一体化反应堆冷却剂系统主要设备集成于一体化反应堆内。这种简化的布置,对提高反应堆的固有安全性、可靠性都具有重要意义,但设备的检修比较困难。因此,有必要对一体化反应堆核动力装置反应堆冷却剂系统的典型故障及故障诊断方法进行分析、研究。本课题将反应堆冷却剂系统作为一个系统级的研究对象,将主泵作为设备级研究对象,从系统和设备两个层面进行故障诊断方法的研究。通过对各种智能诊断方法的分析,针对不同层面的诊断要求采用相应的诊断方法。建立了基于专家系统(Expert System, ES)的一体化反应堆冷却剂系统智能故障诊断综合平台,该综合平台集Rough集理论、小波包分析于一体,可以实现数据采集、报警、诊断、自学习等功能。对于一体化反应堆冷却剂系统的典型故障诊断,目前在无法得到试验数据的情况下,利用国际上公认的热工水力分析软件relap5/mod3对一体化反应堆冷却剂系统的典型故障,如接管破裂、主泵断电等故障进行分析,得出压力、温度、水位等重要参数的变化趋势,得到属性表,对属性表进行预处理得到决策表,即训练样本集,利用基于可辨识矩阵和布尔逻辑的约简算法对温度、水位、压力等参数进行约简,得出反映故障特性的特征参量,并提取出诊断规则。根据以上步骤构筑相应的知识获取模块,与专家系统集成,应用Rough集理论解决专家系统知识获取的“瓶颈”问题。论文将可辨识矩阵和布尔逻辑相结合,避免了诊断规则的遗漏,减少了误诊、漏诊的概率。对设备级的故障诊断主要是针对主泵的开裂纹、不对中、转子初始弯曲、转速不匹配等典型故障进行振动信号处理,利用Simulink进行仿真,并在仿真过程中加入“白噪声”使仿真结果更接近于实际情况,从中提取故障的特征频谱,并将提取的故障特征与专家系统进行融合,建立主泵典型故障的故障特征库。通过对一体化反应堆冷却剂系统及主冷却剂泵的典型故障及诊断方法的研究发现：(1)小波分析对振动信号分析具有很好的“数学显微”特性可以有效地提取振动信号中的故障特征量,达到识别故障、诊断故障的目的；(2)小波包具有更精细的识别功能,具有更强的适应性,尤其是对于频率特征较复杂、振动信号微弱的故障特征；(3)基于属性特性的可辨识矩阵约简算法,可以保证实时性的要求,因此可以用于故障诊断的在线学习；(4)通过将可辨识矩阵和布尔逻辑进行融合,建立基于可辨识矩阵和布尔逻辑的约简算法,利用其对一体化反应堆冷却剂系统的故障信息进行约简,得到较全面的诊断规则。但在自学习时由于算法的原因实时性较差,因此可以用于离线学习,并对在线学习的规则进行补充、完善,从而提高故障诊断的实时性和可靠性。由于一体化反应堆核动力装置对安全的特殊要求,本文探讨的方法在核动力故障诊断中具有非常大的发展潜力,但核动力装置结构和技术的复杂性,故障信息中具有不确定因素,本文研究成果用于实际系统的故障诊断还需要做大量的工作。