一种核电厂设备故障的诊断方法技术

本说明书公开一种核电厂设备故障的诊断方法，方案可以包括：首先采集100％和80％工况的正常及故障数据，涵盖多种破口故障类型。通过KPCA进行状态监测，利用核函数将数据非线性映射至高维空间，经核矩阵计算、特征分解，基于T<supgt;2</supgt;和SPE统计量判别异常，有效捕捉非线性特征。故障诊断环节采用CNN‑Bi‑LSTM模型，CNN提取局部空间特征，Bi‑LSTM捕捉双向时序依赖；针对小样本工况，通过迁移学习将源工况(数据充足)训练的模型参数迁移至目标工况，微调适配。该方案融合非线性特征提取、时空建模及迁移学习，提升了复杂工况下故障识别的准确性和鲁棒性，尤其适用于数据不平衡和样本稀缺场景。

【技术实现步骤摘要】

本专利技术涉及核电厂设备安全，具体而言，涉及一种核电厂设备故障的诊断方法。

技术介绍

1、核电厂静设备的状态监测与故障诊断技术是核电安全管理中的关键领域，其重要性直接关系到核电厂的安全稳定运行。随着核电厂设备的复杂性增加和运行环境的多变性，传统的故障诊断方法面临着数据量不均衡、故障类型稀缺等挑战，尤其是在不同工况下，部分设备的故障样本较少，导致诊断模型的泛化能力较差。因此，如何在数据不完全和不平衡的情况下，准确识别设备的异常状态和故障类型，成为保障核电厂运行安全的重要问题。

2、目前，针对核电厂的状态监测方法具有较为广泛的研究。binsen等人针对核电厂运行工况复杂且传感器数目众多，导致所采集的数据维度较高难以进行状态监测的问题，提出了一种基于稀疏自编码器和隔离森林的混合状态监测方法，实验结果表明，所提出的方法在核电厂不同工况数据集上均取得了较高的监测准确率。xueying等人针对核电厂所获取的特征参量数据维度较高影响后续状态监测效果的问题，提出了一种基于去噪自编码器和单分类支持向量机的状态监测方法，大大提高了核电厂监测的准确率。wei等人为解本文档来自技高网...

【技术保护点】

1.一种核电厂设备故障的诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤S3中CNN的激活函数采用ReLU函数，如公式(11)所示：

3.根据权利要求1所述的核电厂设备故障的诊断方法，其特征在于，所述步骤S3中对源工况数据进行归一化预处理，训练得到的CNN-Bi-LSTM模型参数中，冻结CNN卷积层的权重，对全连接层进行微调以适应目标工况。

4.根据权利要求1所述的核电厂设备故障的诊断方法，其特征在于，所述步骤S2中KPCA状态监测的异常阈值通过正常工况数据的T2统计量和SPE统计量的95％置信区间确定。

...

【技术特征摘要】

1.一种核电厂设备故障的诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤s3中cnn的激活函数采用relu函数，如公式(11)所示：

3.根据权利要求1所述的核电厂设备故障的诊断方法，其特征在于，所述步骤s3中对源工况数据进行归一化预处理，训练得到的cnn-bi-lstm模型参数中，冻结cnn卷积层的权重，对全连接...

【专利技术属性】
技术研发人员：夏虹，黄学颖，刘永阔，姜莹莹，尹文哲，冉文豪，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：