Разработка алгоритмов диагностики состояния ГЦН АЭС с ВВЭР-1000 по данным оперативного технологического контроля

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. Диагностирование состоянии ГЦН полипным оперативного технологического контроля.
1.1 Системы вибродиагностики.
1.1.1 Причины возникновения неисправностей оборудования АЭС.
1.1.2 Методы диагностики с использованием виброакустических шумов.
1.2 Алгоритмы диагностирования оборудования АЭС.
1.2.1 Параметрические модели.
1.2.2 Логические модели.
1.2.3 Искусственный интеллект.
1.3 Выводы по главе 1.
ГЛАВА 2. Алгоритмы диагностики ГЦН по данным оперативного технологического контроля.
2.1 Общие положения.
2.2 Выбор вектора информативных параметров.
2.2.1 Алгоритм, использующий понятие меры близости.
2.2.2 Алгоритм случайного поиска с адаптацией.
2.3 Сокращение размерности пространства. Представление изменения
состояния системы объектов во времени.
2.4 Выводы по главе 2.
ГЛАВА 3. Практическое применение алгоритмов.
3.1 Обработка данных Калининской АЭС.
3.1.1 История развития аварии с ГЦН. 5
3.1.2 Обработка данных с помощью представленных алгоритмов.
3.2 Обработка данных Нововоронежской АЭС.
3.2.1 История развития аварии с ГЦН.
3.2.2 Обработка данных с помощью представленных алгоритмов.
3.3 Формирование решающего правила для определения аномалии в
состоянии ГЦН.
3.4 Программная реализация системы диагностирования ГЦН.
3.5 Опыт эксплуатации системы МА1 для диагностики состояния ГЦН блока 5 НВАЭС.
3.6 Выводы по Главе 3. ГЛАВА 4. Использование нейронных сетей для задач диагностики ГЦН.
4.1 Структура нейронной сети
4.2 Алгоритм обучения нейронной сети .
4.2.1 Обучение нейронной сети с обратным распространением ошибок.
4.2.2 Анализ чувствительности.
4.3 Программная реализация нейронной сети
4.4 Функционирование нейронной сети.
4.4.1 Обработка данных Калининской АЭС.
4.4.2 Обработка данных Нововоронежской АЭС.
4.4.3 Совместная обработка данных Калининской и Нововоронежской АЭС.
4.5 Выводы по главе 4.
ВЫВОДЫ.
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