论文部分内容阅读
美国三里岛核事故表明,核电站一旦发生故障,如果不能及时、准确地定位故障根原因,预测故障发展,并且采取有效的故障处理措施,将可能导致不可估量的严重后果。当前针对核电站智能故障诊断的理论、算法研究和计算机软件应用开发尚不完备,研究先进的人工智能理论及算法,并开发针对核电站的智能故障诊断计算机软件应用系统,以辅助核电站操作人员进行故障根原因诊断以及故障发展预测具有重大意义。本文基于指导老师张勤教授提出的动态不确定因果图(Dynamical Uncertainty Causality Graph,DUCG)理论模型来开展上述工作。DUCG是一种以图形化方式简洁表达任何情况下不确定因果关系的概率图模型,能够基于证据进行图形化简和事件展开,从而得到所关注事件及其状态的概率表达。但基本的DUCG在处理具有负反馈的动态系统时需要做一些特殊处理,使得可解释性大大降低。针对基本DUCG的上述局限,张勤教授又进一步发展了立体DUCG,能够处理存在动态负反馈等复杂情况。立体DUCG允许跨多个时间片间的因果关系连接,能够将动态接收到的证据直观显现,并动态地构建起立体因果关系图,从而直观地描述复杂系统故障的演化过程并在此基础上进行推理。但是如果将立体DUCG的动态证据直接展开和计算,计算量可能会非常巨大。本文基于立体DUCG理论模型,提出了一套针对立体DUCG证据展开、化简及表达式概率计算的时间戳递归算法。该算法能够有效解决立体DUCG在推理计算过程中的组合爆炸问题。以核电站故障诊断系统为应用场景,设计、开发并实现了基于上述递归算法的JAVA推理机软件,该软件支持准确、高效的测点状态监测,能够辅助核电站操作人员进行故障根原因诊断及故障发展预测。本文基于宁德核电站模拟机构建的DUCG知识库(含二回路24个故障),通过软件进行实验研究和算法效率对比,验证了算法的准确性和高效性。本文提出的时间戳递归算法及实现的立体DUCG推理机软件系统,可进一步协助DUCG的理论模型研究,亦可应用于化工厂、航天等复杂系统的故障诊断。