一种基于卷积注意力神经网络的撕裂模识别方法技术

本发明专利技术公开了一种基于卷积注意力神经网络的撕裂模识别方法，选取东方超环EAST装置上实验时在等离子体内产生撕裂模的炮数为数据集；使用电子温度数据作为特征信号，将来自等离子体不同位置的电子温度数据一维化并拆分成不同时间长度的片段，再将每个通道的数据进行标准化处理；搭建卷积神经网络模型，包括卷积层和全局池化层，外加注意力机制，最后输出层由两个神经元构成，用于输出撕裂模的识别结果；对所搭建的卷积神经网络模型进行训练，得到撕裂模的识别结果。上述方法克服了传统编程识别中，难以辨别信号之间存在相位差，需要通过ECE或SRX信号震荡幅度进行判断，容易与其他等离子体运行模式混淆的问题，实现了撕裂模的准确识别。

【技术实现步骤摘要】

本专利技术涉及撕裂模，尤其涉及一种基于卷积注意力神经网络的撕裂模识别方法。

技术介绍

1、等离子体撕裂模是磁约束核聚变中由电阻效应引发的一种磁流体不稳定性，会导致磁场结构破坏并形成磁岛，严重影响等离子体约束性能和聚变装置运行稳定性。传统的撕裂模识别通常是用户个人编写相应的数据处理程序处理多种诊断信号，通过人工的方式识别，通过编程实现撕裂模的自动识别是十分困难的。而人工识别的方式需要用户非常了解托卡马克复杂的诊断系统测量原理以及空间分布，这导致效率低下，并且由于实验数据量十分巨大，人工的方法面对海量实验数据时难以实现实时快速识别。

2、因此需要开发一种能利用网络强大的非线性映射能力实现撕裂模自动识别的方案。

技术实现思路

1、本专利技术的目的是提供一种基于卷积注意力神经网络的撕裂模识别方法，该方法克服了传统编程识别中，难以辨别信号之间存在相位差，需要通过ece或srx信号震荡幅度进行判断，容易与其他等离子体运行模式混淆的问题，实现了撕裂模的准确识别。

2、本专利技术的目的是通过以下技术方本文档来自技高网...

【技术保护点】

1.一种基于卷积注意力神经网络的撕裂模识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于卷积注意力神经网络的撕裂模识别方法，其特征在于，在步骤1中，具体是选取68炮存在撕裂模的炮数为数据集，按不同炮数将训练集、测试集以及验证集分开，使用其中的16炮为测试集，在剩余的52炮中随机选取6炮作为验证集，剩余的46炮作为训练集。

3.根据权利要求1所述基于卷积注意力神经网络的撕裂模识别方法，其特征在于，在步骤2中，从聚变装置的EAST数据库中，读取多个放电位形下，包含11道1mHz的覆盖等离子体边界到芯部的电子温度数据作为原始特征信号；</p>

4.根据...

【技术特征摘要】

1.一种基于卷积注意力神经网络的撕裂模识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述基于卷积注意力神经网络的撕裂模识别方法，其特征在于，在步骤1中，具体是选取68炮存在撕裂模的炮数为数据集，按不同炮数将训练集、测试集以及验证集分开，使用其中的16炮为测试集，在剩余的52炮中随机选取6炮作为验证集，剩余的46炮作为训练集。

3.根据权利要求1所述基于卷积注意力神经网络的撕裂模识别方法，其特征在于，在步骤2中，从聚变装置的east数据库中，读取多个放电位形下，包含11道1mhz的覆盖等离子体边界到芯部的电子温度数据作为原始特征信号；

4.根据权利要求1所述基于卷积注意力神经网络的撕裂模识别方...

【专利技术属性】
技术研发人员：赵一安，龙飞飞，赵海林，刘子奚，庄革，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：