한국지능시스템학회논문지 (Journal of the Korean Institute of Intelligent Systems)

  • 제15권6호
  • /
  • Pages.673-681
  • /
  • 2005
  • /
  • 1976-9172(pISSN)
  • /
  • 2288-2324(eISSN)
한국지능시스템학회 (Korean Institute of Intelligent Systems)
권호 표지
DOI QR코드

DOI QR Code

신경회로망을 이용한 원전 PWR 증기발생기의 고장진단

Fault Diagnosis for the Nuclear PWR Steam Generator Using Neural Network

  • 이인수 (상주대학교 전자전기공학부) ;
  • 유철종 (상주대학교 전자전기공학부) ;
  • 김경연 (제주대학교 전자공학과)
  • Lee, In-Soo (School of Electronic and Electrical Engineering, Sangju National University) ;
  • Yoo, Chul-Jong (School of Electronic and Electrical Engineering, Sangju National University) ;
  • Kim, Kyung-Youn (Department of Electronic Engineering, Cheju National University)
  • 발행 : 2005.12.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

원자력 발전소는 안정성 및 신뢰성 확보가 가장 중요하므로 고장의 감지 및 진단 시스템의 개발은 원전 자체가 구축하고 있: 다중의 하드웨어 중첩도(hardware redundancy)에도 불구하고 가장 중요한 문제로 취급되고 있다. 본 논문에서는 원저 PWR 증기발생기에서 발생한 고장을 진단하기 위한 알고리듬의 개발을 위해 시스템에서 발생한 고장을 감지하고 분류할 수 있는 ART2 시경회로망 기반 고장진단방법을 제안한다. 고장진단시스템은 발생한 고장을 감지하기 위한 고장감지부, 변화된 시스템파라미터를 추정하기 위한 파라미터 추정부 및 발생한 고장의 종류를 알아내기 위한 고장분류부로 구성된다. 고장분류부는 여러 경계인수를 갖는 ART2(adaptive resonance theory 2) 신경회로망을 이용한 고장분류기로 구성된다. 제안한 고장진단 알고리듬을 증기발생기의 고장진단문제에 적용하여 성능을 확인하였다.

As it is the most important to make sure security and reliability for nuclear Power Plant, it's considered the most crucial issues to develop a fault detective and diagnostic system in spite of multiple hardware redundancy in itself. To develop an algorithm for a fault diagnosis in the nuclear PWR steam generator, this paper proposes a method based on ART2(adaptive resonance theory 2) neural network that senses and classifies troubles occurred in the system. The fault diagnosis system consists of fault detective part to sense occurred troubles, parameter estimation part to identify changed system parameters and fault classification part to understand types of troubles occurred. The fault classification part Is composed of a fault classifier that uses ART2 neural network. The Performance of the proposed fault diagnosis a18orithm was corroborated by applying in the steam generator.

키워드

참고문헌

  1. J. J. Gertler, 'Survey of model-based failure detection and isolation in complex plants,' IEEE Contr. Syst. Mag., vol. 8, pp. 3-11, 1988
  2. P. Smyth, 'Hidden markov models for fault detection in dynamic systems,' Pattern Recognition, vol. 27, no. 1, pp. 149-164, 1994 https://doi.org/10.1016/0031-3203(94)90024-8
  3. R. Isermann, 'Model based fault detection and diagnosis methods,' Proc. ACC, pp. 1605-1609, 1995
  4. R. Patton, P. Frank and R. Clark, Fault Diagnosis in Dynamic Systems Theory and Application, Prentice Hall, 1989
  5. M. M. Polycarpou and A. T. Vemuri,'Learning methodology for failure detection and accommodation,' IEEE Contr. Syst. Mag., pp. 16-24, 1995
  6. X. Q. Liu, H. Y. Zhang, J. Liu and J. Yang,'Fault detection and diagnosis of permanent-magnet DC motor based on parameter estimation and neural network', IEEE Trans. Ind. Electron., vol. 47, no. 5, pp. 1021-1030, 2000 https://doi.org/10.1109/41.873210
  7. A. Srinivasan and C. Batur, 'Hopfield /ART-1 neural network-based fault detection and isolation,' IEEE Trans. Neural Networks, vol. 5, no. 6, pp. 890-899, 1994 https://doi.org/10.1109/72.329685
  8. 이인수, 신필재, 전기준, 'ART2 신경회로망을 이용한 선형시스템의 다중고장진단', 제어.자동화.시스템공학 논문지, vol. 3, no. 3, pp. 244-251, 1997
  9. 이인수, 전기준, '선형시스템의 모델기반 고장감지와 분류', 대한전자공학회논문집, vol. 35-S, no. 1, pp. 68-79, 1998
  10. X.G. Ma, and Z.H. Chen,'Heat recovery from the starting vessel of a once-through boiler system,' Applied Thermal Engineering, vol. 18, 179-186, 1998 https://doi.org/10.1016/S1359-4311(97)00025-2
  11. L. Ljung and T. Soderstrom, Theory and Practice of Recursive Identification, MIT Press,1983
  12. J. D. Cryer, Time Series Analysis, DuxburyPress, 1986