基于支持向量机的核爆地震自动识别

针对核爆地震识别问题的特点,提出利用支持向量机(SVM)方法进行核爆地震的自动识别。该方法借助算法的内在能力来实现特征的选择变换,不必像传统方法那样将很大的精力用于特征空间的降维处理。同时,由于该方法建立在结构风险最小化准则上,而不是仅仅使经验风险最小,所以,它具有好的推广能力。实际数据处理结果表明,该方法在小样本情况下性能优于神经网络,可以很好地克服过学习问题。     

地下核爆炸的自动识别研究

本文简要叙述了远区核爆探测的研究历史和现状，从研究的目的与任务，系统结构与研究思路，程序设计与实现，信号分析理论与模式分类器设计和模式识别结果分析等几方面介绍了“核爆地震模式识别系统”并对下一步研究工作提出了设想。     

核爆次声监测技术的研究现状与技术可行性分析

介绍了次声监测技术在核爆监测系统中的作用,阐述了核爆次声监测技术的研究现状与研究进展情况,并对开展核爆次声监测技术研究的技术可行性进行了分析.     

基于相匹配滤波的面波自动检测算法的实现

准确和可靠的面波测量对于监控全面禁止核试验条约(CTBT)的实施是十分重要的,相匹配滤波可有效检测和测量小当量核爆事件的面波信号,提高天然地震与核爆的识别能力。本文首先介绍了相匹配滤波的理论基础,然后设计了面波自动检测流程及方法,并将其应用到禁核试国家数据中心地震数据处理流水线中。测试结果表明:改进后的面波检测和测量程序提高了面波检测的精度,降低了小震级事件的检测阈值。     

基于Isomap的核爆地震模式识别

本文利用Isomap算法对核爆地震和天然地震的特征空间进行特征的降维,并用距离判别、Fisher判别和Logistic回归对降维后的结果进行了分类测试.实验结果表明:在核爆地震模式识别中,Isomap算法能在保持原数据绝大部分信息的前提下,很好地降低特征空间的维数,从而得到较高的正确识别率,并且优于PCA算法.     

基于高分辨率时频分析的核爆地震信号能量统计初至检测算法

核爆地震波检测是禁核试核查的关键环节之一。常用的短时长时能量均值比、赤池信息准则、傅里叶变换等方法虚警率都比较高,为此,提出一种基于高分辨率时频分析的核爆地震信号能量统计初至检测算法。其基本原理是根据核爆地震事件信号与噪声的频域分布差异,采用窄带分频技术将信号时域波形变换到时频域,在各频带计算局部能量均值与全局能量均值之比并进行二值化处理,当结果大于设定的阈值时,认为此频带该时刻属于地震事件信号的一部分,如果在某一阈值下出现二值化结果相同的情况,只需继续增大阈值进行检测,直到最终只有一个时间点检测到频段的数量最多即可,最大值的跳跃点即认为是初值时刻。利用地下核爆产生的地震信号进行实验研究,结果表明本文方法能够在提高检测准确率的同时解决高虚警问题,在低信噪比信号条件下具有较好的适用性与鲁棒性。     

星载核爆X射线探测技术进展

卫星有效载荷对核爆炸的探测是实现国土及全球核爆监测的最佳手段，核爆传感器也可为空间科学研究积累数据。而星载X射线探测的途径，可较理想地实现对近地太空核爆的探测、识别、定位与确定核爆炸的当量。主要介绍利用X射线探测太空核爆在国外的发展历史及现状，并且预测了今后的发展趋势。     

基于模糊C-均值的原型模式选择及其在核爆地震识别中的应用

协同模式识别是一种全新的有着抗噪声、抗缺损等诸多优良特性的模式识别方法,但将其用于核爆地震和天然地震的分类时,采用现有的原型模式选择方法识别效果并不理想.本文提出了一种基于模糊C-均值的原型模式选择方法,该方法首先对每一类训练样本采用模糊C-均值聚类的方法聚为c类,然后选取这c类的c个重心或c个聚类中心作为该类的原型模式进行核爆地震的协同模式识别.实验结果表明,同现有的原型模式选择方法相比,该方法使识别率有了较大提高.     

次声波估算大气层核爆参数的计算方法综述

在介绍大气层核爆炸爆点距次声探测站点之间距离的计算方法基础上,总结国内外的历次核爆次声监测数据分析结果,给出了几种求解大气层核爆当量的经验计算方程式,并进行了分析比较。     

γ射线产生的快核电磁脉冲模拟研究

为了研究地磁场以及高度因素对高空核爆中射线产生的快核电磁脉冲的影响,选取了低纬度地区作为研究对象,通过计算,对比分析了距爆心不同距离处变化地磁场与稳恒磁场对横向电场的影响,表明地磁场对高空核爆的影响比对低空核爆的影响大,结果与射线的沉积高度以及随当量和距离的变化规律相吻合。     

Application of Pattern Recognition Techniques to Location of Impact Sound Sources on Pressure Vessels

Pattern recognition techniques for loose parts location in nuclear power reactors are investigated. The location method is based on determining a reference impact position closest to the unknown impact from a library in which data for reference impacts are listed. The values of sound amplitude and arrival time as obtained from accelerometers are used for the pattern information which is inherent in impact position. The distance between unknown and reference impact positions is estimated from the similarity of each pattern. The pattern distance between two sound sources is defined as an index of the pattern similarity. Relationships between the pattern distance and the actual distance of the impacts are studied using impact data from a commercial boiling water reactor. It is found that the pattern distance and the actual distance have a very close correlation and the false probability that the zero impact distance is determined to be a distance of more than 0.6 m is 0.15. These results suggest that the pattern recognition techniques can be applied to loose parts detection and location on pressure vessels.     

