基于分層符號有向圖的二回路系統故障診斷
發(fā)布時間:2022-01-20 07:24
針對核動力二回路系統具有運行機理復雜、故障征兆多、信息量大,難以建立數學模型的特點,將符號有向圖(Signed Directed Graph,SDG)方法引入二回路系統故障診斷,分析關鍵參數與故障之間的影響關系,建立二回路系統SDG模型,并利用Warshall算法進行分層。應用分層SDG模型,進行了凝水泵和冷凝器真空低故障仿真實驗,結果表明該方法能夠準確判斷潛在故障源,并能提供故障傳播路徑。
【文章來源】:兵器裝備工程學報. 2020,41(08)北大核心
【文章頁數】:6 頁
【部分圖文】:
圖1 分層SDG模型示意圖
核動力裝置二回路系統包括主蒸汽系統、輔蒸汽系統、凝給水系統等子系統,主要循環(huán)過程是蒸汽發(fā)生器產生的高溫高壓的蒸汽,進入汽輪機做功后,經冷凝器凝結成水,在經過預熱后通過凝水泵和給水泵重新進入蒸發(fā)器,完成整個汽水循環(huán)過程[7]。根據二回路系統流程建立核動力裝置二回路系統的SDG模型(其結構參見圖2)。由于核動力裝置二回路系統比較復雜,變量之間的關系相互耦合,需要選取關鍵參數對SDG模型進行簡化,要求關鍵參數(見表1)能夠快速、準確地識別故障,并能解釋核動力裝置二回路系統發(fā)生故障的參數變化過程。
在核動力裝置二回路系統SDG模型基礎上,根據工藝流程及分層策略建立了分層SDG故障診斷模型。根據系統實時采集的運行數據輸入到分層SDG模型,判斷節(jié)點變量的狀態(tài),由分層SDG進行推理,判斷故障并得到故障傳播路徑。節(jié)點狀態(tài)的判定,需要確定每個被測變量的閾值,通常使用的剛性閾值范圍較難把握,范圍較小,靈敏度過高,報警容易出現組合爆炸,范圍較大,可能遺漏報警導致故障診斷無法進行[8]。這里引入節(jié)點閾值模糊判定方法,即5級SDG模型的模糊隸屬度。設定5級SDG節(jié)點閾值為a*、a、b、b*,其中(a,b)為節(jié)點參數的正常范圍,節(jié)點狀態(tài)為“0”。a*和b*分別為上下限報警閾值,在a*、b*范圍以外節(jié)點狀態(tài)為“+”或“-”,在區(qū)間(a*,a)和(b,b*)為灰色區(qū)間,表示節(jié)點參數超出了正常范圍,但還沒有超過報警閾值,將此范圍內的偏差映射到線性隸屬函數上,表示該節(jié)點參數存在偏差的程度,即節(jié)點狀態(tài)“+”或“-”的程度。
【參考文獻】:
期刊論文
[1]基于主元分析-概率神經網絡的制冷系統故障診斷[J]. 梁晴晴,韓華,崔曉鈺,谷波. 化工學報. 2016(03)
[2]SDG故障診斷方法在核動力裝置中的應用研究[J]. 劉永闊,劉震,吳小天. 原子能科學技術. 2014(09)
[3]SDG故障診斷決策表的粒約簡算法[J]. 張志軍,謝剛. 北京交通大學學報. 2012(05)
[4]基于半定量SDG模型的化工過程故障診斷[J]. 李秀喜,吉世明. 清華大學學報(自然科學版). 2012(08)
[5]基于PCA和SDG的傳感器故障診斷方法研究及應用[J]. 高東,吳重光,張貝克,馬昕. 系統仿真學報. 2011(03)
碩士論文
[1]基于層次SDG的航空發(fā)動機故障診斷方法研究[D]. 徐新海.南京航空航天大學 2010
本文編號:3598413
【文章來源】:兵器裝備工程學報. 2020,41(08)北大核心
【文章頁數】:6 頁
【部分圖文】:
圖1 分層SDG模型示意圖
核動力裝置二回路系統包括主蒸汽系統、輔蒸汽系統、凝給水系統等子系統,主要循環(huán)過程是蒸汽發(fā)生器產生的高溫高壓的蒸汽,進入汽輪機做功后,經冷凝器凝結成水,在經過預熱后通過凝水泵和給水泵重新進入蒸發(fā)器,完成整個汽水循環(huán)過程[7]。根據二回路系統流程建立核動力裝置二回路系統的SDG模型(其結構參見圖2)。由于核動力裝置二回路系統比較復雜,變量之間的關系相互耦合,需要選取關鍵參數對SDG模型進行簡化,要求關鍵參數(見表1)能夠快速、準確地識別故障,并能解釋核動力裝置二回路系統發(fā)生故障的參數變化過程。
在核動力裝置二回路系統SDG模型基礎上,根據工藝流程及分層策略建立了分層SDG故障診斷模型。根據系統實時采集的運行數據輸入到分層SDG模型,判斷節(jié)點變量的狀態(tài),由分層SDG進行推理,判斷故障并得到故障傳播路徑。節(jié)點狀態(tài)的判定,需要確定每個被測變量的閾值,通常使用的剛性閾值范圍較難把握,范圍較小,靈敏度過高,報警容易出現組合爆炸,范圍較大,可能遺漏報警導致故障診斷無法進行[8]。這里引入節(jié)點閾值模糊判定方法,即5級SDG模型的模糊隸屬度。設定5級SDG節(jié)點閾值為a*、a、b、b*,其中(a,b)為節(jié)點參數的正常范圍,節(jié)點狀態(tài)為“0”。a*和b*分別為上下限報警閾值,在a*、b*范圍以外節(jié)點狀態(tài)為“+”或“-”,在區(qū)間(a*,a)和(b,b*)為灰色區(qū)間,表示節(jié)點參數超出了正常范圍,但還沒有超過報警閾值,將此范圍內的偏差映射到線性隸屬函數上,表示該節(jié)點參數存在偏差的程度,即節(jié)點狀態(tài)“+”或“-”的程度。
【參考文獻】:
期刊論文
[1]基于主元分析-概率神經網絡的制冷系統故障診斷[J]. 梁晴晴,韓華,崔曉鈺,谷波. 化工學報. 2016(03)
[2]SDG故障診斷方法在核動力裝置中的應用研究[J]. 劉永闊,劉震,吳小天. 原子能科學技術. 2014(09)
[3]SDG故障診斷決策表的粒約簡算法[J]. 張志軍,謝剛. 北京交通大學學報. 2012(05)
[4]基于半定量SDG模型的化工過程故障診斷[J]. 李秀喜,吉世明. 清華大學學報(自然科學版). 2012(08)
[5]基于PCA和SDG的傳感器故障診斷方法研究及應用[J]. 高東,吳重光,張貝克,馬昕. 系統仿真學報. 2011(03)
碩士論文
[1]基于層次SDG的航空發(fā)動機故障診斷方法研究[D]. 徐新海.南京航空航天大學 2010
本文編號:3598413
本文鏈接:http://www.sikaile.net/kejilunwen/yysx/3598413.html