课程文献中心 更多>>

关键词： 神经网络   特征值问题   中子扩散方程   噪声   AISEA  

摘要： 本文深入探讨了核工程领域中子扩散特征值问题（Neutron Diffusion Eigenvalue Problem， NDEP）的机器学习求解方法。首先介绍了数据驱动神经网络（Data Enabled Physics Informed Neural Network， DEPINN）借助先验或观测数据求解中子扩散方程的流程和处理带噪数据的方法。针对观测数据难以获取的情况，介绍了反幂法神经网络（Inverse Power Method Neural Network， IPMNN）和广义反幂法神经网络（General Inverse Power Method Neural Network， GIPMNN）求解最小特征值问题的基本模型。基于上述模型，开发了特征值问题求解软件包（AI for Science with nuclear Engineering Applications， AISEA），并通过该软件包验证了所提出算法的有效性和精确度。本文开发的特征值问题求解软件包为核工程领域提供了一种新的、高效的数值求解工具。

关键词： 线性相关   信息融合   因子分析   模糊理论   故障诊断  

摘要： 当前高压电容式电压互感器（capacitor voltage transformer，CVT）缺少在线监测有效数据，辨识不足，利用在线监测多数据源存在线性相关的数据特性，提出了基于分析数据相关系数进行有效数据辨识的方法。针对目前高压CVT故障诊断普遍存在信息单一、精度不高，局部放电在线监测装置故障信号检测受干扰因素影响较大，准确性差的问题，提出了基于多维信息融合的故障诊断方法。首先利用因子分析对CVT的诊断指标进行数据层信息融合，提取各故障类型对应的公共因子方差贡献值作为反映故障类型差异的特征值，进一步利用模糊理论进行特征层信息融合，将公共因子累计方差贡献值作为隶属函数的输入参数对CVT的故障类型识别，实现了对高压CVT故障的准确诊断。通过案例分析证明了本方法的有效性，为CVT故障诊断提供了理论参考和实践经验。

关键词： 电池筛选   液态金属电池   特征提取   组合聚类方法   离群值处理  

摘要： 高效的电池筛选技术是保障储能电池系统安全性、经济性的关键技术之一。为了满足液态金属电池储能系统构建对单体一致性的要求,提出一种组合聚类方法,通过电池恒流放电期间获得的分选指标进行有效聚类,快速实现液态金属电池筛选。首先,提出一种特征提取框架来准确表征电池放电曲线,主要包括数据采集、数据预处理、特征参数生成、筛选指标生成4个阶段,生成的3个筛选指标,分别是电池曲线第2个拐点电压、对应的时间以及电池在第1个拐点电压前的放电能量。然后,提出基于密度的噪声应用空间聚类和均值漂移的组合聚类电池筛选方法,并提出一种一致性差异指标量化评估聚类效果。最后,通过分析212个200 Ah级液态金属电池的聚类优化效果可知,所提方法可显著减弱差异性较大电池对电池筛选的影响,能够同时实现离群值检测及电池自适应快速精准筛选,并通过动态工况测试证实所提方法可有效提升电池组响应一致性。

关键词： 全涂层边界   外部反散射   传输特征值  

摘要： 研究了具有全涂层边界条件的非均匀介质外部反散射的传输特征值问题。首先，根据经典过程建立了四阶非线性公式，利用Lax-Milgram定理及Fredholm理论证明了全涂层非均匀介质外部反散射传输特征值的存在性和离散性。其次，提出了一个带有辅助变量的等价混合公式，将问题转换为线性特征值问题，利用Riesz表示定理、Rellich紧性定理等构造恰当的算子，再利用柯西收敛准则、Brezzi理论、Poincaré不等式证明算子的紧性和强制性。

关键词： 行政规范性文件   燃气安全   行政诉讼   附带性审查  

摘要： 对燃气安全领域的行政规范性文件进行探讨,列举燃气安全领域规范性文件的问题,分析行政规范性文件审查的方法,探讨行政规范性文件审查不足的原因.