核爆炸识别技术进展

本文回顾了核爆炸探测领域中识别技术的进展,分析了核爆炸信号特征参数的提取方法,讨论了在有的几种核爆炸识别方法并展望了识别技术的发展前景,指出了模式识别的一些方法,有可能在核爆探测中受到重视并得到广泛应用。     

基于频域数据注意力机制的核电厂水泵故障模式识别模型研究

针对核电厂水泵共性的异常振动、转子部件摩擦与磨损等故障模式,利用水泵最容易获取的泵壳加速度信号的频域数据为输入,提出了一种结合卷积神经网络和注意力网络的频域数据注意力机制方法,并建立了核电厂水泵故障模式识别模型。研究结果表明:相对于传统方法,利用频域数据作为输入、基于频域数据注意力网络算法建立的水泵故障模式识别模型输入的数据长度更短,能够有效提升模型训练的效率,该故障模式识别模型在测试集上的故障模式识别准确率达到100%,优于其他基于深度学习算法建立的故障诊断模型,证明了本文提出方法的优势。      

管道系统泄漏检测神经网络与模式识别方法

提出了以管道系统泄漏后形成多相湍射流所引发的应力波信号时域和频域特征指标构造神经网络输入矩阵，建立对管道运行状况进行分类的神经网络模型以检测管道泄漏故障的发生。并提出以波峰、波谷、水平线、主导峰、支配强度、从属度等模式基元抽取负压波形特征，采用上下文无关文法对管道负压波进行描述，进而建立了管道负压波形结构模式分类系统，用于区别管道正常状态和泄漏状态。实验研究了这些新理论的有效性。     

基于神经网络的综合评判在核爆模式识别中的应用

提出了应用神经网络对由单特征值组成的高阶特征量进行综合评判，以提取了信号的特征值作为神经网络的输入值，构造了地下核爆炸和天然地震的隶属度函数，根据隶属度的大小，确定神经网络的输出结果。并针对在核爆炸模式识别中ＢＰ网络收敛速度较慢的缺点，采用改进的ｄｅｌｔａ算法。结果表明，方法是可行的，改进后的网络训练时间比ＢＰ 网络明显缩短，识别率比单特征值有很大的提高，达到９２％。     

Application of neural networks to multiple alarm processing anddiagnosis in nuclear power plants

A feasibility study of multiple alarm processing and diagnosis using neural networks is presented. The backpropagation network (BPN) algorithm is applied to the training of multiple alarm patterns for the identification of faults in a reactor coolant pump (RCP) system. The general mapping capability of the neural network makes it possible to identify a fault easily. A number of case studies are performed, with emphasis on the applicability of the neural network to the pattern recognition of multiple alarms. Based on the case studies, the neural network can identify the cause of multiple alarms well, although untrained, incomplete/sensor-failed or time-varying alarm symptoms are given. Also, multiple faults are easily identified with a given alarm pattern     

Design of Environmental Monitoring System of Nuclear Facility Based on a Method of Pattern Recognition

The problem to optimize the number and locations of environmental radiation monitoring detectors is formulated by taking the specifically defined distance measures ‘as a performance index and solved numerically using heuristic programming such as branch and bound method. An ideal numerical example neglecting noises due to background radiation and so on shows that the desirable number and locations of detectors are determined mainly by the atmospheric conditions and do not so influenced by the variation of the rate and pattern of activity release from the nuclear facility. It is shown also that the appropriate and sufficient number of monitoring detectors to be located around the facility will be from three to six at most, if considered from the viewpoint of pattern recognition.     

核电站故障诊断专家系统综述

介绍了核电站故障诊断专家系统的发展状况,着重了模式匹配,基于因果网络和基于系统结构与功能模型等诊断方法的基本特点,最后本文还简要了提高诊断系统性能而采用的分布式与混合型的求解策略和人机界面集成化的设计方法。     

A new approach to automatic radiation spectrum analysis

The application of adaptive methods to the solution of the automatic radioisotope identification problem using the energy spectrum is described. The identification is carried out by means of neural networks, which allow the use of relatively reduced computational structures, while keeping high pattern recognition capability. In this context, it has been found that one of these simple structures, once adequately trained, is quite suitable to identify a given isotope present in a mixture of elements as well as the relative proportions of each identified substance. Preliminary results are presented, and are deemed good enough to consider these adaptive structures as powerful and simple tools in the automatic spectrum analysis