典型文献
基于概率神经网络的核动力装置异常运行工况识别方法设计
文献摘要：
核动力装置结构复杂、运行参数多且耦合程度高,在异常运行工况时,运行参数之间存在极其复杂的非线性关系.采用人工方式进行故障诊断难度较大,亟需一种能高效识别异常运行工况类型的智能技术.概率神经网络(PNN)具有良好的非线性映射功能,适用于核动力装置多参数、强耦合情况下的异常运行工况识别.本文选取6种核动力装置异常运行工况,依托核动力装置事故分析平台进行了模拟计算并提取了特征参数.分别采用PNN与BP神经网络方法,在MATLAB环境中建立了异常运行工况识别模型,并进行了验证.结果表明,基于PNN的异常运行工况识别方法有效,且较传统BP神经网络方法更准确、快速.
文献关键词：
核动力装置;概率神经网络;特征参数提取;异常运行
中图分类号：
作者姓名：
王雯珩;于雷;王晓龙;郝建立;叶磊
作者机构：
海军工程大学 核科学技术学院,湖北 武汉 430033;海军装备部,陕西 西安 710054
文献出处：
引用格式：
[1]王雯珩;于雷;王晓龙;郝建立;叶磊-.基于概率神经网络的核动力装置异常运行工况识别方法设计)[J].原子能科学技术,2022(07):1347-1355
A类：
B类：
概率神经网络,核动力装置,异常运行,运行工况,工况识别,方法设计,运行参数,非线性关系,PNN,非线性映射,多参数,强耦合,事故分析,分析平台,神经网络方法,识别模型,特征参数提取
AB值：
0.185826
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
