收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于数据融合的核动力装置智能故障诊断方法研究

彭彬森  
【摘要】:由于核动力装置是一个对安全性要求极高的高度复杂的非线性系统,同时公众对核动力装置安全性的关注度越来越高,研究者期待将更先进的技术应用到核动力装置运行服务上,因此研究先进可靠的故障诊断技术来保障它的安全运行是十分必要的。随着人工智能技术的发展,智能诊断技术已经逐渐在各行各业得到应用。本文提出BP神经网络与D-S证据理论结合的方法和深度学习方法两种智能数据融合方法对核动力装置进行故障诊断,并对它们进行了深入探讨。BP神经网络作为一种常用的智能故障诊断方法,但存在训练中易陷入局部极小值和收敛速度慢等缺点,而D-S证据理论具有处理不确定性问题的优点,本文通过引入DS证据理论弥补BP神经网络的不足,降低诊断结果的不确定性,并提高故障诊断的精确度。深度学习作为一种新的人工智能网络,拥有强大的特征学习能力,在模式识别领域取得了一系列的成功,因故障诊断问题作为模式识别问题中的一种,故本文引入深度学习来对复杂故障知识的诊断问题展开研究。本文首先对设备智能故障诊断的概念、核动力装置智能故障诊断研究现状和数据融合的概念进行了详细介绍,接着BP神经网络和深度学习做了阐述,在此基础上构建了基于BP神经网络与D-S证据理论结合的故障诊断模型和基于深度学习的故障诊断模型,并进一步对这两个模型展开了研究。在模型验证过程中,用BP神经网络、支持向量机和K最近邻算法与它们进行比较,结果表明BP-DS方法和深度置信网络DBN方法能够在核动力装置故障诊断中能取得更好的效果。文章最后,在win7平台上用Matlab编程语言开发了核动力装置智能故障诊断系统,并对其进行了验证。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王奉涛,马孝江,邹岩琨;智能故障诊断技术综述[J];机床与液压;2003年04期
2 王耀才;智能故障诊断技术的现状与展望[J];徐州建筑职业技术学院学报;2003年01期
3 王庆,巴德纯,王晓冬;智能故障诊断的粗糙决策模型[J];东北大学学报;2005年01期
4 潘兵;熊静琪;;多传感器信息融合在液压系统智能故障诊断中的应用[J];机床与液压;2006年05期
5 曹守启;韩彦岭;;智能故障诊断决策模型与评价方法研究[J];机床与液压;2008年08期
6 陆胜;刘锬;;基于知识的智能故障诊断方法和过程实现[J];机床与液压;2009年01期
7 雷亚国;何正嘉;;混合智能故障诊断与预示技术的应用进展[J];振动与冲击;2011年09期
8 赵廷弟,常文兵;基于可靠性方法的智能故障诊断模型[J];航空学报;1995年S1期
9 张培先,董泽,刘吉臻;智能故障诊断技术的发展及应用[J];山西电力;2001年03期
10 吴吉平,郝喜海,胡京明;包装机械智能故障诊断技术[J];中国包装工业;2002年06期
11 姜万录;程晓盛;陈东宁;;远程智能故障诊断技术的现状与展望[J];机床与液压;2006年03期
12 谭勇;王伟;;智能故障诊断技术及发展[J];飞航导弹;2009年07期
13 成海霞;钟建安;;大型真空系统智能故障诊断[J];科学技术与工程;2010年01期
14 杨丹;;智能故障诊断的应用研究[J];巢湖学院学报;2011年03期
15 王莉;;智能故障诊断技术的研究与应用[J];硅谷;2012年16期
16 胡勤;张清华;覃爱淞;;旋转机械的混合智能故障诊断技术[J];工业控制计算机;2012年10期
17 蔡卫峰;多层次分布式系统智能故障诊断技术[J];现代电力;2002年05期
18 张维勇,程凡,魏臻;一种综合智能故障诊断方法的研究[J];合肥工业大学学报(自然科学版);2005年09期
19 李俭川,陶利民,胡茑庆,温熙森;设备智能故障诊断与维修支持技术研究[J];仪器仪表学报;2002年S1期
20 蔡卫峰;复杂多层次控制系统智能故障诊断[J];自动化仪表;2002年09期
中国重要会议论文全文数据库 前10条
1 李广峰;张伏龙;;装甲装备智能故障诊断技术研究[A];2010中国仪器仪表与测控技术大会论文集[C];2010年
2 马哲一;赵静一;李鹏飞;王庆新;;高速铁路运架提设备远程智能故障诊断技术研究[A];第五届全国流体传动与控制学术会议暨2008年中国航空学会液压与气动学术会议论文集[C];2008年
3 赵荣珍;李超;张力;;知识技术向旋转机械智能故障诊断研究提出的一项新任务[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
