一种核电厂设备故障的诊断方法

本说明书公开一种核电厂设备故障的诊断方法，方案可以包括：首先采集100％和80％工况的正常及故障数据，涵盖多种破口故障类型。通过KPCA进行状态监测，利用核函数将数据非线性映射至高维空间，经核矩阵计算、特征分解，基于T2和SPE统计量判别异常，有效捕捉非线性特征。故障诊断环节采用CNN‑Bi‑LSTM模型，CNN提取局部空间特征，Bi‑LSTM捕捉双向时序依赖；针对小样本工况，通过迁移学习将源工况(数据充足)训练的模型参数迁移至目标工况，微调适配。该方案融合非线性特征提取、时空建模及迁移学习，提升了复杂工况下故障识别的准确性和鲁棒性，尤其适用于数据不平衡和样本稀缺场景。