曹桦松，孙培伟

（西安交通大学 核科学与技术学院，西安 710049）

0 引言

小型模块化反应堆是指电功率低于300MWe的反应堆[1]。SMR结构紧凑，用途广泛。故障的出现严重威胁着反应堆的安全运行、生态环境以及人员健康。目前反应堆中故障诊断主要是基于信号阈值的方法，通过对特定信号的监视进行超阈值报警，该方法具有诊断效率低，准确度不高，不能避免人因失误等缺陷。

图1 反应堆冷却系统结构图Fig.1 Primary system of reactor

针对以上问题，国内外专家学者从基于知识、基于模型以及基于数据的故障诊断方法出发做了大量的研究工作[2]。基于模型的方法可以准确地描述故障和参数之间的因果关系，结合优化方法，例如鲁棒技术可以提高故障诊断效率，弥补模型不准确的缺点[3]。故障树、专家系统等基于知识的故障诊断方法，可以利用知识的获取和表达对故障进行准确诊断[4]。随着信息技术的快速发展，基于数据的故障诊断方法获得了普遍的重视。动态霍普菲尔德人工神经网络、BP神经网络、RBF神经网络等被应用到核电厂的状态监测与故障诊断系统研究中，具有良好的诊断准确性、实时性和可扩充性[5-8]。基于数据的故障诊断方法相比于其它两种方法的显著优势在于对故障的精确定位，不仅能够区分故障类型，还可以准确判断故障位置和故障程度。

本文采用人工智能技术和数据统计分析方法，将反应堆中大量的具有重要价值的历史运行数据相结合，建立了基于PCA-RBF神经网络的反应堆故障诊断系统。……