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elman神经网络的蒸汽发生器水位重构

段孟强 郑映烽 陈玉清 王贵利

段孟强, 郑映烽, 陈玉清, 王贵利. 基于elman神经网络的蒸汽发生器水位重构[J]. 核动力工程, 2013, 34(3): 116-119.
引用本文: 段孟强, 郑映烽, 陈玉清, 王贵利. 基于elman神经网络的蒸汽发生器水位重构[J]. 核动力工程, 2013, 34(3): 116-119.
DUAN Meng-qiang, ZHENG Ying-feng, CHEN Yu-qing, WANG Gui-li. Reconstruction of Water Level of Steam Generator Based on Elman Neural Network[J]. Nuclear Power Engineering, 2013, 34(3): 116-119.
Citation: DUAN Meng-qiang, ZHENG Ying-feng, CHEN Yu-qing, WANG Gui-li. Reconstruction of Water Level of Steam Generator Based on Elman Neural Network[J]. Nuclear Power Engineering, 2013, 34(3): 116-119.

基于elman神经网络的蒸汽发生器水位重构

详细信息
    作者简介:

    段孟强(1987-),男,在读硕士研究生。2010年毕业于东华理工大学,获学士学位。现从事船用核动力装置运行支持研究。郑映烽(1962—),男,高工,硕士生导师。2004年毕业于海军工程大学,获硕士学位。现主要从事核能科学与工程专业的教学与科研工作。陈玉清(1980—),男,讲师,博士。2011年毕业于海军工程大学,获博士学位。现主要从事舰船核反应堆安全分析研究工作。

  • 中图分类号: TL364+.9

Reconstruction of Water Level of Steam Generator Based on Elman Neural Network

  • 摘要: 蒸汽发生器(SG)水位指示仪表出现虚假指示或者丧失指示的情况时有发生,严重影响操纵员对核动力装置运行情况的判断。elman神经网络是典型的动态神经网络,在处理复杂非线性对象中能直接反映动态过程系统的特性。本文提出用elman神经网络重构蒸汽发生器水位的方法,以主蒸汽管道破口事故下重构蒸汽发生器水位为例建模求解,与仿真数据进行对比,结果表明elman神经网络对SG水位重构的相对误差小、精度高,能满足实际需要。

     

  • 加载中
计量
  • 文章访问数:  12
  • HTML全文浏览量:  4
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-12-20
  • 修回日期:  2011-05-04
  • 网络出版日期:  2025-03-08

目录

    /

    返回文章
    返回