粒子群优化算法在神经网络识别γ能谱中的应用

在神经网络识别γ能谱的应用中,针对BP算法极易陷入局部极小、收敛速度慢的缺点,根据粒子群优化算法具有全局寻优的特点,本文将PSO与BP算法结合起来形成一种训练神经网络的新算法--混合PSO-BP算法.将该算法应用到γ能谱识别中,克服了BP算法极易陷入局部极小的缺点,并且训练好的网络具有很好的泛化能力,识别正确率为100%.实例表明,混合PSO-BP算法用于γ能谱识别是非常理想的、有效的.     

RBF网络高斯型传输函数的FPGA实现

本文在研究CORDIC算法的基础上,在FPGA上实现了RBF网络的Gauss型传输函数,分析了该实现方法在输入为[-7 0]时的误差,并得出实现该函数的CORDIC迭代所需资源仅和同样字长的乘法器相当.当把CORDIC算法实现的传输函数用于解决XOR问题的RBF网络时,该网络也表现出良好的性能.     

BP算法的加速方法及其在核供热堆故障诊断中的应用

本文提出一种ＢＰ算法的加速收敛方法，利用误差自动调整步长和元输出特性Ｓ函数的参数，可大大提高算法的收敛速度。将此方法应用于２００ＭＷ核供热堆故障诊断研究，取得了较好的结果，证明此法是行之有效的。     

BP神经网络改进算法在核电设备故障诊断中的应用

根据训练误差大小自适应调整神经元输入特性参数,并应用改进的遗传算法对神经网络的权值和隐含层数目进行优化,对传统的人工神经网络误差反传算法进行了改进,使训练算法的收敛速度大大提高.将人工神经网络技术和改进的BP网络训练算法应用于核电设备故障诊断,并以核电蒸汽发生器U形管破裂为例,建立了故障诊断模型.仿真结果表明,该算法的应用是可行的.     

人机交互低能辐射探测系统设计

设计了一种基于CMOS图像传感器与FPGA结合HMI(HumanMachineInterface)的低能辐射探测系统。该系统通过HMI将数据传输至手机APP,使用手机APP对探测结果进行显示并同步HMI进行远程控制。优化前端算法,提出了BP神经网络与边缘检测求和算法相结合的算法。利用60Co对系统的精确度与灵敏度进行测试,实验结果表明,通过BP神经网络与边缘检测求和算法的结合,采用HMI进行无线远程控制,可实现低能辐射在线探测技术的高精确度和高灵敏度特性。     

BP神经网络在DNBR计算中的应用

在压水堆事故分析中,通常采用系统分析程序、热流密度计算程序和子通道分析程序分步计算堆芯偏离泡核沸腾比(Departure from Nucleate Boiling Ratio,DNBR)。利用该方法计算的堆芯DNBR结果准确性较好,但是计算过程繁琐、费时。对于系统分析程序自带的堆芯DNBR简化计算模型,由于其根据堆芯限制线偏微分近似得到,适用范围较窄,准确性也难以保证。利用神经网络中的误差反向传播(Back Propagation,BP)算法,基于堆芯核功率、入口温度、流量和压力4个变量对应的一系列DNBR值,选取部分数据进行训练并建立模型,以达到快速和准确地预测堆芯DNBR的目的。根据误差分析,建立的计算模型具有较好的准确性,而且在部分失流事故和汽机停机事故下可较好地预测堆芯DNBR。     

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。     

遗传神经网络对水平通道流动沸腾传热系数的预测

分别采用3层反向传播神经网络(BPN)和遗传神经网络(GNN)预测从常规通道到微通道尺度范围内的管内流动沸腾传热系数,GNN的精度优于BPN的精度(均方根误差分别为17.16%和20.50%)。输入参数为含气率、质量流密度、热流密度、管径和物性,输出参数为传热系数。基于GNN预测结果,进行了参数趋势分析。对常规通道,传热系数随压力的增大而增大;对微通道,低压时传热系数受压力影响很小,高压、低含气率时,传热系数随压力的增大而增大,高压、高含气率时,传热系数随压力的增大而减小。传热系数随质量流密度、热流密度的增大而增大。随含气率的增大,传热系数先增大后减小;微通道发生烧干时的含气率较低。传热系数随管径的减小而增大;管径越小,越易发生烧干。     

快中子反应堆的FCCI分析与预测

根据快堆裂变产物行为的动力学模型和燃料元件包壳氧化腐蚀的机理，选取燃料初始Ｏ／Ｍ比、燃耗和包壳内壁温度作为自变量，以６个国家的堆内试验参数和８２个ＦＣＣＩ测量值为样品数据，用神经网络扩展δ算法拟合出这些变量与ＦＣＣＩ深度值间的非线性映射关系式。以该方法计算的ＦＣＣＩ深度和相应的堆内ＦＣＣＩ测量值作对比，得出计算值与测量值的相符率、计算值的均方差及其置信度，明显优于现有ＦＣＣＩ经验方程。用该方法分析预测了ＣＥＦＲ设计参数下的ＦＣＣＩ深度。     

