典型文献
机器学习法检测加速器设备故障
文献摘要：
介绍了一种基于机器学习的加速器设备故障检测方法.该方法对设备数据之间的关联性进行挖掘,利用设备数据之间的关联性建立关联模型,对加速器运行状态进行感知,通过数据与模型的对比进而实现对故障的检测.以束流位置探测器设备为例作为检测目标,在BEPC Ⅱ上进行了仿真模拟和真实机器测试.实验结果表明:该方法可在加速器动态运行中有效进行故障检测.
文献关键词：
故障检测;机器学习;数据获取;设备故障
中图分类号：
作者姓名：
肖邓杰;乔予思;储中明
作者机构：
中国科学院高能物理研究所,北京100049;中国科学院大学,北京100049;南京大学,南京210023
文献出处：
引用格式：
[1]肖邓杰;乔予思;储中明-.机器学习法检测加速器设备故障)[J].核电子学与探测技术,2022(01):105-109
A类：
B类：
加速器,设备故障,基于机器学习,故障检测方法,利用设备,关联模型,束流位置探测器,BEPC,仿真模拟,数据获取
AB值：
0.342234
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。
