符號說明
第1章 故障診斷與預(yù)測方法概述
1.1 狀態(tài)監(jiān)測與故障診斷
1.2 故障診斷與預(yù)測的流程
1.2.1 數(shù)據(jù)采集
1.2.2 特征提取與選擇
1.2.3 狀態(tài)檢測
1.2.4 故障診斷
1.2.5 預(yù)測
1.2.6 決策
1.3 故障診斷與預(yù)測方法的分類
1.3.1 基于模型的方法
1.3.2 數(shù)據(jù)驅(qū)動的方法
1.3.3 混合預(yù)測方法
1.4 預(yù)測工具的評估
第2章 故障模式分析的理論與方法
2.1 故障模式、影響及危害性分析
2.1.1 故障模式分析
2.1.2 故障判據(jù)的確定
2.1.3 故障的影響及嚴(yán)酷度分析
2.1.4 危害性分析(CA)
2.1.5 故障的原因分析
2.1.6 FMECA的方法與步驟
2.2 故障樹分析
2.2.1 事件及其符號
2.2.2 邏輯門及其符號
2.2.3 故障樹的建立
2.2.4 FTA定性分析
2.2.5 FTA定量分析
2.3 乏燃料剪切機的研究情況與立式送料剪切機的工作原理
2.3.1 國內(nèi)外對乏燃料剪切機的研究情況
2.3.2 立式送料剪切機的工作原理
2.4 乏燃料剪切機的故障模式分析實例
2.4.1 剪切機模擬實驗裝置的結(jié)構(gòu)
2.4.2 剪切裝置的故障模式、影響及危害性分析
2.4.3 剪切裝置的故障樹分析
2.4.4 乏燃料剪切機刀具的故障模式、失效機理與故障判據(jù)
2.5 本章小結(jié)
第3章 乏燃料剪切機聲發(fā)射產(chǎn)生機理及傳播特性分析
3.1 基本聲學(xué)參數(shù)與基于噪聲的診斷方法
3.1.1 基本聲學(xué)參數(shù)
3.1.2 基于聲發(fā)射的診斷方法
3.2 乏燃料剪切機聲發(fā)射產(chǎn)生的機理分析
3.2.1 工作聲
3.2.2 運轉(zhuǎn)聲
3.3 乏燃料剪切機聲發(fā)射信號的頻譜與聲場分析
3.3.1 剪切機聲發(fā)射信號的頻譜分析
3.3.2 乏燃料剪切機聲發(fā)射的傳播與聲場分析
3.4 本章小結(jié)
第4章 源項估計與空間輻射劑量場分析
4.1 源項計算與分析方法
4.1.1 源項計算
4.1.2 ORIGEN2程序
4.2 乏燃料剪切熱室的源項計算與分析實例
4.2.1 初始源項數(shù)據(jù)
4.2.2 計算結(jié)果與分析
4.2.3 結(jié)論
4.3 空間輻射劑量場計算分析方法
4.3.1 蒙特卡羅方法基本思想
4.3.2 蒙特卡羅方法的一般步驟
4.3.3 MCNP程序
4.4 乏燃料剪切熱室的空間輻射劑量場估算實例
4.4.1 計算模型
4.4.2 計算結(jié)果與分析
4.5 本章小結(jié)
第5章 傳聲器耐輻照性能研究
5.1 電子元器件的輻射損傷機理
5.1.1 電離效應(yīng)
5.1.2 位移效應(yīng)
5.1.3 表面效應(yīng)
5.1.4 劑量增強效應(yīng)
5.2 傳聲器工作原理與主要性能指標(biāo)
5.2.1 傳聲器工作原理
5.2.2 傳聲器的主要性能指標(biāo)
5.3 實驗對象與裝置
5.3.1 實驗對象
5.3.2 實驗裝置
5.4 實驗的結(jié)果與分析
5.4.1 動圈式傳聲器的實驗結(jié)果與分析
5.4.2 電容式傳聲器的實驗結(jié)果與分析
5.4.3 硅微式傳聲器的實驗結(jié)果與分析