宇宙射线μ子成像重建算法研究

图像重建算法是成像技术中的重要组成部分。介绍了基于多次库仑散射的宇宙射线μ子成像基本原理,系统研究了现有μ子的成像算法,通过对模拟实验成像结果的对比,分析了各种算法的特点,总结了各种算法在成像精度和运算速度上的优点与不足,并在此基础上,对μ子成像算法未来的发展趋势进行了探讨。     

人工神经元网络在核电工程中的应用现状

本文综述了人工神经元网络（ＡＮＮ）在核电工程中的应用现状，包括，报警处理和故障诊断；热功率预测，传感信号的有效性确认；核电厂运行变量的动态辨识；堆芯管理等其它方面。并分析了ＡＮＮ应用于核电工程中的特点及前景，指出了今后有待解决的问题。     

一种基于BP神经网络的γ能谱识别方法

根据神经网络可以进行模式分类的特点,利用BP神经网络识别γ能谱的技术进行了初步研究,对影响识别结果的因素进行了探讨.     

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。     

泊松克里金算法在核辐射场重构中的应用研究

为验证泊松克里金法在核辐射场重构中的应用效果,本文对泊松克里金算法在辐射场剂量率插值计算中的计算原理进行了研究,结合代理模型对泊松克里金算法进行了求解。通过SuperMC软件建立虚拟辐射场,对泊松克里金算法的参数影响进行了分析,筛选出二次多项式基函数和GAUSS误差相关模型。采用6150AD-b闪烁体探测器对实际放射源进行测量,并利用实测辐射场剂量率数据和福岛周边空间剂量率数据对泊松克里金算法在核辐射场重构中的可行性进行了验证。结果表明：小范围简单辐射场中,样本数据量为网格点数的1/10时,平均相对误差在10%以内;大范围辐射场中,辐射热点区域略有偏移,平均相对误差为141.69%。以上结果表明,该方法在快速、低成本解决未知放射源辐射场的重构问题中有一定的潜力。     

泊松克里金算法在核辐射场重构中的应用研究

为验证泊松克里金法在核辐射场重构中的应用效果,本文对泊松克里金算法在辐射场剂量率插值计算中的计算原理进行了研究,结合代理模型对泊松克里金算法进行了求解。通过SuperMC软件建立虚拟辐射场,对泊松克里金算法的参数影响进行了分析,筛选出二次多项式基函数和GAUSS误差相关模型。采用6150AD-b闪烁体探测器对实际放射源进行测量,并利用实测辐射场剂量率数据和福岛周边空间剂量率数据对泊松克里金算法在核辐射场重构中的可行性进行了验证。结果表明：小范围简单辐射场中,样本数据量为网格点数的1/10时,平均相对误差在10%以内;大范围辐射场中,辐射热点区域略有偏移,平均相对误差为141.69%。以上结果表明,该方法在快速、低成本解决未知放射源辐射场的重构问题中有一定的潜力。     

基于模糊神经网络的核动力装置设备故障诊断系统研究

将模糊逻辑与神经网络相结合,对模糊逻辑和神经网络的区别和联系进行了阐述,并探讨了它们之间的结合．模糊神经网络结构及其实现算法,并将这一理论应用于核动力装置故障诊断,建立了基于模糊神经网络的船用核动力装置故障诊断系统。为了验证该系统的有效性,以蒸汽发生器U形管破裂事故为例,进行了仿真实验研究。诊断结果表明该理论方法对此事故完全可以正确识别。     

基于遗传算法的核动力设备实时故障诊断系统

在神经网络故障诊断研究的基础上,将遗传算法引入神经网络优化,并在此基础上设计了核动力设备遗传优化神经网络实时故障诊断系统.测试结果表明,该故障诊断系统能迅速、准确、可靠地诊断出所设故障.     

基于神经网络的核动力一回路专家系统故障诊断

建立了一种将专家系统融入神经网络的故障诊断模型。通过研究产生式规则的特性,提出了二元与式规则,并将其应用到神经网络的二进制编码中,实现了二者的有效结合。推理算法采用正向神经网络推理,避免了知识的冲突,同时推理过程中保存神经网络的中间结果,使诊断过程可得到追踪。仿真实验结果表明,该方法具有较低的误诊率,能满足实际故障诊断的需求。     

基于遗传算法的神经网络分类器

本文基于遗传算法和级联相关算法的组合，提出了遗传辅助级联相关学习算法。该算法能够根据问题的需要自动设计网络结构，同时能有效地消除竞争协议问题。实验结果表明，与级联相关算法相比，它具有结构紧紧，泛化能力好等优点。