托卡馬克磁流體擾動(dòng)信號(hào)智能檢測(cè)技術(shù)的研究.pdf

1、托卡馬克試驗(yàn)中磁流體破裂是危害實(shí)驗(yàn)設(shè)備和人員安全的主要威脅之一。磁流體擾動(dòng)信號(hào)診斷和分類(lèi)是判斷磁流體是否穩(wěn)定的重要方法之一。利用智能檢測(cè)技術(shù)對(duì)磁流體不穩(wěn)定形成的磁流體擾動(dòng)信號(hào)進(jìn)行自動(dòng)準(zhǔn)確地識(shí)別一直是研究者熱衷的課題。
　　本文結(jié)合磁流體不穩(wěn)定形成的磁流體擾動(dòng)信號(hào)的特點(diǎn)，利用改進(jìn)的 S變換算法提取了基于頻率特征點(diǎn)的特征向量，分析了基于PCACL(Principal Component Analysis&Cross Learning,

2、主成分分析和交叉學(xué)習(xí)) K-means聚類(lèi)算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類(lèi)器和基于PCACL K-means聚類(lèi)算法的加權(quán)超球體支持向量機(jī)的分類(lèi)穩(wěn)定性和分類(lèi)正確率。最后文章討論了磁流體穩(wěn)定性的影響因素并在此基礎(chǔ)上介紹了遠(yuǎn)程智能磁流體擾動(dòng)信號(hào)診斷系統(tǒng)的框架設(shè)計(jì)方案、總體結(jié)構(gòu)和功能模型。本文的主要工作如下：
　　1.在信號(hào)特征提取環(huán)節(jié)，利用S變換算法將采集到的時(shí)域磁流體擾動(dòng)信號(hào)變換成時(shí)間頻率域的一組特征向量。針對(duì)S變換算法不能兼得最優(yōu)時(shí)間

3、分辨率和最優(yōu)頻率分辨率的情況增加了調(diào)節(jié)參數(shù)來(lái)平衡二者。此外為了選取最佳參數(shù)提出了參數(shù)評(píng)價(jià)標(biāo)準(zhǔn)，以能量損失程度高低為標(biāo)準(zhǔn)選擇最優(yōu)參數(shù)。實(shí)驗(yàn)結(jié)果證實(shí)了改進(jìn)的有效性。
　　2.構(gòu)建了一個(gè)基于PCACL K-means聚類(lèi)算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類(lèi)器，將干擾形成的磁流體擾動(dòng)信號(hào)與磁流體不穩(wěn)定形成的磁流體擾動(dòng)信號(hào)區(qū)分開(kāi)。本文對(duì)分類(lèi)器激活函數(shù)中心與權(quán)值向量和方差進(jìn)行了異步優(yōu)化，分類(lèi)器激活函數(shù)中心通過(guò)PCACL K-means聚類(lèi)算法獲得。文

4、章提出的PCACL K-means聚類(lèi)算法是基于加強(qiáng)型K-means聚類(lèi)算法的改進(jìn)算法，該聚類(lèi)算法用于訓(xùn)練隱藏層的激活函數(shù)中心，提高了算法收斂于一個(gè)無(wú)關(guān)于初始指定中心的近似最優(yōu)結(jié)果的可能性。實(shí)驗(yàn)表明，基于PCACL K-means聚類(lèi)算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法泛化性能和分類(lèi)正確率上優(yōu)于加強(qiáng)型K-means聚類(lèi)算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法，滿足了控制系統(tǒng)的設(shè)計(jì)目標(biāo)。
　　3.討論了多種目前流行的支持向量機(jī)算法，通過(guò)比較它們的優(yōu)缺點(diǎn)

5、為提出新的算法夯實(shí)了理論基礎(chǔ)。支持向量機(jī)算法追求分類(lèi)間隔盡量大，這也體現(xiàn)了結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原則。在多類(lèi)別分類(lèi)情況下，針對(duì)某些支持向量機(jī)算法無(wú)法克服訓(xùn)練樣本數(shù)量差異帶來(lái)的影響，提出了基于PCACL K-means聚類(lèi)算法的加權(quán)超球體支持向量機(jī)。該支持向量機(jī)定義了加權(quán)系數(shù)來(lái)調(diào)節(jié)正例和反例與超球面之間的隔離邊緣最大值，在訓(xùn)練樣本數(shù)量不足時(shí)可以有效減少誤判的風(fēng)險(xiǎn)；同時(shí)該超球體支持向量機(jī)的初始中心是通過(guò)PCACL K-means聚類(lèi)算法得到的，減

6、少了訓(xùn)練時(shí)間。另外文章還提出了改進(jìn)型的增量學(xué)習(xí)法來(lái)訓(xùn)練支持向量機(jī)。實(shí)驗(yàn)證明該算法訓(xùn)練出的支持向量機(jī)在樣本稀少時(shí)雖然分類(lèi)的隔離邊緣最大值有所降低但卻提高了泛化能力，符合控制系統(tǒng)的設(shè)計(jì)理念。
　　4.根據(jù)理論研究的成果，討論了遠(yuǎn)程智能磁流體擾動(dòng)信號(hào)診斷系統(tǒng)的框架設(shè)計(jì)方案、總體結(jié)構(gòu)和功能模型，為托卡馬克上磁流體不穩(wěn)定性檢測(cè)和控制提供了一種可以借鑒的方法。該配套系統(tǒng)的成功運(yùn)行驗(yàn)證了理論研究成果的正確性和可行性。
　　本文是基于“穩(wěn)態(tài)