文章位置

近年来,国内学者热衷于采用数据驱动法评估核电设备状态.在核电设备的异常检测方面,Wang等^[3]利用改进粒子群算法优化支持向量机(SVM)算法对核电厂一回路破口进行研究.该团队还利用核主成分分析(KPCA)算法解决传感器异常检测的非线性问题^[4];在核电设备寿命预测方面,利用时域卷积网络(TCN)对核电厂电磁阀寿命进行预测研究^[5].在核电故障诊断方面,Zhao等^[6]提出动态不确定因果图(DUCG)理论体系,并在核电厂典型的23个故障模式中进行应用;Li等^[7,8,9,10]对核电厂传感器的故障诊断进行大量研究.在利用深度学习评估核电设备方面,陈玉昇等^[11]通过深度信念网络(DBN)对一回路冷段小破口(LOCA)和U型管破裂事故进行研究.