CN111553606A - 一种对核电设备组件设计与设备指标关联性的评估方法 - Google Patents

Abstract

本发明公开了一种对核电设备组件设计与设备指标关联性的评估方法，包括以下步骤：第一步，设计数据和仿真数据采集、台架实验数据采集、核电厂设备运行数据采集；第二步，标识数据相关性：通过标识系统，对所述第一步采集的数据进行相关性标识，识别出每个指标在核电云平台、实验数据系统和运行环境中的对应指标数值；第三步，建立数据库用以保存所述第二步中已标识的指标数值；第四步，数据关联性分析：使用基于数据矢量化多分类算法对所述第三步中已标示的指标数值在不同阶段以及各指标之间的关联性。获取影响设备运行性能的关键的参数特征，以此作为设备设计优化和创新的指导和参考，从而能够有效的提升核电设备的设计能力。

Description

一种对核电设备组件设计与设备指标关联性的评估方法

技术领域

本发明属于涉及核电云平台数据分析及核电标识系统相关处理技术领域，具体涉及一种

背景技术

现阶段核电云平台贯穿核电行业上下游，实现了同一平台的协同办公、设计、计算与数据按权限共享、独享。覆盖核电行业全产业链，包括研发、设计、制造、建造、调试、运行、维护、退役等环节。云平台能够集中了核电上下游包括设计、数值仿真、台架试验和运行环境中的数据，实现了数据统一存储、统一管理。但这些数据只是分散在各个阶段和各个层面，缺乏有价值指标的自动识别。同时，数据未进行标示，数据间未建立关联性，导致数据不能有效地管理及合理的利用。

发明内容

为了实现同一平台的协同办公、设计、计算与数据按权限共享、独享，本发明提供一种对核电设备组件设计与设备指标关联性的评估方法，包括以下步骤：

第一步，数据采集：

设计数据和仿真数据采集：通过核电云平台采集设计文件和数值仿真模拟分析的关键指标数据，自动识别有价值的指标数值；

台架实验数据采集：通过实验数据系统采集台架实验数据，自动识别有价值的指标数值；

核电厂设备运行数据采集：通过核电厂监控系统采集核电厂相关设备的实时运行数据，自动识别有价值的指标数值；

第二步，标识数据相关性：通过标识系统，对所述第一步采集的数据进行相关性标识，识别出每个指标在核电云平台、实验数据系统和运行环境中的对应指标数值；

第三步，建立数据库用以保存所述第二步中已标识的指标数值；

第四步，数据关联性分析：使用基于数据矢量化多分类算法对所述第三步中已标示的指标数值在不同阶段以及各指标之间的关联性。

本发明通过采集核电云平台设备设计参数和数值仿真分析特征值参数数据，采集设备的台架实验测试数据，采集核电厂设备的实际运行参数数据，同时通过核电标识系统，对设计数据，仿真数据，实验数据以及运行数据进行标识和相关性处理，并通过数据的筛选，过滤，加权，推理等关联性分析，获取影响设备运行性能的关键的参数特征，以此作为设备设计优化和创新的指导和参考，从而能够有效的提升CAP1400核电设备的设计能力。

附图说明

图1系统框架示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图1和具体实施方式对本发明作进一步详细的说明。

第一步：设计数据和仿真数据采集：通过核电云平台，将运行在云平台上生成的核电设备的设计文件和数值仿真模拟分析的文件中涉及到设备性能和运行的关键，包括形状，材料，材料特性，边界条件，温度，质量，厚度，数量，电流，电压，扭矩，角度，刚度，速度，压力，加速度，频率，阻力，应力，应变，应变能，位移，支反力，偏移量等等，自动识别并抽取采集出来；

第二步：台架实验数据采集：通过实验数据系统，对核电设备的台架试验数据进行采集，包括核电设备的实验环境数据，实验设计数据，实验运行参数以及实验结果分析数据；

第三步：核电厂设备运行数据采集：通过核电厂监控系统，对核电设备的运行数据进行采集，包括设备的设计参数，运行环境参数，运行的性能数据，运行的异常数据等等；

第四步：标识数据相关性：通过标识系统，将设计数据，数值仿真分析数据，台架实验数据和电厂实际运行数据进行标识，归整并分项分类，同时融合设计数据，数值仿真分析数据，台架实验数据和电厂实际运行数据的相互关系的信息，实现三方数据的相关性耦合；

