核动力系统故障的实时监测方法研究
摘要
核系统属于复杂的工业系统，在运行过程中，设备出现故障的情况无法避免，而且
核系统参数众多，工作人员很难顾及到每个参数变量，加大了监测难度。因此，对核系
统运行过程中的状态进行有效的监测，及时发现可能出现的故障，提高核系统运行环境
的安全性是非常有必要的。本文基于主元分析建立故障监测模型，展开了关于提高故障
监测性能的研究。
首先，使用SWATSGA算法选取主元，将Adam的自适应学习率和SGA精调参数
的优点结合，最大程度保留原始数据信息，对不同的主元个数建立故障监测模型，通过
比较不同模型的监测准确率确定最优主元个数，建立最优主元模型，进而构建
SWATSGA-PCA故障监测模型。其次，针对多元时序数据中的随机噪声，通过滑动窗口
设置连续点异常报警，提高故障报警的准确率及降低故障报警的误报率。最后，在监测
到故障之后，使用贡献率图法对故障变量进行识别，辅助工程师采取应对措施。
使用构建的SWATSGA-PCA故障监测模型在田纳西-伊斯曼开源数据集和仿真的核
电站热工水力系统数据集上分别进行仿真实验，实验结果表明，该故障监测模型有良好
的监测性能；在添加滑动窗口后，能有效降低故障的误报警率；对于监测到故障之后，
对故障变量进行识别，有助于工程师及时采取应对措施，使运行过程进入稳定状态。
关键词：故障监测；主元分析；故障变量识别；多元时序数据
哈尔滨工程大学硕士学位论文
ABSTRACT
Thenuclearsystemisacomplexindustrialsystem.Duringtheoperation,thefailureofthe
equipmentcannotbeavoided,andtheparametersofthenuclearsystemarenumerous.Itis
difficultforthestafftotakeintoaccounteachparametervariable,whichincreasesthedifficulty
ofmonitoring.Therefore,itisnecessarytoeffectivelymonitorthestateofthenuclearsystem
duringoperation,detectpossiblefaultsintime,andimprovethesafetyofthenuclearsystem
operatingenvironment.Inthisthesis,thefaultmonitoringmodelisestablishedbasedon
principalcomponentanalysis,andtheresearchonimprovingtheperformanceoffault
monitoringiscarriedout.
Firstly,theSWATSGAalgorithmisusedtoselecttheprincipalcomponents,andthe
advantagesofAdam’sadaptivelearningrateandSGAfinetuningparametersarecombinedto
retaintheoriginaldatainformationtothegreatestextent.Thefaultmonitoringmodelis
establishedfordifferentprincipalcomponents.Theoptimalprincipalcomponentnumberis
determined