基于模糊Petri网推理的核动力装置专家系统研究

来源 :第八届(2012)北京核学会核应用技术学术交流会 | 被引量 : 0次 | 上传用户:yulu0355
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  随着核动力装置专家系统知识库的增大,知识库的一致性检验变得困难,系统的诊断推理效率也随之下降。为了解决这一问题,将模糊Petri网用于专家系统的知识表示和推理。利用模糊Petri网的分析技术,对知识库进行校验和维护,以诊断规则的Petri网模型为基础,遵照Petri网的运行机制进行诊断推理。仿真实验表明,将模糊Petri网应用于专家系统,可有效进行知识库一致性检验和故障诊断推理。
其他文献
针对AP1000核电站,基于两流体最佳估算系统程序RELAP5建立热工水力模型,基于Matlab/Simulink软件及工业组态软件建立相关控制系统数学模型,用于对正常给水丧失事故的计算分析.建模数据主要参考AP1000 Design Control Document(AP1000 DCD),由于建模数据不够充分、详尽,模型不够精确,文中事故分析以定性分析为主.计算结果表明:RELAP5具备计算自
以国际上典型的第2代3环路压水堆核电站为研究对象,采用严重事故最佳估算程序RELAP/SCDAPSIM,对全厂断电引发的严重事故中反应堆压力容器失效机理进行了计算分析。计算结果表明,RELAP/SCDAPSIM程序中的COUPLE二维有限元模型能够详细地预测压力容器内熔融物的行为特性,所给出的下封头失效时间和失效位置与已有实验结果吻合。
使用机理性分析程序建立包括主冷却剂系统、专设安全设施及相关二回路管道的AP1000核电厂模型,对AP1000核电厂主给水管道断裂事故进程进行计算分析。着重分析了非能动余热排出(PRHR)系统在主给水管道断裂事故工况中的瞬态响应、热工水力行为及其冷却能力,并针对PRHR系统流道阻力特性的不确定性对冷却能力的影响进行分析。分析结果表明,在主给水管道断裂事故中,PRHR系统的热移出功率最终能够与堆芯的衰
使用CONTAIN程序计算了核燃料循环临界事故发生时气溶胶的迁移、沉积等行为。结果表明:控制体连通与否以及水蒸气的存在与否会对气空间的气溶胶浓度、粒度分布及沉积等情况产生不同程度的影响。干燥情况下的控制体连通对气溶胶扩散影响并不明显,而水蒸气能够显著促进气溶胶的沉积和扩散。
在AP1000中,连接堆芯补水箱和冷腿间的压力平衡管线中的气泡份额决定了堆芯补水箱的注入量,其中,气泡源自冷腿中的分层夹带.为研究APl000核电站中气液分层夹带现象对堆芯非能动余热排出系统的整体特性的影响,本文以Relap5/Mod3.2作为计算平台,建立了AP1000小破口失水事故模型并进行了数值计算,对比了采用与不采用水平分层夹带模型的计算结果,发现该模型对事故发展有重要的影响.
反应堆安全注射系统是包含复杂操作时序的动态系统,本文研究了应用GO-FLOW方法对其进行可靠性分析,导出了能将GO-FLOW用于含两种失效模式的可修部件状态概率计算的可靠性参数等效模型,并验证了模型的正确性。给出了实际算例,结果表明,GO-FLOW方法是对含时序问题的动态系统进行可靠性分析的有效工具,本文导出的可靠性参数等效模型提高了GO-FLOW对多状态问题的分析能力。
参数不确定性分析是利用合理的方法来建立输入参数不确定性和输出结果不确定性之间的响应关系,以能更真实地模拟电厂状态,在兼顾安全性的前提下,提高电厂的经济性.本文通过对AP1000LBLOCA分析,发现随机取样统计方法、敏感性分析数值方法、传统误差传递分析方法均能提供较大的燃料包壳峰值温度(PCT)安全裕度,对核电厂经济性提高过程中参数不确定性量化方法的选择具有参考意义.此外,随机取样统计方法利用数理
本文研究了将响应曲面与重要性抽样相结合的方法用于复杂热力系统参数失效概率的计算。建立了热力系统物理过程参数失效的数学模型,在此基础上研究了将响应曲面与重要性抽样相结合的算法模型,并给出了热力系统组成设备的性能退化模型和基于重要性抽样的仿真流程,进而对反应堆净化系统工作过程中参数失效问题进行了分析计算。研究表明,对于高维、非线性特性明显并考虑性能退化的复杂热力系统参数失效概率的计算,重要性抽样法较直
波纹管的破裂将给反应堆的安全运行带来隐患,甚至可能引发小破口事故。腐蚀是导致波纹管破裂的重要原因,在对波纹管腐蚀成因分析的基础上,结合波纹管腐蚀样本较少的特点,采用灰色理论对波纹管的腐蚀寿命进行预测,通过建立GM(1,1)模型,递推腐蚀量的变化规律。实例表明,该方法克服了传统统计方法需要大样本的缺点,预测精度高,评估结果可信。
为适应船用核动力装置变负荷运行工况时功率的调节,提出了一种基于运行数据统计学习的方法计算需求功率,并分别运用支持向量机和BP神经网络两种机器学习方法进行了数值试验。结果表明,在负荷急剧变化过程中,基于数据统计学习的方法计算精度优于物理模型法,特别是基于支持向量机的方法,它可在短时间内经一遍训练即可得到符合精度的训练模型,且可保证其得到的极值解即为全局最优解。此外,该方法还可应对某些输入信号缺失的情