第五步：建立数据库：用于保存相关数据，包括第一步的云平台设计数据和数值仿真分析数据，第二步的设备台架实验数据，第三步的电厂的设备运行数据以及第四步的标识数据，包括设计数据和数值仿真分析的标识数据，设备台架的标识数据，电厂的设备运行的标识数据以及这三方数据的相关性数据，作为设备数据关联评估分析的数据来源；

第六步：数据关联性分析，使用基于数据矢量化多分类算法，通过提取数据间特征值，按照中心点或者分层的方式对输入数据进行归并，评估与中心点距离，建立族群。算法如下：

输入:

L，训练的两分分类对象

样本X

下标y yi∈{1,…K}是具体样本Xi的下标

输出:

分类器序列fk for k∈{1,…,K}

过程:

对每一个k属于{1,…,K}

建立一个矢量z其中当yi＝k和zi＝0时，zi＝yi

否则将L变为X,z以获得fk

最后的推断结果能够满足相应的fk均可以获得最高的置信度：通过算法适配技术利用二分解决多维分类。

本发明涉及到该领域的专业术语如下：

神经网络算法：多分类感知为多分类问题提供了自然的延伸。与其在输出层中只有一个神经元，而是具有二进制输出，因此可以有N个二进制神经元，从而导致多类分类。在实践中，神经网络的最后一层通常是最大值函数层，即N逻辑分类器的代数简化，按N-1其他逻辑分类器的总和对每个类进行规范化。

超限学习机(ELM)是单个隐藏层正向神经网络(SLFN)的特例，其中在输入权重和隐藏节点偏差中可以随机选择。许多变体和开发都针对ELM进行多类分类。

k-邻近算法(kNN)被认为是最古老的非参数分类算法之一。要对未知示例进行分类，可以测量该示例与所有其他训练示例之间的距离。识别最小距离k，这些k最近邻域表示最多的类被视为输出类标签。

朴素贝叶斯基于最大后值(MAP)的原则。对于具有两个以上类的情况，此方法自然是可扩展的，并且尽管基本简化了条件独立性的假设。

决策树学习是一种强大的分类技术。决策树尝试根据可用要素的值推断如何拆分训练数据，以生成良好的分类效果。该算法可以自然地处理二进制或多类分类问题。叶节点可以引用相关的任何一个K类。

支持向量机基于最大化边距的想法，即最大化从分离的超平面到最近示例的最小距离。基本SVM仅支持二进制分类，但可通过扩展来处理多类分类案例。在这些扩展中，向优化问题添加了其他参数和约束，以处理不同类的分离。

分层分类通过将输出空间(即树)划分来解决多类分类问题。每个父节点被划分为多个子节点，并且该过程将继续，直到每个子节点仅表示一个类。根据分层分类提出了几种方法。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (1)

1.一种对核电设备组件设计与设备指标关联性的评估方法，其特征在于包括以下步骤：

第一步，数据采集：

设计数据和仿真数据采集：通过核电云平台采集设计文件和数值仿真模拟分析的关键指标数据，自动识别有价值的指标数值；

台架实验数据采集：通过实验数据系统采集台架实验数据，自动识别有价值的指标数值；

核电厂设备运行数据采集：通过核电厂监控系统采集核电厂相关设备的实时运行数据，自动识别有价值的指标数值；

第二步，标识数据相关性：通过标识系统，对所述第一步采集的数据进行相关性标识，识别出每个指标在核电云平台、实验数据系统和运行环境中的对应指标数值；

第三步，建立数据库用以保存所述第二步中已标识的指标数值；

第四步，数据关联性分析：使用基于数据矢量化多分类算法对所述第三步中已标示的指标数值在不同阶段以及各指标之间的关联性。

Images