-
公开(公告)号：CN119692150A
公开(公告)日：2025-03-25
申请号：CN202311242417.4
申请日：2023-09-25
Applicant: 上海交通大学
IPC: G06F30/27 , G21C17/108 , G06F30/18 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种处理探测器移动的堆芯功率分布重构方法，通过以探测器位置为核心进行有效域划分，同属一个区域的空间分配该探测器的观测值，进而构建与高分辨率物理场相同分辨率的观测场。基于观测场和高维观测场的大量样本，采用卷积神经网络进行训练，最后得到以观测推物理场的神经网络。基于该神经网络可以处理探测器位置小量移动下的物理场重构问题，以此可构建处理探测器移动的堆芯功率分布重构系统。本发明基于2D IAEA的测试发现在探测器移动位置限制在5cm范围内，重构快热群通量和功率分布的均方误差在5％以内，满足工程精度要求。
-
公开(公告)号：CN117807882A
公开(公告)日：2024-04-02
申请号：CN202311860377.X
申请日：2023-12-31
Applicant: 上海交通大学
IPC: G06F30/27 , G01D21/02 , G06N3/047 , G06N3/08 , G06F111/08 , G06F119/06 , G06F119/08 , G06F119/02
Abstract: 一种基于残差神经网络的堆芯监测的物理场重构方法，包括：根据探测器的位置和测量值，构建真实物理场；对所述探测器进行扰动，记录扰动后的探测器测量值；获得物理场上每个点对应的最近距离的探测器，并记录最近探测器索引；将探测器的测量值扩展到待重构物理场的相同维度，对每个样本的所有探测器进行随机扰动，获得扰动后的探测器的测量值集合；构建残差神经网络；利用训练后残差神经网络，以新获取的扩展后测量值集合作为输入，输出即为重构物理场。本发明采用了残差神经网络，使用扰动后的观测数据作为输入，能够将物理场高度准确的重构。
-
公开(公告)号：CN117950804A
公开(公告)日：2024-04-30
申请号：CN202410127805.6
申请日：2024-01-30
Applicant: 上海交通大学
IPC: G06F9/455 , G06F16/27 , G06N20/00 , G06F16/215 , G06F16/25 , G06F16/22 , G06F21/60 , G06F11/14 , G06Q50/06
Abstract: 本发明提供了一种面向核工程大数据分析的流批一体化分布式方法及系统，在分布式环境中，部署Kafka集群，进行模拟数据源的数据传输；部署Flink流处理平台，对数据流进行流数据处理；部署Kubernetes集群，通过网络策略和防火墙规则实现集群的网络隔离和数据传输安全；部署HBase数据库，对流处理后的数据进行列式存储；提供一数据回归预测模型，对输入数据进行异常实时预测；对存储数据进行批处理，并结合历史数据对模型进行更新；对核电站各个组件进行建模，对核电站的各传感器数据和/或运行状态进行实时监测。本发明实现了一个高效、可靠、安全的分布式数据处理和分析架构，适用于数据密集型的核工程领域。
-
公开(公告)号：CN117807373A
公开(公告)日：2024-04-02
申请号：CN202311860379.9
申请日：2023-12-31
Applicant: 上海交通大学
IPC: G06F18/10 , G06N3/0499 , G06N3/084
Abstract: 本发明提出了一种处理探测器振动和噪声容忍的物理场重构方法，包括在探测器观测数据中添加随机噪声，微微扰动探测器位置。通过插值技术，将处理后的数据扩展到与待重构的物理场相同的维度，从而创建与高分辨率物理场相一致的观测场。本发明采用残差神经网络，将扰动后的观测数据用作输入。在2D IAEA数据验证中，本发明的实施例表明，当面临5％的噪声时，本发明框架能够将相对二范数误差从3.512％降低到0.911％，将无穷范数误差从9.091％降低到2.755％。此外，当扰动范围为1cm时，本发明的方法能够高度准确地重构物理场。其重构后的物理场相对二范数误差约为0.1％，相对无穷范数误差约为1％，明显超过了工业标准的要求。
-
-
-
Search Results
4
records
(took 0.068 seconds)
