基于模型的故障诊断方法的应用研究

【摘要】：从三里岛事故和切尔诺贝利事故以来，核动力装置的安全问题一直是核能界关注的重要问题。为此，核能界进行了许多卓有成效的研究。 当前，核动力装置的故障诊断方法研究主要集中在基于知识的方法，神经网络、遗传算法、模式识别和专家系统等方法成为研究的重点，并取得了可喜的成果。基于解析模型的故障诊断方法对模型的精度要求较高，且核动力装置极其复杂，因此该方法在核动力装置故障诊断中研究受到了一定限制了。针对这一特点，本文引入了鲁棒性故障诊断技术，使得设计的故障诊断算法只对核动力装置存在的传感器或执行器故障或装置中其他部件的故障灵敏，而对于模型的不精确和误差、以及系统的噪声和干扰不敏感。基于未知输入观测器的故障诊断方法和基于强跟踪滤波器的故障诊断方法，是两种鲁棒性很好的方法，本文详细介绍了这两种方法的原理、设计过程，并通过具体的仿真研究验证了两种方法的有效性。 在核电站中，汽轮机调节系统是保证供电数量和质量的关键设备，调节系统发生故障可能导致毁机事故，更甚者可能波及到电网。因此，本文针对调节系统中的一类典型故障——卡涩故障，采用强跟踪滤波器理论在线估计状态和相关参数，根据参数的变化来诊断是否发生卡涩故障。 可以相信随着鲁棒故障检测技术和非线性故障检测技术的不断发展，基于解析模型的故障诊断方法在核动力装置的故障诊断中有着很广的应用前景。