物理学 > 加速器物理
[提交于 2000年8月10日
]
标题: 基于RBF神经网络的AIRIX加速器故障诊断分类器
标题: RBF neural net based classifier for the AIRIX accelerator fault diagnosis
摘要: AIRIX设施是一种高电流直线加速器(2-3.5kA),用于法国莫罗维耶尔的CEA进行闪光射线照相。 本研究的总体背景是AIRIX的诊断和预测性维护。 我们将介绍一种基于模式识别的人工神经网络故障诊断和监测工具。 从每次射击记录的信号中提取的参数用于定义一个需要分类的向量。 主成分分析使我们能够选择最相关的信息并减少冗余。 使用三层径向基函数(RBF)神经网络对加速器的状态进行分类。 我们通过将无监督模糊技术应用于训练库来初始化网络。 这使我们能够确定聚类数和真实类别,这些类别定义了网络隐藏层和输出层的单元数。 隐藏层和输出层之间的权重,实现聚类的非凸并集,通过最小二乘法确定。 隶属度和模糊拒绝使网络能够学习未知故障,并监测加速器运行以预测未来的故障。 我们将展示在注入器上获得的初步结果。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.