鍋島 邦彦 
; 鈴土 知明 
; 鈴木 勝男; Tuerkcan, E.*
Nabeshima, Kunihiko; Suzudo, Tomoaki; Suzuki, Katsuo; Tuerkcan, E.*
本論文では、ニューラルネットワークを利用した原子炉運転中の異常検知について述べる。この手法の基本原理は、実際のブラントから測定されたプロセス信号とプラントモデルから得られる出力信号の誤差が大きくなる場合に異常を検知するものであり、プラントは3層のオートアソシアティブ型ニューラルネットワークでモデル化されている。オートアソシアティブ型ネットワークを用いると、未知のプラント状態を検知できるという利点がある。ここで用いる新しい学習方法は、一般的な誤差逆伝播アルゴリズムを改良したもので、ニューラルネットワークによるプラントの動的モデルが得られる。実炉による試験の結果、このプラント監視システムが、原子炉の起動、停止、定常運転を含めた広い出力範囲にわたって、実時間で微小な異常兆候を的確に検知できることが明らかになった。
no abstracts in English
使用言語 |
: | English |
|---|---|---|
掲載資料名 |
: | |
巻 |
: | 35 |
号 |
: | 2 |
ページ数 |
: | p.93 - 100 |
発行年月 |
: | 1998/02 |
キーワード |
: | Plant Monitoring; Neural Network; Real-time Application; Early Fault Detection; Adaptive Learning |
論文URL |
: |
|
|---|---|---|
論文解説記事 |
: |
Access |
: |
- Accesses |
|---|---|---|
InCites™ |
: |
パーセンタイル：91.63 分野：Nuclear Science & Technology |
Altmetrics |
: |
[CLARIVATE ANALYTICS], [WEB OF SCIENCE], [HIGHLY CITED PAPER & CUP LOGO] and [HOT PAPER & FIRE LOGO] are trademarks of Clarivate Analytics, and/or its affiliated company or companies, and used herein by permission and/or license.
