基于卷积神经网络的HL-2A装置H模辨识研究 |
| |
引用本文: | 梁嘉禾,刘松芬,王鸿鹏,杜月,王占辉,陈逸航,许敏,夏凡,杨宗谕,钟武律.基于卷积神经网络的HL-2A装置H模辨识研究[J].核聚变与等离子体物理,2022(S1):164-169. |
| |
作者姓名: | 梁嘉禾 刘松芬 王鸿鹏 杜月 王占辉 陈逸航 许敏 夏凡 杨宗谕 钟武律 |
| |
作者单位: | 1. 南开大学物理科学学院;2. 南开大学人工智能学院;3. 核工业西南物理研究院 |
| |
摘 要: | 基于HL-2A装置的放电实验数据,利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法,得到了可靠的高成功率的高约束模时段识别结果。算法中,选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习,得到一个深度为21层的二分类卷积神经网络。该网络模型经过其他474次放电数据的测试集检验,高约束模识别的正确率达到了98.17%。
|
关 键 词: | HL-2A装置 高约束模 卷积神经网络 模式识别 |
|
|