GMM模型在核能谱平滑滤波中的应用

结合核能谱的统计特性,采用高斯混合模型(Gaussian mixture model,GMM)对核能谱进行平滑滤波处理。其基本思想是:利用GMM模型良好的逼近能力对核能谱进行函数逼近,为原始能谱曲线建立基于GMM的数学模型,在该模型的多次运算过程中实现更合理的平滑滤波。     

全变差正则化法凸优化平滑γ能谱

在残差代价最小化函数基础上加入全变差正则化惩罚函数项,通过凸优化技术实现了γ能谱的平滑,并提出了由最优权衡曲线确立残差和全变差正则化权衡因子方法。与滑动平均、SavitzkyGolay、小波滤波等方法的对比结果表明,该方法参数设置简单便捷,在全道域内即保证了平滑后能谱峰形的相似,又获得了更好的平滑效果。     

基于小波变换的γ能谱分析

为进行γ能谱分析，需要减少、抑制放射性计数的统计涨落。针对常用平滑滤波方法中存在的不足，使用小波变换的方法对复杂的γ能谱进行平滑滤波，获得了令人满意的效果。这更有助于精确找出全部的全能峰的峰位和计算全能峰的面积，使得γ能谱的分析更为精确。     

利用小波滤波方法对γ能谱进行处理

最小二乘平滑滤波是目前用来对带有统计涨落的γ能谱进行处理的主要方法，这种方法可以很好地去除γ能谱中的统计涨落。它的缺点是有可能使γ能谱的形状发生畸变。本文应用小波滤波对复杂的γ能谱进行滤波处理。由于小波变换的多分辨率特性，使得滤波既做到了对能谱统计涨落的消除，又保持了γ能谱的形状。     

核能谱模拟的正态组合实现方法

结合核能谱的随机特性,探讨了核能谱的正态组合模拟方法。该方法将核能谱分解为正态分布函数的组合,进而转化为参数化模型,并对正态组合函数进行随机抽样以模拟原始能谱。该方法可以灵活地调整正态函数的个数和各正态函数的标准偏差,以满足模拟中对谱线平滑度、准确度的不同要求,是一种效果较好的参数化模拟方法。     

基于EMD-DISPO的α能谱平滑方法

在进行α能谱分析时,为减少或抑制放射性计数的统计涨落,针对经典方法的不足,提出了基于EMD-DISPO的α能谱平滑滤波处理方法。根据此原理,在MATALB 2012上编程,实现了谱数据的处理。结果表明:平滑后的谱数据效果比经典方法更精准,有助于更准确地进行能谱分析。     

高速数字多道能谱技术研究

数字信号处理技术在核测量领域的广泛应用,极大地提高了核能谱测量的精确度和灵活性。我们的高速数字多道使用了一个10位80MSPS的模数转换器,转换后的采样信号噪声比较大,利用一级数字FIR滤波处理单元对信号进行处理,可以使高频采样引入的噪声得到有效滤除,提高信噪比。由于成形参数可调,数字核信号的数字成形处理(梯形成形),在强辐射能谱测量中具有良好的脉冲堆积处理能力。结合FIR滤波和数字成形的高速数字多道能谱系统可以实现核信号能谱的精确测量。     

数字核信号处理平台设计

介绍了基于Flask框架的数字核信号处理平台设计。该平台对单个采集任务上传的数字核信号进行实时滤波,获取能谱和脉冲计数,任务完成后原始核信号数据以数据包保存于服务端。该平台还对数据包里的原始数据使用平台提供的滤波、去堆积、获取能谱和脉冲计数等算法程序进行综合分析。同时也开发了一套基于网页技术的人机交互界面,可以让用户与服务端友好地交互。     

参数最优化数字核能谱获取系统研究

为建立最优能量分辨的数字化核能谱装置,探讨了一种参数最优化数字核能谱获取系统的设计原理及软件实现,通过对核信号预采样和自学习,给出最优化滤波方案和前端条件线路最佳参数。与相同条件下模拟多道系统获取的能谱相比,该数字化能谱获取系统优于模拟系统。     

随机信号的RBF建模方法

以核随机信号为例,利用径向基(RBF)网络方法建立其神经网络模型,并将该模型和随机抽样方法结合进行了核随机信号统计特性的模拟。结果表明,所用的径向基(RBF)模型方法可以任意精度描述信号的随机特性,并具有参数较少的特点。     

核电站分布式智能故障诊断系统研究与设计

为进一步减少核电站运行中发生故障后的误操作,根据核电站各设备功能分布及核电站数字化仪控系统分布式控制的特点,研究设计了核电站分布式状态监测与故障诊断系统。依据分解 综合的诊断思想,提出模糊神经网络和RBF神经网络进行分布式局部诊断和多源信息融合技术进行全局综合诊断的方法。仿真实验结果表明,该诊断系统能够正确诊断压水堆核电站多个典型故障,并能为核电站运行提供有效的帮助信息。     

基于复合人工神经网络的核电站实时故障诊断方法研究

针对核电站运行时故障或事故状态的在线实时判定,提出了一种基于复合人工神经网络的故障诊断和事故判定方法.其基本思想是:首先应用BP网络对事故进行成组快速诊断,而后应用RBF网络对BP网络的诊断结果进行区分和检验.利用核电站正常状态和多种事故状态下各故障特征参数输出的仿真计算结果,对所提出的方法进行了检验.结果表明,通过BP网络和RBF网络的优势互补,不仅能对学习过的故障进行快速、正确的诊断,对不同工况下的故障以及未定义的新故障也能够有效地识别.该方法采用的是随时间序列输出诊断结果及其可信度的方式,操纵员容易接受推理结果.     

