基于脉冲波形特征的核探测器故障智能诊断方法研究

Nuclear detector as an integral part of radiation protection environment monitoring and the nuclear power plant safety monitoring, its reliability is an important safeguard device running. The radiation damage, temperature and humidity changes of work environment will accelerate the aging of the probe, so that the instrument failure is frequent, false positives is happened, reduces the workplace security. Is the trend of the digital nuclear instrument and it require the instrument is stable and reliable and able to positioning requirement of intelligent fault diagnosis and fast. This study based on the project team members many years of experience in developing digital nuclear instrument and the nuclear signal is different from the general characteristics of the sensor signal, combining the theory of sensor fault diagnosis results and digital signal processing technology, obtained nuclear pulse shape data，used independent component analysis (ICA) for signal data pretreatment, base on empirical mode decomposition (EMD) method to extract the fault feature information and the corresponding experience model, and based on support vector machine (SVM) method to identify and diagnose the fault characteristics, exploring the fault diagnosis method based on data analysis. Nuclear detector is validated by simulation and experimental research, the validity of the method of fault diagnosis, fault existing in attempt to reduce nuclear detection instruments of frequent misjudgment false positives, intelligent fault diagnosis and orientation, to promote radiation detection instrument digital technology innovation.

核探测器作为辐射防护环境监测及核动力装置安全监测中不可或缺的部分，其可靠性是装置良好运行的重要保障。工作环境中的辐射损伤及温湿度变化均会加快探测器的老化，以致仪器故障频繁，出现误判误报，降低了场所安全性；核仪器的趋势是数字化，对仪器有稳定可靠、能够智能故障诊断及快速定位的要求。本研究基于项目组成员多年数字化核仪器开发经验和核信号不同于一般传感器信号的特性，结合传感器故障诊断理论成果和数字信号处理技术，获取核脉冲波形数据，用独立分量分析（ICA）方法对信号数据预处理，基于经验模式分解（EMD）等方法提取故障特征信息和相应经验模型，并基于支持向量机（SVM）方法识别和诊断故障特征，探索基于数据分析的故障诊断方法。通过模拟仿真和实验研究，验证核探测器故障诊断方法的有效性，试图减少核探测中现有仪器的故障的频繁误判误报，实现智能故障诊断及定位，促进核辐射探测仪器数字化技术创新。

核探测器用于测量核电站或环境中的辐射，与反应堆相关的辐射探测器长期工作于强辐射、高温度、高湿度条件下，导致探测器工作性能下降、易老化，甚至出现故障。人为判断故障不仅流程繁琐、耗时长，若发生错判漏判，还会对核设施的运行造成影响甚至引发辐射安全事故；且目前，核仪器的诊断趋势逐渐转向数字化、智能化，要求仪器具有稳定可靠、方便、诊断效率高且能够快速定位的性能。本研究基于项目组成员多年数字化核仪器开发经验和核信号不同于一般传感器信号的特性，结合传感器故障诊断理论成果和数字信号处理技术，从核探测器发生故障时会导致输出信号波形特征，如幅度、噪声等发生不同程度的变化出发，探索基于小波包变换和支持向量机相结合的方法、主成分分析与决策树相结合方法、主成分分析与支持向量机相结合的方法及统计方法对核探测器进行智能故障诊断。通过模拟仿真和实验研究，获取正常与各种不同故障状态下的核信号，再通过不同方法分解核信号并提取其特征信息，采用不同类别的分类器对其进行故障分类，从而验证核探测器故障诊断方法的有效性，试图减少核探测中现有仪器中故障的频繁误判误报现象，实验表明，在对核探测器进行故障诊断时，采用支持向量机方法具有较高的诊断准确率，其中单故障诊断率基本达到100%，多故障诊断时，诊断率也在94.87%以上，而采用主成分分析与决策树相结合的方法，拥有较快的诊断速度。在实际应用中，可根据不同需要，选择不同诊断方法，以实现智能故障诊断及定位性能，促进核辐射探测仪器数字化技术创新。