تشخیص خطای سنسور در نیروگاه هسته‌ای با استفاده از روش‌های آماری

در مقاله پیش‌رو، یکی از تکنیک‌های تشخیص خطا در سنسور و مجزاسازی آن بر اساس روش‌های آماری پیشنهاد داده می‌شود. در این تکنیک، یک روش بازسازی دیتای پیشرفته پیشنهاد شده که مبتنی بر تجزیه مقادیر منفرد (SVD) است. در روش بازسازی SVD سنتی، داده‌های خطا می‌تواند روی داده‌های بدون خطا تاثیر بگذارد. اما روش بازسازی SVD پیشرفته (ESVD ) روشی قابل اطمینان برای تصمیم‌گیری در مورد داده‌های خطا مشابه با داده‌های طبیعی است. در این مقاله، یک آزمون فرضیه‌آزمایی موسوم به آزمون نسبت درستنمایی تعمیم‌یافته (GLRT) برای تشخیص خطا در فضای‌مازاد مورد استفاده واقع شده است. کارایی روش پیشنهادی، با استفاده از داده‌های حقیقی یک راکتور هسته‌ای آزمایشی از نوع زاینده سریع (FBTR) به اثبات رسیده است.

Highlights•An enhanced reconstruction method ESVD is proposed for data reconstruction.•An effective statistical hypothesis test, generalized likelihood ratio test (GLRT) is applied as a fault detection metric.•The proposed method ESVD-GLRT is superior to PCA-GLRT and SVD-GLRT for fault detection.AbstractIn this paper, a sensor fault detection and isolation technique is proposed using statistical methods. An enhanced reconstruction method is proposed using Singular Value Decomposition (SVD). In the traditional SVD reconstruction method, the faulty data may affect other fault free data. The enhanced SVD (ESVD) reconstruction method is a robust method to map as a normal data. The statistical hypothesis test, namely Generalized Likelihood Ratio Test (GLRT) is applied to detect the fault in the residual space. The proposed method performance is verified by the real data of Fast Breeder Test Reactor (FBTR).Graphical abstractDownload : Download high-res image (25KB)Download : Download full-si