【摘要】：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)診斷和分類是判斷磁流體是否穩(wěn)定的重要方法之一。利用智能檢測技術(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 AnalysisCross Learning,主成分分析和交叉學(xué)習(xí))K-means聚類算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器和基于PCACL K-means聚類算法的加權(quán)超球體支持向量機(jī)的分類穩(wěn)定性和分類正確率。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聚類算法的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器,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。本文對(duì)分類器激活函數(shù)中心與權(quán)值向量和方差進(jìn)行了異步優(yōu)化,分類器激活函數(shù)中心通過PCACL K-means聚類算法獲得。文章提出的PCACL K-means聚類算法是基于加強(qiáng)型K-means聚類算法的改進(jìn)算法,該聚類算法用于訓(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正確率上優(yōu)于加強(qiáng)型K-means聚類算法的徑向基函數(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,通過比較它們的優(yōu)缺點(diǎn)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。在多類別分類情況下,針對(duì)某些支持向量機(jī)算法無法克服訓(xùn)練樣本數(shù)量差異帶來的影響,提出了基于PCACL K-means聚類算法的加權(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PCACL K-means聚類算法得到的,減少了訓(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)運(yùn)行條件下托卡馬克電阻壁膜的主動(dòng)控制研究”(編號(hào)2008CB717807)(科技部973計(jì)劃)和國家科學(xué)基金“科技部ITER計(jì)劃專項(xiàng)(國內(nèi)配套研究)”子項(xiàng)“托卡馬克裝置若干基礎(chǔ)技術(shù)研究”(編號(hào)10875027)兩個(gè)計(jì)劃所作的,文章以中科院等離子體物理研究所的核聚變裝置HT-7為背景展開研究的,本文的研究成果為核聚變實(shí)驗(yàn)的深層研究和長時(shí)間放電打下了堅(jiān)實(shí)的基礎(chǔ)。
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TL631.24

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫文柱;曲建嶺;袁濤;高峰;付戰(zhàn)平;;基于改進(jìn)SVDD的飛參數(shù)據(jù)新異檢測方法[J];儀器儀表學(xué)報(bào);2014年04期

2 XIAO Huaitie;FENG Guoyu;ZHU Yongfeng;HUANG Mengjun;;Dual Space SVDD Based Radar Target Recognition from HRRP[J];Chinese Journal of Electronics;2014年02期

3 劉建敏;劉遠(yuǎn)宏;江鵬程;馮輔周;;基于包絡(luò)S變換時(shí)頻圖像提取齒輪故障特征[J];振動(dòng)與沖擊;2014年01期

4 滿蔚仕;張志禹;康青;苗永康;席曉莉;;利用快速S變換的電能質(zhì)量擾動(dòng)識(shí)別方法[J];西安交通大學(xué)學(xué)報(bào);2013年08期

5 周廣東;丁幼亮;李愛群;孫鵬;;基于小波變換的非平穩(wěn)脈動(dòng)風(fēng)時(shí)變功率譜估計(jì)方法研究[J];工程力學(xué);2013年03期

6 朱啟兵;馮朝麗;黃敏;朱曉;;基于高光譜圖像技術(shù)和SVDD的玉米種子識(shí)別[J];光譜學(xué)與光譜分析;2013年02期

7 羅慧;王友仁;;基于GSM_SVDD的模擬電路故障診斷方法[J];電機(jī)與控制學(xué)報(bào);2013年01期

8 秦亮;周紹磊;史賢俊;張樹團(tuán);;基于模糊機(jī)會(huì)約束SVDD的故障診斷方法[J];系統(tǒng)工程與電子技術(shù);2012年12期

9 ;Inflatable Wing Design Parameter Optimization Using Orthogonal Testing and Support Vector Machines[J];Chinese Journal of Aeronautics;2012年06期

10 陶卿;羅強(qiáng);朱燁雷;儲(chǔ)德軍;;大規(guī)模SVDD的坐標(biāo)下降算法[J];模式識(shí)別與人工智能;2012年06期

，

本文編號(hào)：2650429