原子能科学技术
原子能科學技術
원자능과학기술
ATOMIC ENERGY SCIENCE AND TECHNOLOGY
2014年
Z1期
474-479
,共6页
稳压器%集成神经网络%模糊逻辑融合%泄漏监测
穩壓器%集成神經網絡%模糊邏輯融閤%洩漏鑑測
은압기%집성신경망락%모호라집융합%설루감측
pressurizer%integrated neural networks%fuzzy logic fusion%leak monitoring
针对稳压器泄漏难以监测的问题,将集成神经网络(INN)与模糊逻辑融合(FLF)方法相结合,研究了稳压器泄漏监测方法.在该方法中,利用RBF神经网络(RBF NN)建立稳压器泄漏诊断模型;采用两个Elman神经网络(Elman-NN)分别建立稳压器参数预测模型与稳压器泄漏诊断模型;应用模糊逻辑融合方法对RBF-NN与Elman-NN诊断的结果进行融合,并将其作为稳压器泄漏最终监测结果.为验证该方法的可行性,利用压水堆核动力装置模拟器对其监测效果进行了验证.结果表明,与单神经网络诊断方法相比,所提出的监测方法具有更高的可靠性;与其他泄漏监测方法相比,该方法简便、易行.
針對穩壓器洩漏難以鑑測的問題,將集成神經網絡(INN)與模糊邏輯融閤(FLF)方法相結閤,研究瞭穩壓器洩漏鑑測方法.在該方法中,利用RBF神經網絡(RBF NN)建立穩壓器洩漏診斷模型;採用兩箇Elman神經網絡(Elman-NN)分彆建立穩壓器參數預測模型與穩壓器洩漏診斷模型;應用模糊邏輯融閤方法對RBF-NN與Elman-NN診斷的結果進行融閤,併將其作為穩壓器洩漏最終鑑測結果.為驗證該方法的可行性,利用壓水堆覈動力裝置模擬器對其鑑測效果進行瞭驗證.結果錶明,與單神經網絡診斷方法相比,所提齣的鑑測方法具有更高的可靠性;與其他洩漏鑑測方法相比,該方法簡便、易行.
침대은압기설루난이감측적문제,장집성신경망락(INN)여모호라집융합(FLF)방법상결합,연구료은압기설루감측방법.재해방법중,이용RBF신경망락(RBF NN)건립은압기설루진단모형;채용량개Elman신경망락(Elman-NN)분별건립은압기삼수예측모형여은압기설루진단모형;응용모호라집융합방법대RBF-NN여Elman-NN진단적결과진행융합,병장기작위은압기설루최종감측결과.위험증해방법적가행성,이용압수퇴핵동력장치모의기대기감측효과진행료험증.결과표명,여단신경망락진단방법상비,소제출적감측방법구유경고적가고성;여기타설루감측방법상비,해방법간편、역행.