基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
按照实际情况,将人工神经网络M-P模型应用于核电站机组故障诊断系统的部分诊断网络.根据核电站故障诊断信号和故障事件特点,提出在特定诊断网络中使用M-P模型的可能性和具体构建诊断网络的方法,对其优缺点进行了比较.使用M-P模型对核电站重要厂用水系统建立了简单诊断网络,进行了验证.该模型简单直接,可以避免若干使用其他人工神经网络模型时遇到的问题.该模型与其他模型结合使用于核电站故障诊断系统,尤其在处理逻辑判断性较强的诊断任务时,可以达到更好的效果.
推荐文章
核电站机组故障诊断系统的实现方法
核电站
故障诊断
人工神经网络
超级神经元
核电站分布式智能故障诊断系统研究与设计
核电站
分布式监测诊断模式
分布式控制系统
故障诊断
RBF人工神经网络在核电厂故障诊断中的应用
RBF神经网络
故障诊断
核电厂
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 M-P人工神经网络用于核电站故障诊断系统
来源期刊 清华大学学报(自然科学版) 学科 工学
关键词 核电站 故障诊断 人工神经网络
年,卷(期) 2003,(12) 所属期刊栏目 核能技术
研究方向 页码范围 1623-1626
页数 4页 分类号 TM623|TP18
字数 4358字 语种 中文
DOI 10.3321/j.issn:1000-0054.2003.12.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 奚树人 清华大学核能技术设计研究院 22 311 10.0 17.0
2 李晓冬 清华大学核能技术设计研究院 3 27 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (15)
参考文献  (6)
节点文献
引证文献  (11)
同被引文献  (8)
二级引证文献  (2)
1987(5)
  • 参考文献(0)
  • 二级参考文献(5)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(3)
  • 参考文献(2)
  • 二级参考文献(1)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(0)
  • 二级引证文献(1)
2008(3)
  • 引证文献(2)
  • 二级引证文献(1)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
核电站
故障诊断
人工神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
清华大学学报(自然科学版)
月刊
1000-0054
11-2223/N
大16开
北京市海淀区清华园清华大学
2-90
1915
chi
出版文献量(篇)
7846
总下载数(次)
26
总被引数(次)
132043
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导