申请/专利权人：四川大学

申请日：2023-06-05

公开（公告）日：2024-05-17

公开（公告）号：CN117057212B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0499;G06N3/084;G06F119/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2023.12.01#实质审查的生效;2023.11.14#公开

摘要：本发明涉及一种核动力装置动态温度场的声学重构方法，包括步骤:获取传感器发射信号的飞渡时间，根据飞渡时间构建修正函数；计算相邻的两个飞渡时刻之间的误差增加量，并使用修正函数对误差增加量进行优化，获得最佳学习率；搭建径向基函数神经网络；基于最佳学习率，动态化径向基函数神经网络。本发明充分考虑了温度场高动态的特性，相比于传统静态重构方法，能够更加准确的获得温度场的动态信息。

主权项：1.一种核动力装置动态温度场的声学重构方法，其特征在于：包括以下步骤:步骤1，获取传感器发射信号的飞渡时间，根据飞渡时间构建修正函数；所述步骤1具体包括以下步骤：在管道内设置n个传感器，设定一个传感器同时向其余传感器发送信号所需时间为一帧T；第i个传感器向第j个传感器发送信号的飞渡时间为tij，若i＝j，则tij＝0，i、j∈n；飞渡时间矩阵为： 相邻时刻下的相同路径的飞渡时间变化量为|ti+1i-tii+1|，构建修正函数ei＝|ti+1i-tii+1|；步骤2，计算相邻的两个飞渡时刻之间的误差增加量，并使用修正函数对误差增加量进行优化，获得最佳学习率；所述步骤2具体包括以下步骤：两帧之间的误差增加量为： 其中，为实际变化量，为第i+1个传感器发送信号所需的实际时间，为第i个传感器发送信号所需的实际时间；ΔT＝Ti+1-Ti为径向基函数神经网络的输出变化量，Ti+1为径向基函数神经网络输出的第i+1个传感器发送信号所需的时间，Ti为径向基函数神经网络输出的第i个传感器发送信号所需的时间；利用修正函数ei优化式1： 其中，ρ为学习率；Δε为径向权重变化量；ei＝|ti+1i-tii+1|为修正函数；为径向基函数；通过最小化学习率找到最佳学习率的值ρ*： 满足上述两个条件，获得最佳学习率ρ*；步骤3，搭建径向基函数神经网络；所述步骤3具体包括以下步骤：将管道划分为m个子温区域；第i个时刻的温度场为： 其中，Ti表示第i个时刻下温度场中任意一点的温度；εki表示第k个子温区域在第i个时刻的径向权重；表示第k个子温区域在第i个时刻的径向基函数，k∈m；第i个时刻的径向基函数为： 其中，Gxk,yk,zk＝Gki，表示第k个子温区域在第i个时刻的径向基中心xk,yk,zk；||x,y,z-Gxk,yk,zk||表示第i个时刻输入的任意位置与径向基中心的欧几里得距离；步骤4，基于最佳学习率，动态化径向基函数神经网络；所述步骤4具体包括以下步骤：温度误差ΔTi为： 其中，Txk,yk,zk表示第k个子温区域在第i个时刻的中心点温度；表示径向基函数神经网络输出的第k个子温区域的平均温度；第i个时刻的代价函数Ei为： 通过代价函数Ei对径向基中心Gki进行求偏导： 得到径向基中心的更新方程： 其中，Gki+1表示第k个子温区域在第i+1个时刻的径向基中心；ΔGk表示径向基中心变化量，eki表示第k个子温区域在第i个时刻的修正函数；表示方差；xki表示第k个子温区域中第i个时刻下的任意位置xk,yk,zk；通过式7判断代价函数Ei的值达到理想值后，使用代价函数Ei更新径向基中心的更新方程Gki+1，更新径向基函数通过代价函数Ei对径向权重εki求偏导： 其中，εki+1表示第k个子温区域在第i+1个时刻的径向权重；Δεk表示径向权重变化量，

全文数据：

权利要求：

百度查询： 四川大学 一种核动力装置动态温度场的声学重构方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD