为了解决中国核电应急柴油机控制系统长期依赖进口的问题,自主研制了智能数字控制单元(smart digital control-nuclear,SDC-N)冗余式控制系统。该控制系统分别针对硬件和软件进行了双冗余设计,具备起动控制、调速控制、相继增压控制、...
详细信息
为了解决中国核电应急柴油机控制系统长期依赖进口的问题,自主研制了智能数字控制单元(smart digital control-nuclear,SDC-N)冗余式控制系统。该控制系统分别针对硬件和软件进行了双冗余设计,具备起动控制、调速控制、相继增压控制、故障诊断及冗余切换控制等功能。在核电站应急柴油机上进行了调速、冗余切换等试验验证,在硬件在环测试平台上进行了极端的故障切换试验验证。试验结果表明调速时转速波动率小于±1%,冗余切换时转速波动小于标定转速的7%,冗余切换稳定时间小于2 s。试验结果满足各项功能和指标要求,提高了容错能力和可靠性。
钻井顶部驱动装置结构复杂、故障类型多样,现有的故障树分析法和专家系统难以有效应对复杂多变的现场情况。为此,利用知识图谱在结构化与非结构化信息融合、故障模式关联分析以及先验知识传递方面的优势,提出了一种基于知识图谱的钻井顶部驱动装置故障诊断方法,利用以Transformer为基础的双向编码器模型(Bidirectional Encoder Representations from Transformers,BERT)构建了混合神经网络模型BERT-BiLSTM-CRF与BERT-BiLSTM-Attention,分别实现了顶驱故障文本数据的命名实体识别和关系抽取,并通过相似度计算,实现了故障知识的有效融合和智能问答,最终构建了顶部驱动装置故障诊断方法。研究结果表明:①在故障实体识别任务上,BERT-BiLSTM-CRF模型的精确度达到95.49%,能够有效识别故障文本中的信息实体;②在故障关系抽取上,BERT-BiLSTM-Attention模型的精确度达到93.61%,实现了知识图谱关系边的正确建立;③开发的问答系统实现了知识图谱的智能应用,其在多个不同类型问题上的回答准确率超过了90%,能够满足现场使用需求。结论认为,基于知识图谱的故障诊断方法能够有效利用顶部驱动装置的先验知识,实现故障的快速定位与智能诊断,具备良好的应用前景。
暂无评论