[发明专利]一种核电站松脱部件事前预测系统及预测方法

权利要求书

1.一种核电站松脱部件事前预测系统, 用于核电站反应堆一回路松脱部件监测, 其特征在于，所述系统包括：

第一建立模块，用于建立神经网络模型，将正常振动信号数据和松脱部件信号数据以及仿真松脱事件信号数据注入至建立神经网络模型进行训练，得到预松动振动信号的标准曲线；

第一信号采集模块，用于实时采集需要预测的零部件振动信号；

预测模块，连接所述第一建立模块和第一信号采集模块，用于将实时采集的零部件振动信号注入至所述神经网络模型进行识别判断，预测零部件松脱的可能性。

2.根据权利要求1所述系统，其特征在于，还包括显示模块，连接所述预测模块，用于将预测结果进行量化呈现。

3.根据权利要求1所述系统，其特征在于，还包括：

第二信号采集模块，设置在所述一回路任一区域上，用于采集所述任一区域零部件的正常振动信号；

第三信号采集模块，设置在所述任一区域上，用于采集所述任一区域松动零部件的松脱部件振动信号；

第二建立模块，用于根据一回路各区域的结构特点，建立不同区域的数学模型；

优化仿真模型模块，连接第二信号采集模块和第二建立模块，用于接收所述正常振动信号，利用正常振动信号数据对所述数学模型进行优化以得到优化仿真模型；

仿真故障信号数据模块，连接第三信号采集模块和优化仿真模型模块，用于接收松脱部件振动信号，根据松脱部件信号数据、预设的松脱指标以及输入至所述优化仿真模型的正常振动信号，计算得到所述仿真松脱事件信号数据。

4.根据权利要求3所述系统，其特征在于，所述第一建立模块，分别连接第二信号采集模块、第三信号采集模块和仿真故障信号数据模块，还用于接收经信号预处理后的正常振动信号和经信号预处理后的松脱部件振动信号，以及经信号预处理后的所述仿真松脱事件信号数据，将所述正常振动信号、松脱部件信号以及仿真松脱事件信号的数据分别输入至神经网络模型中，得到预松动振动信号的标准曲线；

所述预测模块还用于根据实时采集的、经信号预处理后的零部件振动信号与对应的预松动振动信号的标准曲线进行比较，若判断与预松动振动信号的标准曲线相符，预测该零部件可能松脱，并将识别结果发送至显示模块进行预测结果显示。

5.根据权利要求4所述系统，其特征在于，所述信号预处理包括：对采集的振动信号进行低通滤波处理，对所述低通滤波处理后的信号进行盲解卷积计算和归一化处理，提取振动信号中微弱的振动信息；

振动信号包括正常振动信号、松脱部件振动信号和零部件振动信号。

6.根据权利要求3所述系统，其特征在于，第一信号采集模块、第二信号采集模块和第三信号采集模块为振动传感器；

所述一回路松脱部件的主要构件包括压力容器和蒸汽发生器；根据松脱部件事件容易发生的区域和核电站一回路主要结构的安全区域要求布置多个所述振动传感器，设置在所述压力容器上的多个所述振动传感器呈周向均匀分布，设置在所述蒸汽发生器上的至少2个振动传感器呈对称分布。

7.一种核电站松脱部件事前预测方法，其特征在于，利用如权利要求1至6任一所述系统，所述方法包括如下步骤：

建立神经网络模型，将正常振动信号数据和松脱部件信号数据以及仿真松脱事件信号数据注入至建立神经网络模型进行训练，得到预松动振动信号的标准曲线 ；

实时采集需要预测的零部件振动信号；

将实时采集的零部件振动信号注入至所述神经网络模型进行识别判断，预测零部件松脱的可能性并将预测结果进行量化呈现。

8.根据权利要求7所述的方法，其特征在于，在建立所述神经网络模型之前还包括如下步骤：

根据一回路各区域的结构特点，建立不同区域的数学模型；

接收采集的正常振动信号，利用正常振动信号数据对所述数学模型进行优化以得到优化仿真模型；

接收采集的松脱部件信号，将真实松脱部件信号数据和预设的松脱指标输入至所述优化仿真模型，计算得到所述仿真松脱事件信号数据。