李成鈿 何 歐 潘隆軒 程笑宇 王宏業(yè)

（中國核動力研究設(shè)計(jì)院反應(yīng)堆運(yùn)行與應(yīng)用研究所）

凝給水系統(tǒng)是工程試驗(yàn)裝置的核心系統(tǒng)之一，二回路的重要組成部分，對整個(gè)裝置的穩(wěn)定運(yùn)行起著至關(guān)重要的作用［1］。 某企業(yè)現(xiàn)有的二回路凝給水系統(tǒng)采用了大量新技術(shù)和新設(shè)備，系統(tǒng)極為復(fù)雜，涉及多個(gè)子系統(tǒng)，各個(gè)子系統(tǒng)相互影響，其中任一設(shè)備出現(xiàn)故障都將對凝給水系統(tǒng)的安全生產(chǎn)帶來威脅，甚至影響整個(gè)裝置的穩(wěn)定運(yùn)行［2，3］。系統(tǒng)性能跨越式發(fā)展的同時(shí)也給故障診斷帶來了新的難題，受系統(tǒng)復(fù)雜性影響，操作員難以迅速確定故障發(fā)生的機(jī)理， 并定位故障地點(diǎn)。為了盡快處理故障， 避免故障影響進(jìn)一步擴(kuò)大，亟待建立新的凝給水系統(tǒng)故障知識庫［4］。 筆者以最新凝給水系統(tǒng)為研究對象，結(jié)合調(diào)試運(yùn)行過程中主要設(shè)備的實(shí)際情況與專家經(jīng)驗(yàn)，建立故障知識庫。

此外，凝給水系統(tǒng)故障種類繁多，而且故障現(xiàn)象與故障原因的映射關(guān)系復(fù)雜，致使傳統(tǒng)的基于系統(tǒng)模型的故障診斷方法排除故障效率欠佳、準(zhǔn)確率低，操作員精神壓力大。 復(fù)雜系統(tǒng)的故障診斷歷來是學(xué)者們不斷攻克的難題，隨著近些年人工智能故障診斷方法的大規(guī)模發(fā)展，學(xué)者們將專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)及深度學(xué)習(xí)等人工智能方法應(yīng)用在核電廠和核動力裝置的系統(tǒng)故障診斷中［5～9］。 為了有效地實(shí)現(xiàn)新凝給水系統(tǒng)的故障診斷，筆者提出基于深度置信神經(jīng)網(wǎng)絡(luò)的凝給水系統(tǒng)故障在線診斷技術(shù)。

1 凝給水系統(tǒng)故障知識庫

凝給水系統(tǒng)由多臺蒸汽發(fā)生器、 汽輪給水泵、給水調(diào)節(jié)閥、冷凝器、凝水泵、熱井及水位調(diào)節(jié)閥等構(gòu)成，系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 凝給水系統(tǒng)結(jié)構(gòu)簡圖

凝給水系統(tǒng)的主要功能是： 抽出1#冷凝器和2#冷凝器中的凝水， 由水質(zhì)處理模塊去除凝水中的雜質(zhì)，使之達(dá)到蒸汽發(fā)生器水質(zhì)指標(biāo)后，通過汽輪給水泵輸送到蒸汽發(fā)生器；在系統(tǒng)運(yùn)行過程中，需時(shí)刻調(diào)節(jié)共用冷凝器的水位并平衡系統(tǒng)水量。 相比于傳統(tǒng)凝給水系統(tǒng)，新凝給水系統(tǒng)的控制方式、運(yùn)行特點(diǎn)和工作情況變化極大。

凝給水系統(tǒng)按照功能可劃分為給水系統(tǒng)和凝水系統(tǒng)兩個(gè)子系統(tǒng)，二者相互配合，缺一不可，子系統(tǒng)中任一設(shè)備出現(xiàn)故障或異常情況，都將導(dǎo)致整個(gè)凝給水系統(tǒng)參數(shù)異常和二回路“癱瘓”。 給水系統(tǒng)通過控制汽輪給水泵給水調(diào)節(jié)閥的開度和給水泵轉(zhuǎn)速，將蒸汽發(fā)生器壓力調(diào)節(jié)在規(guī)定的范圍內(nèi)，保證向蒸汽發(fā)生器安全穩(wěn)定地給水。 凝水系統(tǒng)的作用是保持凝水泵出口凝水的壓力在規(guī)定的范圍內(nèi)，將凝水輸送到給水泵，從而完成汽水循環(huán)工作。 因此，凝給水系統(tǒng)的故障模式最終體現(xiàn)為蒸汽發(fā)生器壓力與凝水泵出口凝水壓力超出規(guī)定的范圍。

基于積累的裝置長時(shí)間運(yùn)行統(tǒng)計(jì)的凝給水系統(tǒng)故障的經(jīng)驗(yàn)，分析凝水泵、汽輪給水泵、給水調(diào)節(jié)閥及蒸汽發(fā)生器等關(guān)鍵設(shè)備的結(jié)構(gòu)與功能， 提取出新凝給水系統(tǒng)的故障知識庫， 具體見表1。

表1 凝給水系統(tǒng)故障知識庫

（續(xù)表1）

2 凝給水系統(tǒng)故障診斷方法研究

深度置信神經(jīng)網(wǎng)絡(luò)通過預(yù)訓(xùn)練受限玻爾茲曼機(jī)（RBM）的方法，分析提取原始數(shù)據(jù)特征并進(jìn)行數(shù)據(jù)重建， 進(jìn)而獲得網(wǎng)絡(luò)初始權(quán)值和閾值，在提高網(wǎng)絡(luò)訓(xùn)練效率的同時(shí)，改善普通深層神經(jīng)網(wǎng)絡(luò)極易陷于局部最優(yōu)的問題［10，11］?；谝陨蟽?yōu)點(diǎn)，提出基于深度置信神經(jīng)網(wǎng)絡(luò)的凝給水系統(tǒng)故障診斷方法。