基于RBF神经网络的NPP运行状态趋势预测

针对当前核动力装置事故判断采用传统阈值报警方法难以实现早期预警这一问题,提出根据状态参数的变化趋势、利用RBF神经网络良好的局部特性对核动力装置运行状态趋势进行预测的方法。对正常瞬变和小破口失水事故下运行状态趋势进行了预测,结果表明,RBF神经网络能很好地预测状态的变化,与实测值拟合较好,能实现事故的早期预警。     

基于神经网络方法的LOCA事故诊断

冷却剂丧失事故(Loss of Coolant Accident,LOCA)是核电厂安全分析中的一类典型事故,不同的破口位置和破口尺寸将直接影响到事故的处置和后果。为判断LOCA事故的破口位置和尺寸,可以借助于神经网络的模式识别功能。针对CPR1000核电系统,利用CATHARE软件建模并仿真不同破口位置和尺寸的LOCA事故,提取事故发生时的6类热工水力参数对BP(Back Propagation)神经网络、Elman神经网络、RBF(Radial Basis Function)神经网络和支持向量机进行训练,再将训练后的神经网络用于破口位置和尺寸的诊断。结果表明,在4种神经网络中,参数优化后的支持向量机对破口位置和尺寸的诊断准确率较高且诊断稳定性较好。在LOCA事故发生时,可以利用支持向量机获取破口的详细信息,辅助操纵员高效地处理事故。     

BP－RBF神经网络在核电厂故障诊断中的应用

本工作将BP（backpropagation）神经网络与RBF（radialbasisfunction）神经网络相混合,并将其应用于核电厂的状态监测与故障诊断系统中,通过对核电厂典型故障的特征分析,建立相应的网络结构。为验证该混合网络的有效性,在核动力装置模拟器上进行了仿真实验研究,并用VisualBasic6.0编写了网络程序。研究结果表明：该混合网络具有良好的诊断准确性、实时性和可扩充性。     

Critical heat flux prediction by using radial basis function and multilayer perceptron neural networks: A comparison study

Critical heat flux (CHF) is an important parameter for the design of nuclear reactors. Although many experimental and theoretical researches have been performed, there is not a single correlation to predict CHF because it is influenced by many parameters. These parameters are based on fixed inlet, local and fixed outlet conditions. Artificial neural networks (ANNs) have been applied to a wide variety of different areas such as prediction, approximation, modeling and classification. In this study, two types of neural networks, radial basis function (RBF) and multilayer perceptron (MLP), are trained with the experimental CHF data and their performances are compared. RBF predicts CHF with root mean square (RMS) errors of 0.24%, 7.9%, 0.16% and MLP predicts CHF with RMS errors of 1.29%, 8.31% and 2.71%, in fixed inlet conditions, local conditions and fixed outlet conditions, respectively. The results show that neural networks with RBF structure have superior performance in CHF data prediction over MLP neural networks. The parametric trends of CHF obtained by the trained ANNs are also evaluated and results reported.     

RBF神经网络校正长距离α测量的非线性研究

论文以被测管管径、管长、测量距离、风速、空气流量五个测量因素为输入,测量结果电离电压值为输出,利用RBF神经网络对LRAD测量结果进行预测。在活度为523.3 Bq的239Puα放射源环境下,测量220组数据。将BP神经网络与RBF网络对比,两者的平均绝对误差分别为5.65%、4.35%,训练时间分别为1.453、0.769 s。实验结果表明:RBF神经网络对LRAD测量结果的非线性校正效果优于BP神经网络。     

一种基于BP神经网络的γ能谱识别方法

从军控现场核查过程中敏感信息保护的目的出发,对利用BP神经网络技术通过γ能谱识别核部件类型的方法进行了初步研究.实验时识别正确率达到98%以上,说明利用神经网络技术识别核部件是一种切实可行的方法.     

核电厂两种实时故障诊断系统的对比

分别利用模糊神经网络技术和数据融合技术,采用VB6.0编程语言开发了核电厂实时故障诊断系统,并对诊断系统中所应用的智能诊断算法进行了详细的阐述.为比较直观地对比两个诊断系统,利用数据通讯程序接口使该诊断系统与仿真机进行实时数据交互,并在仿真机上设置了4种故障对两个诊断系统进行在线测试.测试结果表明,应用模糊神经网络技术和数据融合技术均能对故障进行识别,但都存在各自的优点和不足.离线分析表明,针对不同的故障类型,当特征参量较少时,采用模糊神经网络诊断技术较好;而特征参量较多时,最好采用数据融合诊断技术.