haku: @keyword PCA / yhteensä: 24
viite: 19 / 24
Tekijä: | Talonen, Jaakko |
Työn nimi: | Fault Detection by Adaptive Process Modeling for Nuclear Power Plant |
Ydinvoimalan vikatilanteiden havainnointi adaptiivisella mallinnuksella | |
Julkaisutyyppi: | Diplomityö |
Julkaisuvuosi: | 2007 |
Sivut: | 65 Kieli: eng |
Koulu/Laitos/Osasto: | Kemian tekniikan osasto |
Oppiaine: | Informaatiotekniikka (T-115) |
Valvoja: | Simula, Olli |
Ohjaaja: | Parviainen, Jukka ; Sirola, Miki |
OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
Sijainti: | P1 Ark TKK 4961 | Arkisto |
Avainsanat: | data mining PCA variable selection feature extraction WRLS fault detection tiedonlouhinta muuttujavalinta piirreirrotus painotettu rekursiivinen pienimmän neliösumman menetelmä vikatilanteiden havainnointi |
Tiivistelmä (fin): | Normaalista poikkeavia tilanteita esiintyy ydinvoimaloissa kuten missä tahansa teollisuusprosessissa. Näitä voivat olla esimerkiksi vuoto putkiverkostossa, lämmönvaihtimen likaantuminen tai virtausmittarin mittauksen vääristymä. Hitaasti kehittyvät tapahtumat pitäisi havaita ennen kuin jotakin vakavampaa tapahtuu. Työssä tutkittiin ydinvoimalasta tallennettua prosessidataa. Erään tiedonlouhintaprosessimallin rakennetta laajennettiin. Data tutkittiin datanhallinnointityökalulla, joka ohjelmoitiin tämän projektin aikana. Työkalu auttaa asiantuntijaa aikasarjadatan analysoinnissa. Olennaiset muuttujat valittiin ja piirteet irrotettiin adaptiivista mallia varten. Pääkomponenttianalyysiä käytettiin tiedonlouhintatyökaluna. Viiveet prosessi- muuttujien välillä tunnistettiin ristikorrelaatiofunktion avulla. Painotettua rekursiivista pienimmän neliösumman menetelmää käytettiin adaptiiviseen mallinnukseen. Vuodontunnistusmenetelmä perustui mallin estimointivirheeseen. Työ suoritettiin NoTeS-projektin osana Teknillisen korkeakoulun Informaatiotekniikan laboratoriossa. Yhteistyökumppanina oli Teollisuuden Voima Oy. |
ED: | 2007-10-22 |
INSSI tietueen numero: 34774
+ lisää koriin
INSSI