高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于混合神经网络的核动力装置并发故障诊断研究

彭俏 郭立峰 马杰

彭俏, 郭立峰, 马杰. 基于混合神经网络的核动力装置并发故障诊断研究[J]. 核动力工程, 2012, 33(6): 30-34.
引用本文: 彭俏, 郭立峰, 马杰. 基于混合神经网络的核动力装置并发故障诊断研究[J]. 核动力工程, 2012, 33(6): 30-34.
PENG Qiao, GUO Lifeng, MA Jie. Intercurrent Fault Diagnosis of Nuclear Power Plants Based on Hybrid Artificial Neural Network[J]. Nuclear Power Engineering, 2012, 33(6): 30-34.
Citation: PENG Qiao, GUO Lifeng, MA Jie. Intercurrent Fault Diagnosis of Nuclear Power Plants Based on Hybrid Artificial Neural Network[J]. Nuclear Power Engineering, 2012, 33(6): 30-34.

基于混合神经网络的核动力装置并发故障诊断研究

详细信息
    作者简介:

    彭俏(1984—),男,在读博士研究生。2010年毕业于海军工程大学系统工程专业,获硕士学位。现主要从事反应堆运行控制与仿真技术研究。

    郭立峰(1949—),男,教授,博士生导师。1974年毕业于海军工程学院核动力工程专业。现主要从事核能动力工程研究。

    马杰(1983—),男。2009年毕业于海军工程大学核科学与技术专业,获博士学位。现主要从事核反应堆运行控制与仿真技术研究。

  • 中图分类号: TP18

Intercurrent Fault Diagnosis of Nuclear Power Plants Based on Hybrid Artificial Neural Network

  • 摘要: 在对ART-2网络和并行前馈反向神经网络(BP)模型进行分析的基础上,提出了一种针对核动力装置并发故障进行诊断的复合神经网络。先运用ART-2网络识别单一故障,再使用并行BP实现并发故障和新故障的分离。仿真实验表明,所构建的复合神经网络,克服了单一神经网络难于识别并发故障和新故障的缺陷,能够有效地实现并发故障和新故障的诊断识别。

     

  • 加载中
计量
  • 文章访问数:  17
  • HTML全文浏览量:  6
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-08-18
  • 修回日期:  2012-02-10
  • 网络出版日期:  2025-03-08

目录

    /

    返回文章
    返回