Learning and case-based reasoning for faults diagnosis-aiding in nuclear power plants
Creators
Description
The aim of this thesis is the design of a faults diagnosis-aiding system in a nuclear facility of the Cea. Actually the existing system allows the optimization of the production processes in regular operating conditions. Meanwhile during accidental events, the alarms, managed by threshold, are bringing no relevant information. To increase the reliability and the safety, the human operator needs a faults diagnosis-aiding system. The developed system, SECAPI, combines problem solving techniques and automatic learning techniques, that allow the diagnosis and the the simulation of various faults happening on nuclear facilities. Its reasoning principle uses case-based and rules-based techniques. SECAPI owns a learning module which reads out knowledge connected with faults. It can then simulate various faults, using the inductive logical computing. SECAPI has been applied on a radioactive tritium treatment operating channel, at the Cea with good results. (A.L.B.)
Availability note (English)
Also available from Bibliotheque Universite de Dijon, Maison de lUniversite, Esplanade Erasme, BP 138, 21004 - Dijon cedex (France)Abstract (French)
Toute installation industrielle complexe dispose aujourd 'hui d'un système de supervision permettant d'assurer que la production soit la plus optimale possible. Les capacités de l'outil de supervision à diagnostiquer les dysfonctionnements de l'installation sont essentielles. De la finesse du diagnostic peut dépendre la rapidité et l'exactitude des interventions sur l'installation. Ceci peut entrainer des gains financiers importants et améliorer le niveau de sécurité au sein de l'installation. Depuis plusieurs années, des techniques d'intelligence artificielle ont été intégrées dans certains outils de supervision. Les systèmes experts, par exemple, ont connu un vif succès dans ce domaine. Néanmoins, l'utilisation de telles techniques pour le diagnostic de pannes est relativement délicate car il est rare de disposer d'un modèle formel de l'installation en situation de dysfonctionnement. La formalisation sous forme de règles est alors une tâche fastidieuse pouvant conduire à des imprécisions. Dans cette thèse, nous nous intéressons à la conception d'un système d'aide au diagnostic de pannes dans une chaîne de traitement de tritium au sein du Commissariat à l'Energie Atomique (CEA). Le système SECAPI, que nous avons développé, combine des techniques de résolution de problèmes et des techniques d'apprentissage automatique qui lui permettent de diagnostiquer et de modéliser les différents types de pannes pouvant survenir sur l'installation. SECAPI manipule des connaissances exprimées dans le formalisme de la logique des prédicats du premier ordre. SECAPI est un système hybride basé sur des techniques de Raisonnement à Partir de Règles (RàPR) et de Raisonnement à Partir de Cas (RàPC). Le RàPR, basé sur la SLD-résolution permet de déduire la cause d'un dysfonctionnement à partir d'un ensemble de règles. Le RàPC traite des connaissances expérimentales, il s'appuie sur la résolution d'un problème passé pour résoudre un nouveau problème. SECAPI est doté d'un module d'apprentissage, basé sur des techniques de Programmation Logique Inductive, qui permet d'extraire des modèles, exprimés sous forme de clauses de Horn, des différents types de dysfonctionnements de l'installation. Ces clauses peuvent ensuite être utilisées par le module de Raisonnement à Partir de Règles. SECAPI a été confronté à des simulations de pannes décrites par un volume de données très important. Il a permis de diagnostiquer des dysfonctionnements similaires à certaines pannes déjà rencontrées, et d'apprendre des modèles de pannes, réutilisables pour de futurs diagnostics.Files
49101619.pdf
Files
(7.9 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:dfe5ade1286e9c3c3b058a5385702f20
|
7.9 MB | Preview Download |
Additional details
Additional titles
- Original title (French)
- Apprentissage et raisonnement a partir de cas pour l'aide au diagnostic de pannes dans une installation nucleaire
Publishing Information
- Imprint Pagination
- 195 p.
- Report number
- FRCEA-TH--9803
INIS
- Country of Publication
- France
- Country of Input or Organization
- France
- INIS RN
- 49101619
- Subject category
- S22: GENERAL STUDIES OF NUCLEAR REACTORS;
- Resource subtype / Literary indicator
- Thesis
- Descriptors DEI
- E-LEARNING; FAILURES; MAN-MACHINE SYSTEMS; NUCLEAR FACILITIES; SAFETY ANALYSIS; SAFETY ENGINEERING; SIMULATION; SYSTEMS ANALYSIS
- Descriptors DEC
- EDUCATION; ENGINEERING; LEARNING; TRAINING
Optional Information
- Notes
- This record replaces 31060408