期刊论文

中文

南华大学学报(自然科学版)

1673-0062

2023

37

01

87-94

10.19431/j.cnki.1673-0062.2023.01.013

18C0465:湖南省教育厅科学研究一般项目 703-2012XQD07:南华大学博士科研启动基金

本校为第一机构

传统核探测器故障信号诊断研究都需要提前提取信号特征，然后用机器学习、支持向量机、统计方法等对特征进行分类。为了实现对探测器输出信号进行实时识别和故障诊断，本文基于Matlab平台构建了一个用于对图像进行分类的卷积神经网络模型，对核探测器故障信号进行分类诊断。从分类准确率和算法运行时间两个方面对Adam、Sgdm、Rmsprop三种优化算法进行了比较。结果表明Rmsprop算法运行时间最少，但准确度和损失的训练迭代曲线不平稳；Sgdm模型对十组非正常信号图像分类的准确率最高为93.10%,准确度和损失的训练迭代曲线平稳。虽然，本文方法诊断准确率略低于文献报道值，但是不需要对信号进行预处...

Traditional research on fault signal diagnosis of nuclear detector needs to extract signal features in advance,and then use machine learning,support vector machine,statistical methods to classify the features.In order to realize real-time identification and fault diagno...MORE Traditional research on fault signal diagnosis of nuclear detector needs to extract signal features in advance,and then use machine learning,support vector machine,statistical methods to classify the features.In order to realize real-time identification and fault diagnosis of the output signals of the nuclear detector,th...