基于卷积神经网络的HL-2A装置H模辨识研究

• 作者: 梁嘉禾 刘松芬 王鸿鹏 杜月 王占辉 陈逸航 许敏 夏凡 杨宗谕 钟武律
• 来源期刊: 核聚变与等离子体物理
• 学科: 工学
• 关键词: HL-2A装置 高约束模 卷积神经网络 模式识别
• 年，卷（期）: 2022,（z1）
• 所属期刊栏目: 等离子体物理|Plasma Physics
• 页码范围: 164-169
• 页数: 6页
• 分类号: TL62+2
• 语种: 中文
• DOI: 10.16568/j.0254-6086.2022s1012

摘要

基于HL-2A装置的放电实验数据,利用卷积神经网络和时间窗口算法开发了高约束(H)模时段的识别算法,得到了可靠的高成功率的高约束模时段识别结果.算法中,选取206次放电实验数据中等离子体储能及氘α通道信号作为双通道原始数据进行学习,得到一个深度为21层的二分类卷积神经网络.该网络模型经过其他474次放电数据的测试集检验,高约束模识别的正确率达到了98.17％.