近日，中科院合肥研究院核能安全技术研究所汪建业课题组在核电厂复杂系统智能故障诊断方法研究方面获得新进展。该研究基于数据驱动的方法建立了核电厂复杂系统的故障诊断模型，发展了一套基于带精英保留策略的非支配遗传算法和卷积神经网络算法相结合的自适应故障诊断方法，为核电厂复杂系统的故障诊断提供了理论和方法支持，相关研究成果发表在国际核能领域期刊Annals of Nuclear Energy上。硕士研究生贺晨为第一作者，戈道川、雍诺为通讯作者。 

　　故障诊断技术是核电厂运行支持系统的重要组成部分，有助于核能生产的安全性和可靠性。目前用于核电厂复杂系统故障诊断的网络结构需要专业人员设计，消耗时间长，诊断效率低。因此，如何优化故障诊断的网络结构、提高诊断的效率和准确性是一项具有工程意义的研究工作。

       研究人员首先分析了核电厂数据的特点，然后建立了基于数据驱动的核电厂复杂系统故障诊断模型，发展了一套基于带精英保留策略的非支配遗传算法和卷积神经网络算法相结合的自适应故障诊断方法，该算法已经在中科院先导专项中国铅基研究反应堆平台上进行了应用研究，研究结果表明基于带精英保留策略的非支配遗传算法和卷积神经网络算法相结合的自适应故障诊断方法在故障诊断效率和模型结构构建方面相比目前三种经典CNN架构模型具有显著优势，对核电厂复杂系统的故障诊断具有理论指导意义。 

　　该研究成果获得国家重点研发计划项目以及国家自然科学基金的资助。 

　　文章链接：https://doi.org/10.1016/j.anucene.2021.108326 。