内容简介
本书全面探讨了核动力系统操纵员运行支持技术、系统介绍了多种人工智能技术的原理及其在核动力系统中的实际应用案例,旨在为相关领域的研究者提供一个核动力系统安全领域操纵员运行支持技术应用的综合视角,助力提升核动力系统的运行安全性和智能化水平。本书可作为核能领域及其他高安全要求领域的研究人员和学生的参考用书。
全书共六章,分别介绍了核动力系统的基本特点、典型事故教训及操纵员运行支持技术的发展现状,核动力系统的运行工况与安全状态,并围绕信息获取与数据处理、传感器在线校准与监测、状态监测、故障诊断等关键技术展开深入论述。希望本书所讨论的核动力系统操纵员运行支持技术应用框架、技术原理及具体案例等内容,可为读者提供有益的参考和启发,期待这一技术能够在提升核动力系统运行管理水平和安全性方面发挥更大的作用。
目录
第1章 绪论
1.1 核动力系统的运行与安全要求
1.1.1 核动力系统的基本特点
1.1.2 核电厂典型事故的教训
1.2 操纵员运行支持技术的内涵及其发展
1.2.1 术语与定义
1.2.2 操纵员支持技术的内涵
1.2.3 操纵员支持系统的分类
1.2.4 世界各国开发的操纵员运行支持系统
1.3 操纵员运行支持系统关键技术研究动态
1.3.1 状态监测技术
1.3.2 故障检测和诊断技术
1.3.3 警报分析技术
1.3.4 计算机化规程技术
1.3.5 人工智能与大数据
第2章 运行工况与安全状态
2.1 运行状态
2.1.1 四类工况
2.1.2 正常运行工况
2.1.3 事故工况
2.2 运行限值与安全状态
2.2.1 运行限值与条件
2.2.2 安全状态与临界安全功能
2.2.3 安全参数显示系统
2.3 核动力系统主要设备的典型故障
2.3.1 核动力系统的典型故障
2.3.2 旋转机械
2.3.3 阀门
2.3.4 换热设备
2.3.5 管道和容器类典型故障
2.3.6 反应堆内其他关键部件
2.4 核动力系统主要设备和材料的老化
2.4.1 退化机理
2.4.2 结构、系统和部件的退化
2.5 核动力系统人因失误
第3章 信息获取与数据处理
3.1 信息获取技术
3.1.1 核动力系统仪表系统的功能与组成
3.1.2 核动力系统在线状态监测的实现方式
3.1.3 核动力系统在线状态监测的传感器分类
3.2 核动力系统主要系统与设备特征参数的测量
3.2.1 堆芯功率分布测量
3.2.2 松动部件监测
3.2.3 泄漏监测
3.2.4 旋转机械振动监测
3.2.5 表面和内部缺陷特征参数测量
3.2.6 系统过程参数监测
3.2.7 主冷却剂泵的特征参数测量
3.2.8 汽轮发电机组的特征参数测量
3.2.9 其他常见特征参数测量
3.3 数据处理
3.3.1 数据去噪处理
3.3.2 数据归一化处理
3.3.3 数据清洗
3.4 故障特征提取
3.4.1 故障特征点和类型
3.4.2 故障特征参数评价指标
3.4.3 基于降维的故障特征提取
3.4.4 基于信号处理的特征提取
3.5 数据信息融合
3.5.1 多传感器数据融合技术
3.5.2 数据融合的架构与层次
3.5.3 数据融合的常用方法
第4章 核动力系统传感器在线校准与监测
4.1 传感器故障类型
4.2 传感器在线校准与监测需求分析
4.3 基于机理的传感器异常监测方法
4.3.1 基于物理冗余的方法
4.3.2 基于解析冗余的方法
4.4 基于数据驱动的传感器异常监测方法
4.4.1 基于信号处理的方法
4.4.2 基于多元统计分析的方法
4.5 传感器数据重构方法
4.5.1 基于历史数据的重构
4.5.2 基于深度学习的重构
4.6 基于PCA的传感器在线校准与监测实例
4.6.1 PCA模型的原理与建模
4.6.2 PCA模型建模参数的选取
4.6.3 PCA模型中误报警消除
4.6.4 传感器故障辨识
4.6.5 传感器参数重构
第5章 核动力系统状态监测
5.1 概述
5.1.1 状态监测的意义
5.1.2 状态监测的发展历史
5.2 核动力系统状态监测方法基本理论
5.2.1 限值监测法
5.2.2 基于物理模型的状态监测方法
5.2.3 基于多元统计分析的状态监测方法
5.3 基于流形学习的异常监测
5.3.1 流形学习的方法原理
5.3.2 基于流形学习的异常监测建模过程
5.3.3 基于流形学习的异常监测实例验证测试
5.4 基于PCA和机理模型融合的异常监测
5.4.1 机理模型
5.4.2 实例验证测试
5.5 分布式状态监测
5.5.1 分布式策略基本思想
5.5.2 基于机理模型的系统级监测
5.5.3 实例验证测试
第6章 核动力系统故障诊断
6.1 概述
6.1.1 故障诊断的意义
6.1.2 故障诊断的发展历史
6.2 核动力系统故障诊断方法基本理论
6.2.1 基于数据驱动的故障诊断方法
6.2.2 基于专家知识的故障诊断方法
6.3 基于深度学习的故障诊断方法
6.3.1 深度学习概述
6.3.2 编码器模型
6.3.3 卷积神经网络模型
6.3.4 深度置信网络模型
6.3.5 神经网络故障诊断技术的测试与验证
6.4 基于符号有向图的故障诊断方法
6.4.1 符号有向图的建模方法概述
6.4.2 符号有向图的模型简化方法
6.4.3 核电厂SDG模型构建与验证
6.5 分布式故障诊断策略
6.5.1 分布式诊断策略概述
6.5.2 分布式故障诊断框架下的融合问题
6.5.3 分布式故障诊断技术总体框架




















