-
公开(公告)号:CN115202307A
公开(公告)日:2022-10-18
申请号:CN202210884074.0
申请日:2022-07-26
Applicant: 哈尔滨工程大学
IPC: G05B19/418
Abstract: 本发明提供一种基于数字孪生的蒸汽发生器状态监测与预测系统及方法,系统包括模型层、数据层、服务支持层,各层之间通过通讯协议实现交互。一个完整的蒸汽发生器数字孪生状态监测与预测系统的构成模块主要有:数字孪生模型模块、数据处理模块、特征提取与融合模块、状态与故障识别模块、状态预测模块。本发明针对传统的物理机理建模和数据驱动方法的优缺点进行互补融合,并基于人工智能、预测技术和反演重构技术得到蒸汽发生器传热管无法直接监测的运行状态,必要时可加速运行实现传热管状态预测。
-
公开(公告)号:CN113591945A
公开(公告)日:2021-11-02
申请号:CN202110799159.4
申请日:2021-07-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种跨功率水平的核动力装置故障诊断方法及系统,具体涉及一种在训练集和测试集数据概率分布差异下开展核动力装置故障诊断的迁移学习方法及系统。本发明包括:核动力装置监测参数采集、核动力装置监测参数预处理、核动力装置迁移故障诊断任务数据整理、不同领域的可迁移特征提取模型构建、迁移故障诊断模型构建及目标领域故障的辨识。本发明解决传统数据驱动模型在不同功率水平引起的数据概率分布差异下泛化性能降低的问题,能够将源功率水平的故障知识可靠地应用于目标功率水平的故障辨识。
-
公开(公告)号:CN117892136A
公开(公告)日:2024-04-16
申请号:CN202410088178.X
申请日:2024-01-22
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06F18/2411 , G06F18/213 , G06N3/0464 , G06N20/10
Abstract: 本申请技术方案公开一种样本不平衡时的核动力装置故障诊断方法,方案可以包括:对于待进行故障检测的核动力装置,确定该待进行故障检测的核动力装置的若干个故障类型并进行特征参数的采集,对采集的特征参数进行类型标记,采用合成少数类过采样技术SMOTE对所述故障类型对应的故障状态下的特征参数进行样本扩充,得到样本平衡数据进行归一化处理,通过卷积神经网络中的卷积核与输入数据之间的卷积计算提取出数据中包含的特征,将深层特征数据输入到支持向量机中,对其进行训练;采用粒子群算法对参数进行自适应寻优,采用优化后的支持向量机对深层特征数据进行识别,以确定核动力装置的运行状态,并将诊断结果反馈到人机交互界面上。
-
公开(公告)号:CN116779202A
公开(公告)日:2023-09-19
申请号:CN202310573448.1
申请日:2023-05-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于数字孪生的核电厂转动设备智能故障诊断方法及系统,涉及智能核电厂技术领域,本发明通过深度学习实现数字空间与现实空间数据的互相补充,解决核电厂转动设备故障数据不充分问题;基于数据融合的思想实现诊断模型的多源数据整合,能够提高诊断结果的准确性;本发明还提出了一种数字孪生模型的更新方法,保证核电厂转动设备在运行过程中产生新工况或训练好的孪生模型无法满足要求时,可实现数字孪生模型的更新,从而保证数字孪生模型与物理空间模型的一致性。
-
公开(公告)号:CN117828452A
公开(公告)日:2024-04-05
申请号:CN202311767440.5
申请日:2023-12-20
Applicant: 哈尔滨工程大学
IPC: G06F18/2411 , G06F18/214 , G06F18/213 , G06N3/0455 , G06N3/084 , G06Q50/04 , G06Q50/06
Abstract: 本说明书实施例公开了一种核电厂蒸汽发生器传热管状态监测及破口程度的评估方法,方案可以包括:在待监测的核电站满功率运行条件下,采集所述待监测的核电站在未发生故障时的相关特征参量,然后在所述待监测的核电站的蒸汽发生器传热管中插入若干不同大小的破口,并采集与所述相关特征参量相对应的故障状态特征参量;采用降噪自动编码器DAE分别对所述未发生故障时的相关特征参量和所述故障状态特征参量进行降维处理;设计基于One‑Class SVM的状态监测模块;基于SMOTE算法进行小样本数据的扩容;基于Bi‑LSTM的故障程度评估。
-
公开(公告)号:CN116754213A
公开(公告)日:2023-09-15
申请号:CN202310727041.X
申请日:2023-06-19
Applicant: 哈尔滨工程大学
IPC: G01M13/003 , G06N3/006 , G21D3/06 , G01R31/00
Abstract: 本说明书实施例公开了一种基于强噪声背景下的电动闸阀故障诊断方法、装置及设备,属于故障诊断领域,方法包括:获取强噪声背景下的电动闸阀加速度信号;利用基于缎蓝园丁鸟优化算法优化后的变分模态分解模型确定电动闸阀加速度信号中的第一噪声;去除第一噪声,得到第一重组加速度信号;去除第二噪声,得到第二重组加速度信号;其中,第二噪声所在的频段小于第一噪声所在的频段;基于第二重组加速度信号,对电动闸阀进行故障诊断。本实施例利用基于缎蓝园丁鸟优化算法优化后的变分模态分解模型可以准确的确定电动闸阀加速度信号中的第一噪声,进而可以从电动闸阀加速度信号中去除绝大部分噪声,提高了对电动闸阀进行故障诊断的准确性。
-
-
-
-
-