一种基于LeNet-5算法的核反应堆运行工况判断方法技术

本发明专利技术涉及一种基于LeNet

【技术实现步骤摘要】
一种基于LeNet
‑
5算法的核反应堆运行工况判断方法


[0001]本专利技术属于电数字数据处理
，具体涉及一种基于LeNet
‑
5算法的核反应堆运行工况判断方法。

技术介绍

[0002]工况是指设备的工作运行状况，核反应堆运行包含多种工况，以满足对生产需要，如满功率运行工况等。
[0003]工况检测主要是指测量和监视设备运行状态信息和特征参数，包含温度、周期、功率、压强等数据，以判断其状态是否正常。具体而言，核反应堆的周围分布着多个传感器，如：出水口与入水口处广泛分布的温度传感器。
[0004]检测工况的目的是判断此时反应堆是否处于目标工况。工况检测可实时掌握核反应堆的运行状态，以便及时调整参数，保证满足生产需要以及安全性。
[0005]如今技术：专家根据经验将这些数据输出为一个具体值，与周期、功率、压强等生成一个包含四个元素的矩阵，再与设计好的工矿标签对比，以判断核反应堆此时的工况。由于是人工判断，具有很高的误差性、不确定性以及人为性等等，没有用数学模型定量定性地分析已有的数据，并且需要人工输入工况标签。据美国、日本等六个国家近年来联合进行的调研，核反应堆相关工作中人因失误相关事件占比很高，主要是核反应堆系统在发生异常时，操纵员利用传统的盘台判断系统状态难度较大，且要承受很大的精神压力，这种情况下操纵员常会被不正确的思维方式或者不完整的数据引入歧途，在不了解电厂真实的运行状态下做出了错误的决定。
[0006]因此，现阶段需设计一种基于LeNet
‑
5算法的核反应堆运行工况判断方法，来解决以上问题。

