公开(公告)号：CN117852692A

公开(公告)日：2024-04-09

申请号：CN202311763341.X

申请日：2023-12-19

Applicant: 华中科技大学

Inventor： 郑玮 ,  艾鑫坤 ,  丁永华 ,  张明 ,  沈呈硕 ,  陈忠勇 ,  钟昱 ,  潘垣

IPC: G06Q10/04 ,  G06F18/2411 ,  G06N5/01 ,  G06N3/09 ,  G06N20/10

Abstract: 本发明公开了一种基于多原理异常检测模型的等离子体破裂实时预测方法，属于托卡马克等离子体核聚变领域，方法包括：构建多个基于不同异常检测原理的等离子体破裂预测器，利用通过正常炮切片产生的正常样本训练各等离子体破裂预测器，正常样本由正常炮切片中各诊断特征的采样点拼接形成；预测阶段，将实时采集的切片样本输入到训练后的各等离子体破裂预测器中，结合各等离子体破裂预测器的预测结果，利用投票法生成最终的等离子体破裂预测结果。提升异常检测模型的破裂预测性能。

公开(公告)号：CN116304859A

公开(公告)日：2023-06-23

申请号：CN202310090150.5

申请日：2023-02-09

Applicant: 华中科技大学

Inventor： 郑玮 ,  薛凤鸣 ,  张明 ,  沈呈硕 ,  艾鑫坤 ,  罗润玉 ,  钟昱 ,  丁永华 ,  潘垣

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/094 ,  G06N3/084 ,  G06N3/0895 ,  G21B1/05

Abstract: 本发明公开了一种基于领域泛化的跨装置托卡马克等离子体破裂预测方法，属于磁约束核聚变领域，包括：构建多台托卡马克联合放电数据集；以所述数据集为训练样本对基于领域泛化的破裂预测模型进行训练；所述基于领域泛化的破裂预测模型包括特征提取器、域判别器及分类器；所述特征提取器输出的特征向量为所述域判别器及所述分类器的输入；在训练过程中，以最大化损失为目标，采用对抗学习对所述域判别器进行训练，以最小化分类损失为目标对所述分类器进行训练，最终使特征提取器提取的特征既是领域无关的，又包含破裂前兆特征，训练好的特征提取器能够外推到其它托卡马克装置上进行破裂预测，提升了可迁移性，并能使其应用在大型商用聚变反应堆上。

公开(公告)号：CN116166943A

公开(公告)日：2023-05-26

申请号：CN202310090787.4

申请日：2023-02-09

Applicant: 华中科技大学

Inventor： 郑玮 ,  薛凤鸣 ,  张明 ,  艾鑫坤 ,  沈呈硕 ,  钟昱 ,  丁永华 ,  潘垣

IPC: G06F18/21 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442

Abstract: 本发明公开了一种可迁移的托卡马克等离子体特征提取器及应用，属于磁约束核聚变领域，包括一维卷积神经网络组、拼接模块及长短期记忆神经网络层；一维卷积神经网络组包括依次串联连接的平行卷积一维层、批归一化层、激活函数层和平行一维池化层。本发明通过一维卷积神经网络组提取所有托卡马克异构数据不同的高频特征和空间特征，将低频特征与卷积得到的高频特征和空间特征拼接后输入至长短期记忆神经网络层提取时序特征，最终得到融合了高频特征、低频特征、时间和空间特征的特征向量，该特征向量能够更好的支撑核聚变相关的任务，同时，本发明具有更好的泛化能力，可外推至其它托卡马克装置，能够应对不同诊断对应的物理现象上时间尺度的差异。