文献类型：期刊文章

作　　者：陈玉昇[1] 杨燕华[2] 林萌[2] 余刃[1]

CHEN Yusheng;YANG Yanhua;LIN Meng;YU Ren(College of Naval Architecture and Power,Naval University of Engineering,Wuhan 430033,China;School of Nuclear Science and Engineering,Shanghai Jiao Tong University,Shanghai 200240,China)

机构地区：[1]武汉海军工程大学核科学技术学院,武汉430033 [2]上海交通大学核科学与工程学院,上海200240

出　　处：《上海交通大学学报》

基　　金：国家科技重大专项资助项目(2017ZX06002002)

年　　份：2018

卷　　号：52

期　　号：S1

起止页码：58-61

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：数字化及互联网已经是目前不可逆转的科技发展趋势,由此提高了核电厂采集、处理大量数字化数据的能力,而深度学习神经网络在处理大数据上较传统人脑分析有明显优势,尤其是在信息技术领域被越来越多地应用.利用深度神经网络方法研究核电厂故障诊断技术,提出了基于深度学习的核电厂故障诊断模型,该模型通过分析核电厂大量过程参数,将原始时域信号数据输入深度信念网络进行训练,通过深度信念网络进行整体微调,提高分类准确性.并且从模型训练的效率与模型诊断的准确率出发,分别探究了深度学习神经网络层出以及每层神经元个数的敏感度.对智能算法在核电厂的应用具有一定的借鉴意义.

关 键 词：深度神经网络  故障诊断 核电厂

分 类 号：TM623] TP183]