遗传神经网络在蒸汽发生器故障诊断中的应用研究

【摘要】：蒸汽发生器是重要的核动力设备之一，为其配置故障诊断系统对于保证其可靠运行、减少事故发生率具有十分重要的意义。 核动力装置是一个非常复杂的大系统，实际运行过程中参数变化幅度较大，使得传统的故障诊断方法在该领域的使用受到限制。随着人工智能、模式识别等理论迅速发展，智能化诊断技术已成为故障诊断领域一个新的研究方向。 在对国内外先进核动力装置的状态监测和故障诊断系统进行研究的基础上，本文以蒸汽发生器为对象，建立了核动力装置蒸汽发生器故障仿真模型，实现了对蒸汽发生器三种常见故障的动态仿真。基于遗传算法的全局搜索和BP网络局部精确搜索的特性，通过用遗传算法优化网络初始权重的方法，将遗传算法和BP算法有机结合，做到了优势互补。论文利用“连续异或”实例验证了遗传神经网络的正确性，最后将传统BP网络跟遗传神经网络应用到蒸汽发生器故障诊断中，结果证明，遗传神经网络能够快速、准确有效地实现故障诊断的目的。 论文最后利用Visual C++平台建立了基于遗传BP网络的蒸汽发生器故障诊断系统，该系统采用人机交互界面，具有界面友好，操作简单等特点。