科研之友
微信
新浪微博
Facebook
分享链接
摘要
核电厂中广泛存在的传感器为其运行提供了重要支持。传感器的任何故障都可能威胁到核电厂的安全。为提升核电厂运行可靠性，提出结合残差双向长短期记忆(ResBiLSTM)神经网络和稀疏注意力机制的传感器故障诊断方法。以核电厂目标传感器和与之紧密相关的敏感参数集时序信号作为输入，构建ResBiLSTM模块进行故障特征提取。将残差模块的输出送给稀疏注意力模块，进一步关注历史序列时刻中的重要部分。筛选保留目标特征，滤除冗杂特征，以实现精准提取有效故障特征。在输出端，利用Softmax分类器输出故障分类结果。对核电厂反应堆出口温度现场数据进行故障注入以及诊断试验，故障识别准确率均达到98%以上。试验结果表明，所构建模型可以实现对原始时域信号的多尺度特征提取和故障诊断。通过与深度卷积神经网络(CNN)、深度稀疏自编码器(SAE)和支持向量机(SVM)等算法进行对比，所提模型的故障识别性能更优。
-
单位中国核动力研究设计院
