-
题名基于深度卷积收缩网络的汽辅泵故障诊断
- 1
-
-
作者
刘丙月
赵新文
姜佳行
曾利民
万舒
-
机构
海军工程大学
武汉第二船舶设计研究所
海南核电有限公司
福建福清核电有限公司
-
出处
《海军工程大学学报》
北大核心
2025年第3期94-98,共5页
-
文摘
辅助给水汽动泵(汽辅泵)作为核电站专设安全设施,在保障核电站安全可靠地停堆、减轻事故后果方面发挥着重要作用。因此,针对核电现场汽辅泵运行特点,提出了一种基于深度卷积收缩网络(deep convolutional shrinkage network,DCSN)模型的汽辅泵故障诊断方法。该方法首先针对汽辅泵压力、转速等参数数据,按照一定尺寸将采集的时间序列状态信号矩阵化,构成了多故障类型的故障样本;然后,将软阈值模块嵌入卷积神经网络(convolutional neural network,CNN),构建了DCSN模型用于故障诊断;最后,利用核电厂全范围模拟机中的故障数据集合,对所提出方法进行验证。研究结果表明:与CNN模型相比,所提出的DCSN模型具有更优越的性能。
-
关键词
汽辅泵
故障诊断
深度卷积收缩网络
卷积神经网络
软阈值化
-
Keywords
steam-driven auxiliary feedwater pumps
fault diagnosis
deep convolutional shrinkage network
convolutional neural network
soft thresholding
-
分类号
TH311
[机械工程—机械制造及自动化]
-
