[发明专利]一种基于LSTM的核动力装置故障诊断方法

说明书

本发明公开了一种基于LSTM的核动力装置故障诊断方法，采集正常工况下反应堆一回路压力控制系统，液位控制系统和功率控制系统中的传感器信号；根据欲分类的故障类型和程度分别于不同位置引入故障，采集反应堆一回路压力控制系统，液位控制系统和功率控制系统中的传感器信号；将传感器信号离散采样后制作为训练数据集；构建多层长短时记忆LSTM网络；将训练样本集放入多层长短时记忆LSTM网络中进行神经网络训练；重新采集传感器信号作为测试样本集，放入训练完的LSTM网络中对测试样本集的故障类型进行诊断，实现故障诊断。本发明能够对核动力装置中传感器和执行器下多类型多程度的故障均能准确诊断。

技术领域

本发明属于核动力系统故障诊断技术领域，具体涉及一种基于LSTM的核动力装置故障诊断方法。

背景技术

故障和人因失误是核动力装置非预期停机停堆和安全事故的重要诱因。根据统计，我国在2000-2007年间发生的72起非计划停机停堆事件中，由故障引起的高达50起，由人因失误导致的为22起，不仅造成直接经济损失，而且还对系统安全构成很大威胁。核动力装置的故障种类繁多，其中控制系统的执行器作为系统运行驱动元件，故障的发生和解决已经得到人们的极大关注。在数字化仪控系统中，软件技术的可靠性已达到了比较高的水平，传感器、执行器等硬件故障是控制系统失效的主要诱因之一。

现役核电站和核动力装置普遍采用的基于PID的传统控制方法对异常工况的适应能力十分有限，为保证故障下系统的安全性并减少人因失误，一方面可增加系统的硬件冗余以提高对故障的容错能力，另一方面可加强对操纵员的培训以提高其处理突发事件的能力，并保障充足合理的人员配置以应对可能发生的多样性故障工况。但这些措施会增加核动力系统的运行成本，降低其经济竞争力；而且核动力装置的故障具有时空和强度不确定性，在操纵员培训中很难面面俱到，面对未知的故障信号，即使最有经验的操纵员也难免会背负很大的心里压力，可能出现误判断和误操作。即使是目前学术研究领域，也大多利用传统神经网络对核动力装置故障进行诊断，由于核动力装置的复杂性，往往不能达到预期的故障诊断正确率。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于LSTM的核动力装置故障诊断方法，通过建立多层的LSTM神经网络，准确预测核动力装置运行过程中出现的历史故障的类型及程度；对于全新故障，预测结果为最接近的历史故障，以达到实时有效诊断核动力装置不同类型和程度故障的目的。

本发明采用以下技术方案：

一种基于LSTM的核动力装置故障诊断方法，包括以下步骤：

S1、采集正常工况下反应堆一回路压力控制系统、液位控制系统和功率控制系统中的传感器信号；

S2、依照目标故障类型和程度，设置传感器和执行器故障；根据欲分类的故障类型和程度分别于不同位置引入故障，采集反应堆一回路压力控制系统，液位控制系统和功率控制系统中的传感器信号；

S3、将步骤S1和步骤S2采集到的传感器信号的原始时间序列数据进行离散采样，预处理及归一化，作为训练数据集；

S4、构建多层长短时记忆LSTM网络作为核动力装置传感器和执行器故障数据训练模型；

S5、将步骤S3预处理及归一化后的训练样本集放入步骤S4构建的多层长短时记忆LSTM网络中进行神经网络训练；

S6、重新采集压力控制系统、液位控制系统和功率控制系统中不同故障类型和程度运行下的传感器信号，将采样的传感器信号经预处理和归一化处理后作为测试样本集，将测试样本集放入步骤S5训练完的LSTM网络中对测试样本集的故障类型进行诊断，实现故障诊断。

具体的，步骤S1中，传感器信号包括反应堆功率设定值和实际输出功率，冷却剂进口和出口温度，蒸汽发生器给水流量、蒸汽流量和蒸汽压力，汽轮机进汽流量，控制棒棒速，给水阀开度和压降以及旁排阀开度信号。