针对核电多回路耦合系统在升功率运行中异常传感器检测困难、检测延时及检测精度低等问题,提出了一种自联想核回归模型(auto-associative kernel regression,简称AAKR)与修正序贯概率比检验(sequential probability ratio test,简称SPRT...针对核电多回路耦合系统在升功率运行中异常传感器检测困难、检测延时及检测精度低等问题,提出了一种自联想核回归模型(auto-associative kernel regression,简称AAKR)与修正序贯概率比检验(sequential probability ratio test,简称SPRT)相结合的方法。首先,利用小波软阈值降噪方法对监测数据预处理,获取高质量的多源传感器解调信号;其次,采用AAKR构造传感器正常运行数据的估计值,并获取多源传感器测量值与估计值之间的残差;然后,运用滑动时间窗获取不同阶段残差向量的均值和方差,设计一种SPRT检测规则对传感器残差进行异常检测;最后,用核电一、二回路耦合系统模拟机实验数据进行方法验证与性能分析。结果表明,所提传感器异常检测方法的准确率达到99.52%,异常检测延时降低了81.73%,可有效提高现有核电厂传感器异常检测的稳定性。展开更多
旋转叶片是航空发动机的关键易损件,需要对其进行状态监测。叶端定时(Blade tip timing,BTT)是一种有效的旋转叶片非接触监测方法。然而,传统的叶端定时严重依赖键相信号,叶端定时信号存在严重的欠采样问题。对此,提出了一种基于叶片振...旋转叶片是航空发动机的关键易损件,需要对其进行状态监测。叶端定时(Blade tip timing,BTT)是一种有效的旋转叶片非接触监测方法。然而,传统的叶端定时严重依赖键相信号,叶端定时信号存在严重的欠采样问题。对此,提出了一种基于叶片振动差的正交匹配追踪(Orthogonal matching pursuit,OMP)方法来提取叶片固有频率。首先,使用叶端定时传感器计算叶片振动差。然后,构建叶片振动差的稀疏模型,在变转速情况下使用正交匹配追踪方法对叶片振动差信号进行分解,提取叶片振动振幅和固有频率。通过数值仿真验证了该方法的有效性和鲁棒性,并在叶端定时试验台上进行试验。结果表明,该方法可以准确识别叶片异步振动的振幅和固有频率。展开更多
激光粉末床熔融(laser powder bed fusion, LPBF)技术作为金属增材制造领域的前沿工艺,已被成功应用于航空航天等高端制造领域。然而多物理场强耦合效应易引发熔池动态失稳,导致制件内部孔隙缺陷频发,严重影响成形质量稳定性。传统监测...激光粉末床熔融(laser powder bed fusion, LPBF)技术作为金属增材制造领域的前沿工艺,已被成功应用于航空航天等高端制造领域。然而多物理场强耦合效应易引发熔池动态失稳,导致制件内部孔隙缺陷频发,严重影响成形质量稳定性。传统监测手段受限于成本高、部署困难等瓶颈,难以满足工业化生产需求。为此,提出声发射-深度学习融合的在线监测与内部质量智能判别方法。研制了基于声发射传感器的LPBF过程在线监测系统,通过工艺过程全周期声发射信号监测揭示声发射信号特征与成形质量间的映射规律,构建了包含逾8万组样本的熔池声发射数据。针对熔池微弱波动特征提取难题,构建了基于自适应傅里叶神经算子(AFNO)的频域特征提取网络和Kolmogorov-Arnold网络(KAN)的高维特征映射分类器,通过多尺度时域特征融合机制解析熔池动态特性,并借助高维流形精确映射高维特征,实现了声发射信号中微弱波动特征的增强表征和高精度质量判别。试验结果表明:研制的监测系统可有效捕获熔池的动态行为,所提方法质量判别精度达97%以上。展开更多
叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal clas...叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。展开更多
为了实现受操作空间限制和辐射环境下,高温气冷堆蒸汽发生器传热管道堵管钨极惰性气体保护电弧焊(tungsten inert gas welding, TIG)的质量监测,搭建了一套基于光纤光谱仪的TIG焊接过程实时监测系统,用于核电传热管道堵管TIG焊接熔深监...为了实现受操作空间限制和辐射环境下,高温气冷堆蒸汽发生器传热管道堵管钨极惰性气体保护电弧焊(tungsten inert gas welding, TIG)的质量监测,搭建了一套基于光纤光谱仪的TIG焊接过程实时监测系统,用于核电传热管道堵管TIG焊接熔深监测.试验研究采用该系统采集电弧光谱,利用主成分分析法获取不同焊缝熔深的光谱主成分特征,创新性提出了一种ATT-L2R-BiLSTM深度学习模型,实现了堵管TIG焊接过程中焊缝熔深的分类识别.结果表明,实验室条件下模型准确率可达92.61%,比Bi-LSTM网络准确率提高5.11%,该模型在核电蒸汽发生器堵管验证平台进行了测试和验证,准确率达到99.26%,最终,实现了光谱信息不完备下TIG焊接质量特征深度挖掘,以及TIG焊接熔深的精准评估.展开更多
