买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华能核能技术研究院有限公司

摘要：本发明公开了一种核电厂缺陷自动判定执行专业方法及系统，涉及核电厂的缺陷自动判定执行专业技术领域，包括：通过多渠道收集信息进行预处理；利用LSTM模型进行缺陷的实时检测和多级分类；结合知识图谱和专家规则引擎判定缺陷的执行专业；将判定结果实时推送至相关人员并收集反馈。本发明通过结合多种数据来源和先进技术手段实现核电厂新出缺陷的自动判定，不仅显著提高了判定的准确性和处理效率，确保了核电厂的安全稳定运行，还实现了系统的自我优化和为决策者提供全面的决策支持。这一综合方法为核电厂带来了高效、准确、安全的缺陷处理流程，大大节省了人力资源，同时提供了强大的决策支持，确保了核电厂的长期稳定和安全运行。

主权项：1.一种核电厂新出缺陷自动判定执行专业方法，其特征在于，包括：通过多渠道收集信息进行预处理；利用LSTM模型进行缺陷的实时检测和多级分类；结合知识图谱和专家规则引擎判定缺陷的执行专业；将判定结果实时推送至相关人员并收集反馈所述多渠道包括传感器数据、操作日志、维修历史以及安全监测数据；所述收集信息包括机组实时运行时的温度、压力、流速，工作人员的调整参数记录，报警和事件数据以及维修、更换零部件记录；所述预处理是针对传感器数据和操作日志中的缺失值使用模型预测填充完成数据清洗，将温度、压力、流速进行归一化处理，针对操作日志提取关键操作和事件的特征；所述利用LSTM模型进行缺陷的实时检测和多级分类是采用一维卷积神经网络，对传感器数据进行特征提取；所述传感器数据包括机器运作过程中的温度、压力以及流速，表达式为：Fcnn＝σWcnn·xsensor+bcnn其中，σ为Sigmoid激活函数，xsensor是传感器数据，Wcnn和bcnn分别是卷积层的权重矩阵和偏置向量，Fcnn为一维卷积神经网络输出的特征向量；将操作日志提取的结构化向量与一维卷积神经网络输出的特征向量结合，输入LSTM模型，使用增加安全门的LSTM模型处理操作日志、维修历史和安全监测数据，并与一维卷积神经网络输出的特征向量融合形成综合特征向量；所述安全门表达式为：st＝σWs·[ht-1，vi，Fcnn，xhistory，xsafety]+bs其中，Ws为安全门的权重矩阵，ht-1为在时间t-1的隐藏状态，vi为操作日志的向量，xhistory向量为维修历史数据，xsafety向量为安全监测数据，bs为安全门的偏置；LSTM模型的输出向量为隐藏状态更新，表达式为：ht＝ot×tanhCt+st×tanhCt其中，ot为输出门在时间t的输出，Ct为时间t的单元状态，st为安全门在时间t的输出；所述综合特征向量表达式为：V综合＝[vi，Fcnn，ht]其中，vi为操作日志的向量，Fcnn为一维卷积神经网络输出的特征向量，ht为增加安全门的LSTM模型输出向量。

全文数据：

权利要求：

百度查询： 华能核能技术研究院有限公司 一种核电厂缺陷自动判定执行专业方法及系统