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.     

基于微分进化的CMAC的束流中心轨道自动校正算法研究

在高压加速器的束流引出过程中,会出现束流中心轨道偏移的现象。本文基于小脑模型神经网络(CMAC)研究束流中心轨道的自动校正算法。CMAC在学习过程中,一般采用梯度下降法更新网络权值,学习率对收敛速度影响较大。提出采用微分进化算法对CMAC的网络权值进行更新,并与传统方法进行比较。实验表明,基于微分进化的CMAC学习算法,收敛速度更快,可用于束流中心轨道的自动校正算法。     

Elman改进型神经网络在X射线探测器中的应用

提出了采用改进的Elman神经网络拟合图像灰度值与照射量率的关系曲线来标定辐射探测器的方法,探讨了神经网络参数的选取,得到了理论上和实验上的拟合曲线及误差曲线。通过与BP神经网络训练结果比较分析,证明改进Elman算法收敛速度快,误差曲线更加平滑。该算法网络已应用于X射线探测器的标定,与预期目标一致,辐射剂量的测量精度达到10~(-15)。     

基于概率神经网络的放射性核素快速识别方法研究

针对传统神经网络在核素识别中训练效果弱,易陷入局部极小、收敛速度慢等问题,提出了基于概率神经网络的核素识别方法,采用样本的先验概率和最优判定原则对新的样本进行分类。该方法利用能谱预处理过程获得的谱峰宽度、特征能量射线强度、峰面积等特征信息建立训练与测试样本,采用训练样本对概率神经网络模型进行训练,并进行了分类识别仿真实验。通过CZD探测器对3种核素不同组合的实测能谱进行测试,并与传统的神经网络算法进行对比表明:此方法具有较高的识别效率及准确率,可应用于安全监控、失控放射物探测等快速核素识别领域。     

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％。     

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.     

融合压缩感知—Landweber法图像重建

为提高Landweber算法的收敛速度,将压缩感知理论引入到Landweber算法中,理论上证明了该算法的可行性并用改进的距离驱动进行系统矩阵的建模。实验结果证明:融合算法进行图像重建时,算法的收敛速度及采样时间均优于Landweber算法。并用GPU对重建算法进行加速,大幅度提高了算法的执行速度。     

基于融合压缩感知的Landweber算法研究

为提高Landweber算法的收敛速度,将压缩感知理论引入Landweber算法中,理论上证明了该算法的可行性并用改进的距离驱动进行系统矩阵的建模。实验结果证明:融合算法进行图像重建时,算法的收敛速度及采样时间均优于Landweber算法。并用GPU对重建算法进行加速,大幅度提高了算法的执行速度。     

Particle Swarm Genetic Algorithm and Its Application

针对标准粒子群算法在处理非线性约束优化问题时存在收敛速度慢和易陷入局部最优的缺点,设计了一种粒子群遗传算法.该算法采用可行性原则处理约束条件,避免罚函数法中惩罚因子选取的困难;随机产生初始可行群体,加快粒子群收敛速度；引入遗传算法的交叉和变异策略,避免粒子群陷入局部最优.通过对典型测试函数的优化计算,表明粒子群遗传算法有较好的优化性能.将该算法应用在核动力装置优化中,优化效果显著.     

基于奇异值分解和最小二乘支持向量机的气-液两相流流型识别方法

针对气-液两相流压差波动信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了一种基于奇异值分解和最小二乘支持向量机（LS-SVM）的流型识别方法。该方法首先采用经验模态分解将气-液两相流压差波动信号分解为多个平稳的固有模态函数之和,并形成初始特征向量矩阵;对初始特征向量矩阵进行奇异值分解,得到矩阵的奇异值,将其作为流型的特征向量,根据LS—SVM分类器的输出结果来识别流型。对水平管内空气-水两相流4种典型流型进行识别,结果表明,与神经网络相比,该方法具有更高的识别率和识别速度。     

基于粒子群优化算法的压水堆失水事故研究

为提高对失水事故的诊断能力,在反向传播(BP)算法基础上,建立基于粒子群优化(PSO)算法的故障诊断网络,利用PSO算法训练神经网络的权重和阈值,以克服BP算法易陷入局部极小问题。仿真试验表明,该诊断网络对失水事故有较高的诊断精度。     

基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别

根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法.该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别.结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%.     

基于CFNN的核蒸汽发生器水位控制

鉴于常规的PID控制存在控制对象参数变化时控制参数无法改变的不足,从而根据一个核蒸汽发生器(NSG)的简化数学模型,将一种补偿模糊神经网络(CFNN)用于NSG水位的控制。该网络由于引入了补偿神经元,使网络的容错性更好,系统更稳定。同时在神经网络学习算法中动态优化补偿模糊运算,使网络更适应,训练速度更快。仿真表明,该方法在装置负荷变化时比常规的PID控制方法超调量小,收敛速度快。该网络能在线调整参数,动态优化模糊规则,适于在线学习控制。该控制方法对NSG水位智能控制研究具有一定意义。     

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。     

基于神经网络算法的组件截面表达方式研究

为通过事先算好的组件均匀化截面产生堆芯计算所需的随组件当地工况变化的截面,本文采用了神经网络算法对样本截面进行函数逼近。选取贝叶斯规则和提前终止相结合的方法对BP网络进行训练,利用两个算例对其进行检验。并通过与FITLINK计算结果的对比表明,基于神经网络算法的截面表达方式可行。     

摇摆流动不稳定性的遗传算法优化神经网络预测

摇摆工况下自然循环系统的流动不稳定性现象对船用核动力系统的安全性有着显著影响。结合神经网络和遗传算法,对复杂不稳定性行为的预测进行了优化。采用小数据量法计算了流量时间序列的最大Lyapunov指数,得到了时间序列的最大可预测时间。应用单隐层BP神经网络对流量变化进行了多步滚动预测,在步数较少时预测结果与实验结果符合较好。但由于BP神经网络存在陷入局部最优解的问题,为此采用遗传算法对神经网络的初始阈值和权值进行优化,从而改善了BP神经网络的非线性预测性能。本文结果为流动不稳定性的实时预测提供了一种易于实际应用且准确度较高的途径。     

基于自适应BP神经网络的压水堆堆芯换料关键参数的预测方法

运用BP(back propagation)人工神经网络的方法,通过实现堆芯装载方式建模、自适应选择网络节点数、调整学习率和随机梯度下降搜索,快速准确地预测了秦山二期压水堆堆芯燃料换料3个关键参数：有效增殖因数、组件功率峰因子、棒功率峰因子,解决了传统方法需消耗大量算力、时间才能计算的问题。数值实验发现,对于超出训练数据以外的情形,BP神经网络方法的最大相对误差仍不超过2%,表明网络模型的可靠性和鲁棒性能较好,且可毫无困难地推广至其他参数预测,对人工智能算法在核工业领域的进一步应用做出了重要的探索。     

基于神经网络的人工放射性气溶胶中氡子体扣除算法

介绍和分析了人工放射性气溶胶在线监测仪氡子体扣除算法中比例系数扣除法,现有算法存在分类粗糙、扣除准确度不高以及适应性不强等不足。为进一步提高扣除的准确度,降低检测限,提出了利用聚类分析先对谱线进行分类,然后在每个类中利用神经网络进行计算,最后进行扣除的方法。测试结果证明了聚类分析和神经网络扣除方法均能明显降低人工放射性气溶胶在线监测仪的检测限。