基于卷积神经网络的HL-2A装置H模辨识研究

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％.

关键词：HL-2A装置、高约束模、卷积神经网络、模式识别

所属期刊栏目：42

分类号：TL62+2(受控热核反应（聚变反应理论及实验装置）)

资助基金：政府间国际科技创新合作专项;国家基础科学人才拔尖计划

在线出版日期：2022-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：164-169