2.1 模型的建立

以表1的凝給水系統(tǒng)知識庫為基礎(chǔ)， 結(jié)合裝置實(shí)際運(yùn)行情況和模擬機(jī)仿真情況， 總結(jié)出6種凝給水系統(tǒng)常見故障：凝水泵汽蝕、汽輪給水泵汽蝕、汽輪給水泵抽氣壓力低、給水調(diào)節(jié)閥閥位不動、蒸汽發(fā)生器給水控制系統(tǒng)失靈和冷凝器水位調(diào)節(jié)閥無法復(fù)位。 共涉及15個(gè)參數(shù)：1#冷凝器水位、2#冷凝器水位、1#冷凝器凝水過冷度、2#冷凝器凝水過冷度、1#冷凝器真空度、2#冷凝器真空度、1#凝水泵進(jìn)口壓力、2#凝水泵進(jìn)口壓力、1#凝水泵出口壓力、2#凝水泵出口壓力、給水流量、給水調(diào)節(jié)閥壓差、給水壓力、凝水流量和汽輪給水泵轉(zhuǎn)速。

為建立基于深度置信神經(jīng)網(wǎng)絡(luò)的凝給水系統(tǒng)故障診斷模型， 對6種常見故障和正常工作狀態(tài)下的凝給水系統(tǒng)進(jìn)行診斷，因此診斷網(wǎng)絡(luò)模型的輸出層神經(jīng)元數(shù)k為7個(gè)；將15個(gè)參數(shù)作為模型輸入，因此輸入層的神經(jīng)元數(shù)i為15個(gè)。 所建立的基于深度置信神經(jīng)網(wǎng)絡(luò)的凝給水系統(tǒng)故障診斷模型如圖2所示，主要包含由2個(gè)RBM逐層堆疊而成的深度置信網(wǎng)絡(luò)（DBN）和Softmax分類層兩部分，RBM組成結(jié)構(gòu)包含可見層和隱含層， 其中隱含層Ⅰ既是RBM1的隱含層也是RBM2的可見層。故障診斷網(wǎng)絡(luò)2層隱含層的神經(jīng)元個(gè)數(shù)分別為10和5。

圖2 基于深度置信神經(jīng)網(wǎng)絡(luò)的凝給水系統(tǒng)故障診斷模型

隱含層和Softmax分類層的激活函數(shù)以及代價(jià)函數(shù)E的表達(dá)式分別為：

其中，x為網(wǎng)絡(luò)輸入向量；zl為第l個(gè)節(jié)點(diǎn)的輸出值；zc為第c個(gè)節(jié)點(diǎn)的輸出值；C為輸出節(jié)點(diǎn)的個(gè)數(shù)，即故障的類別數(shù)；M為總類別數(shù)；為第j個(gè)樣本第m類的正確值；為第j個(gè)樣本第m類的預(yù)測值。

2.2 模型的訓(xùn)練算法

新凝給水系統(tǒng)故障診斷訓(xùn)練樣本來自于運(yùn)行時(shí)積累的數(shù)據(jù)和模擬機(jī)仿真數(shù)據(jù)，以此為基礎(chǔ)構(gòu)造和擴(kuò)充得到140組數(shù)據(jù)樣本。

開始訓(xùn)練前，首先對樣本輸入（故障征兆）進(jìn)行歸一化處理，統(tǒng)一映射到［0，1］。 其中，0.25和0.75為凝給水系統(tǒng)正常運(yùn)行時(shí)該輸入變化范圍的下限值和上限值，0和1為該輸入變化范圍的下限值和上限值。訓(xùn)練前將數(shù)據(jù)樣本按7∶3劃分為訓(xùn)練集和測試集。

訓(xùn)練過程包括無監(jiān)督預(yù)訓(xùn)練RBM與有監(jiān)督微調(diào)權(quán)值和閾值兩個(gè)重要環(huán)節(jié)。 有監(jiān)督微調(diào)過程采用Adam優(yōu)化算法， 網(wǎng)絡(luò)權(quán)值W和閾值b的更新公式為：

訓(xùn)練過程中， 采用批處理法逐批輸入訓(xùn)練集，對故障診斷模型進(jìn)行訓(xùn)練，算法流程如圖3所示。

圖3 新凝給水系統(tǒng)故障診斷模型算法流程

2.3 凝給水系統(tǒng)故障診斷結(jié)果

訓(xùn)練中，取迭代次數(shù)為200、學(xué)習(xí)率為0.018，凝給水系統(tǒng)故障診斷網(wǎng)絡(luò)的訓(xùn)練效果如圖4所示，可以看出，迭代170次后，訓(xùn)練集代價(jià)函數(shù)值趨于穩(wěn)定，迭代收斂；而測試集準(zhǔn)確率隨著迭代次數(shù)的增加而增大， 最終故障診斷準(zhǔn)確率達(dá)到98%。

圖4 凝給水系統(tǒng)故障診斷網(wǎng)絡(luò)訓(xùn)練效果

3 結(jié)束語

為實(shí)現(xiàn)新凝給水系統(tǒng)故障的在線診斷，針對6種典型故障建立了基于深度置信神經(jīng)網(wǎng)絡(luò)的凝給水系統(tǒng)故障診斷模型，診斷結(jié)果表明該模型能有效識別出6種典型故障， 減輕了操作員的工作壓力。 所建立的新凝給水系統(tǒng)故障知識庫可為工程試驗(yàn)裝置運(yùn)行過程中凝給水系統(tǒng)的故障排查提供技術(shù)參考。