模型的解释性较差。目前对于融合多种方法进行退化建模的研究较少，且现有的混合方法多限于同类方法之间的组合，缺乏跨方法的优势互补。

3、部件级的可靠性分析是保证机组健康运行的基础环节，部件级之上物理级别的可靠性评估依赖于关键零部件的失效率。工业领域中的本文档来自技高网...

【技术保护点】

1.一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：包括以下步骤；

2.根据权利要求1所述的一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：所述步骤S100中状态模型构建的具体步骤如下；

3.根据权利要求1所述的一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：所述步骤S200中观测模型构建的具体步骤如下；

4.根据权利要求3所述的一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：将步骤S201构建的磨损渐进失效的物理机理模型与步骤202构建的冲击疲劳渐...

【技术特征摘要】

1.一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：包括以下步骤；

2.根据权利要求1所述的一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：所述步骤s100中状态模型构建的具体步骤如下；

3.根据权利要求1所述的一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：所述步骤s200中观测模型构建的具体步骤如下；

4.根据权利要求3所述的一种基于并行反馈卡尔曼滤波模型的核电装备渐进失效事件预测方法，其特征在于：将步骤s201构建的磨损渐进失效的...

【专利技术属性】
技术研发人员：冯毅雄，蒋翔宇，洪兆溪，胡炳涛，郭景任，司恒远，谭建荣，
申请(专利权)人：贵州大学，
类型：发明
国别省市：