基于KNN改进算法的闪烁体探测器故障诊断
为研究核探测器的可靠性,本文提出了一种基于K近邻(KNN)算法的闪烁体探测器故障诊断方法.首先通过提取不同工况下的核脉冲信号的下降沿时间、信号幅值及能谱信号的能峰位置和低道址计数等特征参数,建立故障核信号统计特征信息库.通过修正权重因子,改变邻点距离计算方式等方法改进KNN算法建立闪烁体探测器故障诊断模型,并搭建故障数据采集验证系统,提取探测器输出信号的特征信息放入到模型中进行诊断实验.实验结果表明,该方法不仅能实现对探测器故障类别的智能诊断,而且能对不同故障的严重程度做出良好的判别.
闪烁体探测器、K近邻算法、机器学习、故障诊断
56
TL812(粒子探测技术、辐射探测技术与核仪器仪表)
2022-07-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
1431-1439