科學(xué)島團(tuán)隊(duì)在復(fù)雜系統(tǒng)故障預(yù)測(cè)與健康管理軟測(cè)量技術(shù)研究中獲進(jìn)展

　　【儀表網(wǎng) 儀表研發(fā)】近日，中科院合肥研究院核能安全所戈道川課題組與香港城市大學(xué)先進(jìn)制造與系統(tǒng)工程系謝旻教授團(tuán)隊(duì)合作，在復(fù)雜系統(tǒng)故障預(yù)測(cè)與健康管理軟測(cè)量技術(shù)研究中取得進(jìn)展。相關(guān)成果在線發(fā)表在領(lǐng)域內(nèi)權(quán)威期刊《IEEE工業(yè)信息學(xué)匯刊》(IEEE Transactions on Industrial Informatics )上。
 

　　核電、石油、化工等大型工業(yè)系統(tǒng)的物理化學(xué)反應(yīng)、熱質(zhì)傳遞、熱工水力過(guò)程十分復(fù)雜，建立精確的數(shù)學(xué)機(jī)理模型以實(shí)現(xiàn)對(duì)功率、負(fù)荷與溫度等系統(tǒng)內(nèi)在關(guān)鍵指標(biāo)參數(shù)進(jìn)行預(yù)測(cè)較為困難。隨著人工智能技術(shù)不斷發(fā)展，基于數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量技術(shù)逐漸成為工業(yè)過(guò)程系統(tǒng)狀態(tài)監(jiān)測(cè)、診斷與預(yù)測(cè)的重要研究方向，尤其是深度學(xué)習(xí)方法，因其強(qiáng)大的非線性映射能力，已成為領(lǐng)域內(nèi)重要的研究熱點(diǎn)之一。工業(yè)過(guò)程系統(tǒng)運(yùn)行中，傳感器噪聲會(huì)增大預(yù)測(cè)結(jié)果的不確定性，這將嚴(yán)重影響模型對(duì)實(shí)際監(jiān)測(cè)數(shù)據(jù)的適應(yīng)能力，降低預(yù)測(cè)準(zhǔn)確性。
 

　　為解決該問(wèn)題，核能安全所和香港城市大學(xué)研究人員提出一種端到端的混合深度網(wǎng)絡(luò)架構(gòu)。該架構(gòu)包含三個(gè)重要模塊：基于最大信息系數(shù)的參數(shù)變量選擇模塊，可實(shí)現(xiàn)對(duì)輸入監(jiān)測(cè)過(guò)程數(shù)據(jù)的特征選擇功能；具有自適應(yīng)軟閾值結(jié)構(gòu)的卷積殘差消除模塊，可實(shí)現(xiàn)噪聲抑制功能；分布式連接的雙向門控單元預(yù)測(cè)模塊，可實(shí)現(xiàn)趨勢(shì)預(yù)測(cè)功能。該架構(gòu)能有效降低不同程度和不同類型噪聲導(dǎo)致的不確定性，同時(shí)有助于利用相鄰節(jié)點(diǎn)之間同類型監(jiān)測(cè)數(shù)據(jù)中的冗余信息提高預(yù)測(cè)性能。
 

　　研究結(jié)果表明：基于已有的核能系統(tǒng)研究平臺(tái)數(shù)據(jù)，所提架構(gòu)在不同噪聲環(huán)境下的預(yù)測(cè)精度比單獨(dú)使用傳統(tǒng)深度網(wǎng)絡(luò)如卷積網(wǎng)絡(luò)、信念網(wǎng)絡(luò)更加優(yōu)異。此外，與使用傳統(tǒng)去噪方法如變分模態(tài)分解、經(jīng)驗(yàn)小波變換相比，在預(yù)測(cè)精度上相近，但在整體模型訓(xùn)練復(fù)雜度上更有優(yōu)勢(shì)。相關(guān)研究成果將有助于進(jìn)一步推動(dòng)核能系統(tǒng)故障預(yù)測(cè)與健康管理技術(shù)的深入發(fā)展，同時(shí)可為其他工業(yè)過(guò)程系統(tǒng)軟測(cè)量技術(shù)提供參考，具有廣泛的應(yīng)用前景。
 

　　該項(xiàng)研究工作獲得了國(guó)家自然科學(xué)基金面上項(xiàng)目、中國(guó)博士后面上基金項(xiàng)目和香港特區(qū)研究資助局項(xiàng)目、香港特區(qū)科技創(chuàng)新署項(xiàng)目的支持。
 

圖1基于深度混合網(wǎng)絡(luò)的預(yù)測(cè)框架示意圖
 

　　圖2針對(duì)不同預(yù)測(cè)指標(biāo)不同模型的訓(xùn)練時(shí)間的比較結(jié)果(a)堆芯入口溫度監(jiān)測(cè)指標(biāo)(b)蒸汽發(fā)生器出口溫度監(jiān)測(cè)指標(biāo)