基于PSO优化神经网络响应面技术的非能动系统可靠性分析

EI、CA、JST收录
核领域 T1 级期刊
北大中文核心期刊
中国科技核心期刊

官方微信

作者登录专家审稿编辑办公主编办公

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PSO优化神经网络响应面技术的非能动系统可靠性分析

丁浩, 蔡琦, 张永发, 蒋立志, 魏柯

文章导航 > 核动力工程 > 2018 > 39(4): 101-106

丁浩, 蔡琦, 张永发, 蒋立志, 魏柯. 基于PSO优化神经网络响应面技术的非能动系统可靠性分析[J]. 核动力工程, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

引用本文:

丁浩, 蔡琦, 张永发, 蒋立志, 魏柯. 基于PSO优化神经网络响应面技术的非能动系统可靠性分析[J]. 核动力工程, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

Ding Hao, Cai Qi, Zhang Yongfa, Jiang Lizhi, Wei ke. Reliability Analysis of Passive System Based on PSO Optimized Neural Network Response Surface Method[J]. Nuclear Power Engineering, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

Citation:

Ding Hao, Cai Qi, Zhang Yongfa, Jiang Lizhi, Wei ke. Reliability Analysis of Passive System Based on PSO Optimized Neural Network Response Surface Method[J]. Nuclear Power Engineering, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

丁浩, 蔡琦, 张永发, 蒋立志, 魏柯. 基于PSO优化神经网络响应面技术的非能动系统可靠性分析[J]. 核动力工程, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

引用本文:

丁浩, 蔡琦, 张永发, 蒋立志, 魏柯. 基于PSO优化神经网络响应面技术的非能动系统可靠性分析[J]. 核动力工程, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

Ding Hao, Cai Qi, Zhang Yongfa, Jiang Lizhi, Wei ke. Reliability Analysis of Passive System Based on PSO Optimized Neural Network Response Surface Method[J]. Nuclear Power Engineering, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

Citation:

Ding Hao, Cai Qi, Zhang Yongfa, Jiang Lizhi, Wei ke. Reliability Analysis of Passive System Based on PSO Optimized Neural Network Response Surface Method[J]. Nuclear Power Engineering, 2018, 39(4): 101-106. doi: 10.13832/j.jnpe.2018.04.0101

基于PSO优化神经网络响应面技术的非能动系统可靠性分析

doi: 10.13832/j.jnpe.2018.04.0101

海军工程大学核能科学与工程系, 武汉, 430033

作者简介:
丁浩（1993—），男，硕士研究生，现从事舰船核动力维修工程研究

通讯作者:
张永发,E-mail:49290412@qq.com

中图分类号: TL38
计量
- 文章访问数: 207
- HTML全文浏览量: 35
- PDF下载量: 2
- 被引次数: 0
出版历程
- 收稿日期: 2017-06-26
- 修回日期: 2017-10-30

Reliability Analysis of Passive System Based on PSO Optimized Neural Network Response Surface Method

Department of Nuclear Science and Engineering, Naval University of Engineering, Wuhan, 430033, China

摘要: 在非能动可靠性分析数学模型的基础上,结合某型核动力装置非能动余热排出系统原理性试验装置和改进的热工水力程序的运行数据,识别了输入参数的不确定性,比较了不同神经网络响应面技术替代热工水力程序的精度和优度,分析了粒子群优化算法(PSO)优化神经网络响应面分类准确率。数值结果表明,该响应面具有较高的拟合优度,且能够较为准确的对非能动系统系统可靠性进行判定。
- 非能动系统 /
- 响应面 /
- 神经网络 /
- PSO
Abstract: On the basis of reliability analysis mathematical model, combined with the operating data from an experimental facility and improved thermal-hydraulic codes, the uncertainty of input parameters is identified. Compared with the accuracy and the goodness of different Neural Network Response Surface methods, the one optimized with PSO is analyzed by classification accuracy. The results show that PSO response surface has relatively better fitting performance and can evaluate the reliability of the passive system accurately.
- Passive system /
- Response surface /
- Neural Network /
- PSO

参考文献(0)

资源附件(0)

计量

文章访问数: 207
HTML全文浏览量: 35
PDF下载量: 2
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回