技术实现思路

[0007]本专利技术目的在于提供一种基于LeNet
‑
5算法的核反应堆运行工况判断方法，用于解决上述现有技术中存在的技术问题，使用深度学习中LeNet
‑
5算法来自动判断小型压水反应堆的工况，用数学方法定量定性地分析数据，并自动判断出与现状态最接近的工况，对核反应堆有着更加精准的工况自动检测。
[0008]为实现上述目的，本专利技术的技术方案是：一种基于LeNet
‑
5算法的核反应堆运行工况判断方法，包括以下步骤：S1：原数据的预处理；将原有的传感器数据进行预处理，使之更好的在神经网络中进行计算与特征提取；S2：数据的神经网络计算；将第一步预处理后的数据进行特征提取，最终得到具体的向量；S3：工况的判断；将第二步得到的结果与已经设定好的工况标签匹配，以得到此时的工况结果；
其中，需要先设定工况标签，将之前已有的数据代入，进行带标签的监督学习。
[0009]进一步的，步骤S1具体如下：S11：构造数据矩阵；工况判断需要的原数据包括温度T；设有按位置分布的传感器数据；即，温度,由于小型压水堆大致为三维圆柱体，将各个位置的温度数据二维展开，形成一个二维矩阵，如下：；S12：预处理；对原始数据进行预处理；其中A为系数，为平均传感器数据，目的是让数据都在0附近徘徊；激活函数选择logistic函数：如此可将原数据有区别的分布在[0,1]之内。
[0010]进一步的，步骤S2具体如下：S21：输入层输入层选择预处理后的数据；S22：C1层卷积对输入的矩阵数据进行第一次卷积运算，使用4个大小为3*3的卷积核，卷积核如下 ，，，得到4幅大小为14*14的特征图，具体计算如下：设其中一个卷积核为,这个卷积核对应的特征图为：,权重为[],偏置为b.权重与偏置为可训练参数,一共4*（3*3+1）=40个训练参数；数；
……
其中为logistic函数。
[0011]S23、S2层池化
使用2*2的核进行池化，步长为2，得到4幅7*7的特征图，一共有4*（1+1）=2个训练参数，具体计算如下：设池化后其中一幅特征图为：其中：其中：
……ꢀ
。
[0012]进一步的，工况判断需要的原数据还包括周期S、功率P、压强U。
[0013]与现有技术相比，本专利技术所具有的有益效果为：本方案其中一个有益效果在于，将传感器数据二维展开成矩阵形式，并使用LeNet
‑
5算法对数据进行特征提取，从而实现对核反应堆运行工况的自动判断。即使用LeNet
‑
5算法来自动判断小型压水反应堆的工况，用数学方法定量定性地分析数据，并自动判断出与现状态最接近的工况，对核反应堆有着更加精准的工况自动检测。具有自动判断功能，不像人工具有一定的不确定性，并且可以在无人环境中使核反应堆继续正常工作。使用训练好的LeNet
‑
5算法可以有更好的准确度。现有标签只是一个包含4个元素的向量，有很多的信息缺失，必然导致准确性下降，而使用本专利算法，输出为4组多维向量，包含更多的原始信息来判断工况，则具有更高的准确度。
附图说明
[0014]图1为本专利技术的具体实施例的方法步骤流程示意图。
具体实施方式
[0015]为了使本专利技术的目的，技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术，即所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0016]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]如图1所示，一种基于LeNet
‑
5算法的核反应堆运行工况判断方法，包括以下步骤：S1：原数据的预处理；将原有的传感器数据进行预处理，使之更好的在神经网络中进行计算与特征提取；S2：数据的神经网络计算；将第一步预处理后的数据进行特征提取，最终得到具体的向量；S3：工况的判断；将第二步得到的结果与已经设定好的工况标签匹配，以得到此时的工况结果；其中，需要先设定工况标签，将之前已有的数据代入，进行带标签的监督学习。
[0018]进一步的，步骤S1具体如下：S11：构造数据矩阵；工况判断需要的原数据包括温度T；设有按位置分布的传感器数据；即，温度,由于小型压水堆大致为三维圆柱体，将各个位置的温度数据二维展开，形成一个二维矩阵，如下：；二维展开不必精确，不影响结果。重要的是，核心在于一定要固定传感器与矩阵中元素的一一对应关系且不再变动，边缘空缺位置可填充为0。小型压水堆的温度传感器在10^2的量级，故本专利中以16*16的数据矩阵为例。
[0019]S12：预处理；输入16*16数据矩阵，由于原始数据不是[0,1]的数据，故使用激活函数将数据转换成[0,1]内的数。并且由于温度等数据值都远远大于0，故先对原始数据进行预处理；其中A为系数，为平均传感器数据，目的是让数据都在0附近徘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LeNet
‑
5算法的核反应堆运行工况判断方法，其特征在于，包括以下步骤：S1：原数据的预处理；将原有的传感器数据进行预处理，使之更好的在神经网络中进行计算与特征提取；S2：数据的神经网络计算；将第一步预处理后的数据进行特征提取，最终得到具体的向量；S3：工况的判断；将第二步得到的结果与已经设定好的工况标签匹配，以得到此时的工况结果；其中，需要先设定工况标签，将之前已有的数据代入，进行带标签的监督学习。2.根据权利要求1所述的一种基于LeNet
‑
5算法的核反应堆运行工况判断方法，其特征在于，步骤S1具体如下：S11：构造数据矩阵；工况判断需要的原数据包括温度T；设有按位置分布的传感器数据；即，温度,由于小型压水堆大致为三维圆柱体，将各个位置的温度数据二维展开，形成一个二维矩阵，如下：；S12：预处理；对原始数据进行预处理；其中A为系数，为平均传感器数据，目的是让数据都在0附近徘徊；激活函数选择logistic函数：如此可将原数据有区别的分布在[0,1]之内。3. 根据权利要求2所述的一...

【专利技术属性】
技术研发人员：董云峰，段鳕玲，马程，张霄，邓科，
申请(专利权)人：四川大学，
类型：发明
国别省市：