4 徐冬芳;邓飞其;;基于多传感器数据融合的智能故障诊断系统[A];第二届全国信息获取与处理学术会议论文集[C];2004年
5 罗贺;付超;季星;;基于DS证据理论的智能故障诊断方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 崔民;杜志江;路同浚;;机器人化遥控铲掘机现场CAN总线智能故障诊断技术研究[A];2001系统仿真技术及其应用学术会议论文集[C];2001年
7 林原胜;徐俊峰;宋飞飞;;核动力装置系统可靠性分析方法应用[A];中国核科学技术进展报告——中国核学会2009年学术年会论文集(第一卷·第3册)[C];2009年
8 王乃东;李乐;;语音导航与报警技术在船用核动力装置的应用研究[A];中国核学会2007年学术年会论文摘要集[C];2007年
9 江玮;张大发;陈登科;;专家系统知识表示及其在舰艇核动力装置故障诊断中的应用[A];第四届北京核学会核应用技术学术交流会论文集[C];2006年
10 周刚;殷虎;葛盛奇;;核动力装置全寿期核安全管理若干问题研究[A];中国核科学技术进展报告(第二卷)——中国核学会2011年学术年会论文集第2册(铀矿冶分卷、核能动力分卷(上))[C];2011年
中国博士学位论文全文数据库 前10条
1 刘晓颖;复杂过程的智能故障诊断技术及其在大型工业窑炉中的应用研究[D];中南大学;2003年
2 武和雷;集成智能故障诊断策略及其应用研究[D];浙江大学;2003年
3 马笑潇;智能故障诊断中的机器学习新理论及其应用研究[D];重庆大学;2002年
4 彭强;复杂系统远程智能故障诊断技术研究[D];南京理工大学;2004年
5 熊伟;基于Petri网的远程智能故障诊断方法研究[D];华北电力大学;2014年
6 张铮;不完备不协调信息条件下的设备智能故障诊断[D];华中科技大学;2007年
7 郭清;核动力装置故障诊断的信息融合方法研究[D];哈尔滨工程大学;2014年
8 苏杰;船用核动力装置二回路系统预测控制方法研究[D];哈尔滨工程大学;2008年
9 许瑞华;高功率激光装置参数测量系统智能故障诊断技术研究[D];中国科学院研究生院(西安光学精密机械研究所);2014年
10 谢春丽;核动力装置数据融合智能诊断系统应用研究[D];哈尔滨工程大学;2008年
中国硕士学位论文全文数据库 前10条
1 彭彬森;基于数据融合的核动力装置智能故障诊断方法研究[D];哈尔滨工程大学;2017年
2 杨磊;滚动轴承智能故障诊断方法研究[D];哈尔滨工程大学;2015年
3 宋胜博;基于敏感部件检测的APU智能故障诊断方法研究[D];中国民航大学;2016年
4 王纬宇;基于CEEMD和纹理特征的旋转机械智能故障诊断方法[D];哈尔滨理工大学;2016年
5 龙杰;电力电子智能故障诊断方法研究[D];西华大学;2015年
6 郧刚;基于异常数据的智能故障诊断探究[D];厦门大学;2007年
7 花伟;锅炉混合智能故障诊断技术的研究[D];南京工业大学;2006年
8 高洪波;智能故障诊断中综合信号处理的研究[D];西北工业大学;2004年
9 夏博;选煤厂设备智能故障诊断方法的研究与应用[D];华中科技大学;2012年
10 张赞;船舶动力定位测量系统智能故障诊断方法研究[D];哈尔滨工程大学;2017年
中国重要报纸全文数据库 前10条
1 本报记者 陈晓煊 通讯员 沈甸;故障诊断有新招 抢修复电更高效[N];中国电力报;2014年
2 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年
3 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
4 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
5 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
6 武汉科技学院纺织服装学院 林子务;设备故障的诊断[N];中国纺织报;2004年
7 本报记者  矫阳;铁路运行安全保护神[N];科技日报;2006年
8 曹百禹;我大型机组故障诊断技术发展迅速[N];中国石油报;2008年
9 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年
10 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978