基于分层多粒度分类网络的核电分层故障诊断研究

陈姜文; 郭江; 程东振; 李思维; 王巍; 孙宪

doi:10.20190/j.cnki.02580918.202601022

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于分层多粒度分类网络的核电分层故障诊断研究

更新时间：2026-04-26

- 基于分层多粒度分类网络的核电分层故障诊断研究
- Vol. 46, Issue 1, Pages: 178-186(2026)
- 作者机构：
  
  1. 武汉大学动力与机械学院
  2. 国核自仪系统工程有限公司
  3. 厦门大学能源学院
  4. 山东核电有限公司
- 作者简介：
- 基金信息：
- DOI：10.20190/j.cnki.02580918.202601022
  CLC： TM623
- Published：2026
- 稿件说明：
移动端阅览
陈姜文, 郭江, 程东振, et al. 基于分层多粒度分类网络的核电分层故障诊断研究[J]. 2026, 46(1): 178-186.
DOI：

陈姜文, 郭江, 程东振, et al. 基于分层多粒度分类网络的核电分层故障诊断研究[J]. 2026, 46(1): 178-186. DOI： 10.20190/j.cnki.02580918.202601022.

摘要

核电厂的稳定运行依赖于其复杂机电系统的可靠性，而核电机组的故障诊断是保障这一稳定性的关键。传统的故障诊断通常关注于独立的设备或子系统，未能全面考虑整个机组中故障的相互关系。为了克服这一局限，开发了一种新型的核电机组故障诊断模型。该模型通过AP1000全范围模拟机模拟核电机组中关键系统部件的故障，创建了详尽的故障数据集。进一步地，研究基于EfficientNet框架，提出了一种创新的分层多粒度分类模型，用于实现核电故障的精确分层识别。经过广泛的工况测试验证，新模型在故障识别上的准确率超过了94.96%，证实了其在对核电机组的多系统和多部件故障进行有效分层分类方面的高效性和可靠性。

Abstract

关键词

Keywords

references

王少威,任立永,邓天,李公杰,苟晓龙,刘跃辛.核电厂基于模拟量超量程判断的故障监测方案及应用[J].核科学与工程,2023(06).

邓博元,崔伟成,曾庆松,李晨(王宣).基于信号经验模态分解与分集合并的齿轮故障诊断[J].计算机测量与控制,2021(09).

Li Guoqing,Zhang Meng,Zhang Yu,Wu Ruixia,Weng Dongpeng.Efficient channel expansion and pyramid depthwise-pointwise-depthwise neural networks[J].Applied Intelligence,2022.

Giunchiglia Eleonora,Lukasiewicz Thomas.Multi-Label Classification Neural Networks with Hard Logical Constraints[J].JOURNAL OF ARTIFICIAL INTELLIGENCE RESEARCH,2021.

Yang Huahui,Meng Chen,Wang Cheng.Data-Driven Feature Extraction for Analog Circuit Fault Diagnosis Using 1-D Convolutional Neural Network[J].IEEE Access,2020.

Mingxing Tan,Quoc V. Le.EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks.[J].CoRR,2019.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于MATLAB/Simulink的核电机组给水加热系统仿真建模与特性分析

基于自适应经验小波变换的轴承故障诊断研究

小波变换在中国实验快堆钠泵故障诊断中的应用

核电站机组故障诊断系统的知识获取

一种基于守恒方程的反应堆故障诊断方法

Related Author

王硕

刘俊峰

陈权

王鹏飞

黄嘉驷

马晓珑

董雷

周海华

Related Institution

西安热工研究院有限公司

西安交通大学核科学与技术学院

华能海南昌江核电有限公司

华北电力大学电站能量传递转化与系统教育部重点实验室

华北电力大学能源动力与机械工程学院

AI问答

⁰