基于RBF神经网络的核动力装置故障诊断方法研究

• 作者: 周刚 蔡琦 陈进军
• 来源期刊: 热科学与技术
• 学科: 工学
• 关键词: 核动力装置 RBF神经网络 故障诊断
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 91-94
• 页数: 4页
• 分类号: TL362
• 字数: 2464字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-8097.2007.01.017

摘要

核动力装置是一个高度复杂并具有高度安全性要求的结构体系,其故障检测方法一般采用传统的阈值方法.为克服阈值方法的不足,提出了基于RBF(radial basis function)神经网络的核动力装置故障诊断方法.该方法选择对核动力装置安全具有重要影响的运行参数作为神经网络的输入,并利用核动力装置正常运行模式及典型故障模式的监测数据作为训练样本,网络训练采用正交最小二乘算法(orthogonal least square, OLS).为了验证所提方法的可行性,利用核动力装置运行监测数据进行检验.结果表明,RBF神经网络成功地诊断出了故障,具有良好的诊断效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡琦	海军工程大学船舶与动力学院	157	628	11.0	14.0
2	周刚	海军工程大学船舶与动力学院	26	213	9.0	14.0
3	陈进军	海军工程大学船舶与动力学院	1	4	1.0	1.0