文摘针对核电多回路耦合系统在升功率运行中异常传感器检测困难、检测延时及检测精度低等问题,提出了一种自联想核回归模型(auto-associative kernel regression,简称AAKR)与修正序贯概率比检验(sequential probability ratio test,简称SPRT)相结合的方法。首先,利用小波软阈值降噪方法对监测数据预处理,获取高质量的多源传感器解调信号;其次,采用AAKR构造传感器正常运行数据的估计值,并获取多源传感器测量值与估计值之间的残差;然后,运用滑动时间窗获取不同阶段残差向量的均值和方差,设计一种SPRT检测规则对传感器残差进行异常检测;最后,用核电一、二回路耦合系统模拟机实验数据进行方法验证与性能分析。结果表明,所提传感器异常检测方法的准确率达到99.52%,异常检测延时降低了81.73%,可有效提高现有核电厂传感器异常检测的稳定性。
文摘旋转叶片是航空发动机的关键易损件,需要对其进行状态监测。叶端定时(Blade tip timing,BTT)是一种有效的旋转叶片非接触监测方法。然而,传统的叶端定时严重依赖键相信号,叶端定时信号存在严重的欠采样问题。对此,提出了一种基于叶片振动差的正交匹配追踪(Orthogonal matching pursuit,OMP)方法来提取叶片固有频率。首先,使用叶端定时传感器计算叶片振动差。然后,构建叶片振动差的稀疏模型,在变转速情况下使用正交匹配追踪方法对叶片振动差信号进行分解,提取叶片振动振幅和固有频率。通过数值仿真验证了该方法的有效性和鲁棒性,并在叶端定时试验台上进行试验。结果表明,该方法可以准确识别叶片异步振动的振幅和固有频率。
文摘激光粉末床熔融(laser powder bed fusion, LPBF)技术作为金属增材制造领域的前沿工艺,已被成功应用于航空航天等高端制造领域。然而多物理场强耦合效应易引发熔池动态失稳,导致制件内部孔隙缺陷频发,严重影响成形质量稳定性。传统监测手段受限于成本高、部署困难等瓶颈,难以满足工业化生产需求。为此,提出声发射-深度学习融合的在线监测与内部质量智能判别方法。研制了基于声发射传感器的LPBF过程在线监测系统,通过工艺过程全周期声发射信号监测揭示声发射信号特征与成形质量间的映射规律,构建了包含逾8万组样本的熔池声发射数据。针对熔池微弱波动特征提取难题,构建了基于自适应傅里叶神经算子(AFNO)的频域特征提取网络和Kolmogorov-Arnold网络(KAN)的高维特征映射分类器,通过多尺度时域特征融合机制解析熔池动态特性,并借助高维流形精确映射高维特征,实现了声发射信号中微弱波动特征的增强表征和高精度质量判别。试验结果表明:研制的监测系统可有效捕获熔池的动态行为,所提方法质量判别精度达97%以上。
文摘叶端定时是航空发动机叶片叶端振动非接触测量的有效手段,但其采样模式决定了所采信号具有高度欠采样特征,需要进行抗混叠频谱分析从而提取转子叶片固有频率这一关键指标。利用了前向平滑策略的改进多重信号分类法(multiple sIgnal classification,MUSIC)能实现抗混叠但无法充分发挥平滑方法的优势。因此,提出适用于叶端定时信号处理的前后向平滑MUSIC法,通过建立传感器的对称布局条件,利用前后向平滑方法代替前向平滑方法,得到更准确的自相关矩阵估计,进而提高叶片固有频率估计性能,并通过仿真和试验验证了在样本数量、算法参数等相同的情况下,前后向平滑MUSIC法的混叠与噪声抑制能力得到了提升。
文摘为了实现受操作空间限制和辐射环境下,高温气冷堆蒸汽发生器传热管道堵管钨极惰性气体保护电弧焊(tungsten inert gas welding, TIG)的质量监测,搭建了一套基于光纤光谱仪的TIG焊接过程实时监测系统,用于核电传热管道堵管TIG焊接熔深监测.试验研究采用该系统采集电弧光谱,利用主成分分析法获取不同焊缝熔深的光谱主成分特征,创新性提出了一种ATT-L2R-BiLSTM深度学习模型,实现了堵管TIG焊接过程中焊缝熔深的分类识别.结果表明,实验室条件下模型准确率可达92.61%,比Bi-LSTM网络准确率提高5.11%,该模型在核电蒸汽发生器堵管验证平台进行了测试和验证,准确率达到99.26%,最终,实现了光谱信息不完备下TIG焊接质量特征深度挖掘,以及TIG焊接熔深的精准评估.
