基于神经网络与表决融合的核动力装置故障诊断方法

• 作者: 周刚 杨立 葛盛奇
• 来源期刊: 原子能科学技术
• 关键词: 核动力装置 神经网络 表决融合 故障诊断
• 年，卷（期）: 2010,（z1）
• 页码范围: 367-372
• 分类号: TL362
• 语种: 中文

摘要

针对单神经网络(ANN)故障诊断方法的不足,将多神经网络诊断与表决融合方法结合起来,研究了基于多神经网络与表决融合的核动力装置故障诊断方法.在该方法中,多个不同类型的神经网络训练后用于核动力装置的故障诊断.选择对核动力装置安全有重要影响的运行参数作为各神经网络的输入变量,神经网络的输出是核动力装置的故障模式.用表决融合方法对不同神经网络的诊断结果进行融合,从而得到核动力装置故障诊断的最后结果.利用核动力装置典型的运行模式来验证所提出的诊断方法的效果.结果表明,与单神经网络相比,该方法可提高核动力装置故障诊断结果的精度和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨立	海军工程大学船舶与动力学院	174	1546	19.0	29.0
2	周刚	海军工程大学船舶与动力学院	26	213	9.0	14.0
3	葛盛奇	海军工程大学船舶与动力学院	1	5	1.0	1.0