基于神经网络的EAST-NBI实验数据分析系统研究

LIU Zhi-min,WANG Jin-xin,ZHAO Yuan-zhe,XIE Ya-hong,XIE Yuan-lai

international conference on plasma science（2023）

引用 0|浏览7

暂无评分

摘要

NBI离子源的运行参数不匹配会导致离子源中的等离子体不稳定,并可能导致离子源打火,从而限制了 NBI 长脉冲和高功率的运行.为了稳定 NBI 离子源中的等离子体,使用来自多轮实验的数据以及从预测性等离子体模型获得的先验信息,针对现有的实验数据值提取算法精度不高的问题,采用OPTICS聚类算法提高了实验数据提取的准确性,为实验操作过程中的故障分析提供参考.同时采用了一种基于自组织特征映射图(SOM)和逆向传播(BP)神经网络的方法,通过训练历史数据,在给定参数下估算NBI离子源束引出过程中的脉冲宽度,以调整运行参数.

查看译文

关键词

EAST-NBI experimental data analysis system,neural networks,nuclear fusion experimental device,NBI long pulse,plasma model,existing key-values extraction algorithms,cluster structure,experimental data extraction,training historical data,NBI ion source beam extraction process

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要