基于深度学习的CSNS加速器预警系统样机

• 作者: 何泳成 张玉亮 王林 金大鹏 吴煊 康明涛 郭凤琴 朱鹏
• 来源期刊: 强激光与粒子束
• 关键词: 中国散裂中子源 加速器 预警系统 深度学习 实验物理及工业控制系统
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 粒子束及加速器技术|Particle Beams and Accelerator Technology
• 页码范围: 103-109
• 页数: 7页
• 分类号: TL507
• 语种: 中文
• DOI: 10.11884/HPLPB202133.200340

摘要

为了能在中国散裂中子源(CSNS)加速器的部分故障发生前发出预警信息,利用深度学习建立了基于CSNS加速器真空度和漂移管直线加速器(DTL)温度的特征模型,开发了一套CSNS加速器预警系统样机.该样机基于实验物理及工业控制系统(EPICS)架构搭建,主要由训练 、 识别和信息发布3部分组成,采用Python进行程序设计开发,实现了训练样本获取、深度学习网络设计和训练、在线识别和信息发布等功能.测试结果表明,该样机对基于CSNS加速器真空度和DTL温度历史数据生成的测试集的准确率达98.4％,且能根据实时数据识别出CSNS加速器真空度和DTL温度的异常,并能发出预警信息,证明了其可行性和有效性.