基于神经网络的核动力蒸汽发生器水位软测量方法
为弥补核动力蒸汽发生器(SG)水位传统测量方法的不足,提出了基于神经网络(ANN)的SG水位软测量新方法。该方法的原理是:先选取对SG水位有重要影响的参数作为SG水位软测量的辅助变量,并利用辅助变量的运行监测数据和神经网络建立SG水位动力学模型,然后使用该模型来预测SG水位。影响SG水位的主要因素为蒸汽流量、给水流量、蒸汽压力和前一时刻水位,因此选择这些参数作为SG水位软测量的辅助变量。SG水位动力学建模采用一个三层BP神经网络。神经网络的训练算法采用动量-自适应学习率BP学习算法。神经网络的输入为辅助变量的监测信号,输出为SG水位。为验证所提方法的可行性,在核动力装置典型运行工况下将训练成功后的网络用于SG水位测量。研究结果表明,软测量方法能够正确地测量SG的水位且具有较高的测量精度。
核动力 蒸汽发生器 神经网络 软测量
周刚 叶伟城
海军工程大学,核能科学与工程系,湖北,武汉,430033 海军92330部队,山东,青岛,266102
国内会议
兰州
中文
74-78
2007-08-24（万方平台首次上网日期，不代表论文的发表时间）