[发明专利]核动力装置故障诊断方法

权利要求书

1.一种基于局部线性嵌入与K-最近邻分类器的核动力装置故障诊断方法，其特征是：

(1)获取核动力装置在稳态运行和典型事故状态下的运行数据作为训练数据；

(2)采用均值-方差标准化方法将训练数据进行无量纲的标准化处理得到高维样本数据；

(3)采用局部线性嵌入算法提取高维样本数据的低维流形结构，得到低维特征向量，所述采用局部线性嵌入算法提取高维样本数据的低维流形结构具体包括：

1)对高维数据的每个样本点x_i，计算其与其余样本点x_j的欧氏距离，找出最近的k个近邻点，欧氏距离公式为

d(x_i,x_j)＝||x_i-x_j||，

2)根据每个样本点x_i的近邻点，通过使目标函数||x_i-∑_jW_ij||最小，∑_jW_ij＝1，计算样本的局部重建权值矩阵W，公式为：

其中，x_ij,x_ik为x_i的近邻点；

3)通过使低维空间重构误差Φ(Y)最小，在低维空间重构原始样本，即

上式需要满足：其中，y_ij(j＝1,2,…k)是y_i的第j个近邻点，N是样本点的个数，I是d维单位阵，d是降维后的维数，j＝1,2,…k，

其中y_i为低维特征向量；

(4)将低维特征向量输入K-最近邻分类器中进行分类训练，所述K-最近邻分类器中进行分类训练具体包括：

对于某一测试样本y，K-最近邻算法根据与y最近的k个带有类别标签的训练样本中多数样本的类别，来决定测试样本y的类别属性，具体内容为：设样本类数目为c，分别为：w₁,w₂,w₃,…w_c类，k₁,k₂,k₃,…k_c分别是k个近邻中属于w₁,w₂,w₃,…w_c类的样本数目，首先计算测试样本y与各个训练样本之间的余弦距离，并找到与样本余弦距离最近的k个近邻，然后计算这k个近邻分别属于哪一类别的训练样本，某类训练样本的近邻点最多，则该测试样本属于这一类；

定义判别函数为

g_i(x)＝k_i,i＝1,2,3,…c

判别规则为，若

则x∈w_j；

(5)获取核动力装置实时运行数据，重复(2)、(3)步骤；

(6)利用已经训练好的K-最近邻分类器对特征向量分类决策，得到诊断结果。

2.根据权利要求1所述的基于局部线性嵌入与K-最近邻分类器的核动力装置故障诊断方法，其特征是：所述典型事故包括冷却剂丧失事故、安全壳外蒸汽管道破裂事故、安全壳内蒸汽管道破裂事故和蒸汽发生器传热管破裂事故。