目前,国内外对核动力装置的智能故障诊断方法已经进行了许多卓有成效的研究。其中专家系统和神经网络的方法应用较为成熟。但是大型的动态系统很难形成完备的样本集,所以应用上述两种方法在原理上无法保证诊断结果的正确性,容易陷入局部最小。因而本文针对核动力装置故障诊断的特点,提出一种将概率因果模型和遗传算法相结合的核动力装置二回路凝给水系统的故障诊断方法,从非线性组合优化的角度提出了该模型的遗传算法求解策略,它将概率因果模型的似然函数作为遗传算法的适应函数,从而将复杂系统的故障诊断转化为最优问题。遗传算法与故障诊断相结合是一个十分活跃的研究领域。遗传算法作为一种模仿生物进化过程的全局优化算法,提供了一种求解复杂系统优化问题的通用框架,对问题的种类有很强的鲁棒性。 由于遗传算法的并行搜索和全局搜索,可以减少运算量、缩短平均诊断时间、提高诊断效率和故障识别精度,有广泛的应用前景。遗传算法的求解过程充分体现了基于生物进化论的杰出的全局最优化思想。本文在已有模型的基础上提炼故障模型,仿真出各种故障集并形成训练样本,建立了基于遗传算法的故障诊断系统。仿真结果表明,本文对船用核动力装置实施的新方法能够适应诊断过程中出现的不确定性,同时提高了并发性故障和单故障的识别率;在解空间内全面搜索,从而避免早熟现象和陷入局部极小,具有良好的收敛性;诊断结果与实际相符,表明该方法切实可行,具有较高的诊断可靠性,对工程有实用价值。