5.5 本章小結(jié)
第6章 高放射性條件下聲發(fā)射信號的采集方法
6.1 高放射性條件下聲發(fā)射信號采集處理系統(tǒng)的建立
6.1.1 聲發(fā)射信號采集與傳輸模塊
6.1.2 雙輸入降噪設(shè)計
6.1.3 信號預(yù)處理模塊
6.1.4 數(shù)字采樣模塊
6.2 乏燃料剪切機聲發(fā)射信號的采集方案設(shè)計
6.2.1 聲場及采集位置的選定
6.2.2 采樣頻率的選擇
6.2.3 故障模式的設(shè)定
6.3 乏燃料剪切機聲發(fā)射信號采集實例
6.3.1 模擬核燃料組件
6.3.2 剪切實驗
6.3.3 聲發(fā)射信號樣本采集
6.4 本章小結(jié)
第7章 聲發(fā)射信號特征提取方法
7.1 信號的分析處理方法
7.1.1 短時傅里葉變換
7.1.2 Winger-Ville 分布
7.1.3 基于小波的方法
7.2 信號處理方法的比較與選擇
7.2.1 仿真信號
7.2.24 種時頻分析方法比較
7.2.3 小波分解與小波包分解比較
7.3 改進的小波包信號降噪方法
7.3.1 小波包降噪方法
7.3.2 小波包降噪方法的改進
7.4 基于小波包變換的能量矩特征提取方法
7.4.1 傳統(tǒng)的基于小波包變換的能量特征提取方法
7.4.2 基于小波包變換的能量矩特征提取方法
7.5 乏燃料剪切機聲發(fā)射信號特征提取實例
7.5.1 聲發(fā)射信號樣本特征提取過程
7.5.2 乏燃料剪切機聲發(fā)射信號樣本的特征提取與分析
7.6 本章小結(jié)
第8章 基于數(shù)據(jù)驅(qū)動的故障診斷模型
8.1 基于改進隱馬爾可夫模型的故障診斷模型
8.1.1 隱馬爾可夫模型基本理論與算法
8.1.2 基于分段k-均值算法改進的隱馬爾可夫模型
8.1.3 基于改進HMM的故障診斷模型構(gòu)建
8.2 基于改進多分類支持向量機的故障診斷模型
8.2.1 支持向量機基本理論
8.2.2 基于改進遺傳算法優(yōu)化的多分類支持向量機模型
8.2.3 基于改進多分類支持向量機的故障診斷模型的構(gòu)建
8.3 基于改進BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型
8.3.1 人工神經(jīng)網(wǎng)絡(luò)基本理論
8.3.2 基于L-M和遺傳算法改進的BP神經(jīng)網(wǎng)絡(luò)模型
8.3.3 基于改進BP神經(jīng)網(wǎng)絡(luò)的故障診斷模型的構(gòu)建
8.4 基于HMM-SVM混合模型的故障診斷模型
8.4.1 HMM-SVM混合模型的構(gòu)建
8.4.2 HMM-SVM混合模型的訓(xùn)練與預(yù)測
8.5 基于HMM-BPNN混合模型的故障診斷模型
8.5.1 HMM-BPNN混合模型的構(gòu)建
8.5.2 HMM-BPNN混合模型的訓(xùn)練與預(yù)測
8.6 基于BPNN-SVM混合模型的故障診斷模型
8.6.1 BPNN-SVM混合模型的構(gòu)建
8.6.2 BPNN-SVM混合模型的訓(xùn)練與預(yù)測
8.7 乏燃料剪切機刀具故障診斷實例
8.7.1 診斷過程與結(jié)果
8.7.2 故障診斷模型的性能比較與選擇
8.7.3 模型的選擇
8.7.4 診斷效果的交叉驗證
8.8 本章小結(jié)
參考文獻