Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
neutron diffractionZhou, Y.*; Song, W.*; Zhang, F.*; Wu, Y.*; Lei, Z.*; Jiao, M.*; Zhang, X.*; Dong, J.*; Zhang, Y.*; Yang, M.*; et al.
Journal of Alloys and Compounds, 971, p.172635_1 - 172635_7, 2024/01
被引用回数：0 パーセンタイル：0(Chemistry, Physical)The grain orientation-dependent lattice strain evolution of a (TiZrHfNb)
refractory high-entropy alloy (HEA) during tensile loading has been investigated using neutron diffraction. The equivalent strain-hardening rate of each of the primary 
-oriented grain families was found to be relatively low, manifesting the macroscopically weak work-hardening ability of such a body-centered cubic (BCC)-structured HEA. This finding is indicative of a dislocation planar slip mode that is confined in a few single-slip planes and leads to in-plane softening by high pile-up stresses.
Dong, F.*; Chen, S.*; 出町 和之*; 吉川 雅紀; 関 暁之; 高屋 茂
Nuclear Engineering and Design, 404, p.112161_1 - 112161_15, 2023/04
被引用回数：3 パーセンタイル：90.12(Nuclear Science & Technology)To ensure nuclear safety, timely and accurate anomaly detection is of utmost importance in the daily condition monitoring of Nuclear Power Plants (NPPs), as any slight anomaly in a plant may result in an irreversible and serious accident, as well as high costs of maintenance and management. Nevertheless, due to the unique inherent attributes of anomalies, the difficulty of automatic detection in NPPs is increased. Previous model-driven anomaly detection approaches required skilled priori knowledge, leading to their limited usability. Commonly adopted deep learning-based data-driven anomaly detection approaches may not easily acquire the most relevant features when dealing with sensor data containing redundant information with uneven distribution of anomalies. To alleviate these issues, this paper propose an attention-based time series model for anomaly detection to ensure safety in NPPs. First, we employ one-dimension convolutional neural network (1D-CNN) backbone for feature extraction to preserve original inherent features of time series inputs. Subsequently, we originally adopt soft-attention mechanism to automatically extract the most relevant temporal features considering the specificity of anomaly detection in NPPs. The performance of the proposed model was experimentally validated on the High Temperature Gas-cooled Reactor (HTGR) anomaly case dataset simulated using the analytical code. The experimental results indicate that the proposed model was capable of detecting anomalies in NPPs with superior performance to the baseline model, while ensuring fast detection at short time steps.
森田 繁*; Dong, C. F.*; 後藤 基志*; 加藤 太治*; 村上 泉*; 坂上 裕之*; 蓮尾 昌裕*; 小池 文博*; 中村 信行*; 大石 鉄太郎*; et al.
AIP Conference Proceedings 1545, p.143 - 152, 2013/07
被引用回数：28 パーセンタイル：99.13(Physics, Applied)核融合科学研究所のLHD装置、コンパクトEBIT(CoBit)装置において、タングステンプラズマの可視、EUV領域での分光計測を行なった。CoBITで得られた価数分離スペクトルを用いて、LHDのスペクトルの解析を行なった。衝突輻射モデルを用いた詳しい解析を行い、また、高価数のイオンのEUVスペクトルの径方向分布の計測と、ADPAKデータベースを使った輸送コードの計算を行い、プラズマ中のイオンの分布や、プラズマ中の電離、再結合レートについて検討した。不純物ペレットの可視光領域の発光スペクトルの解析を、多価イオンの診断に応用する手法についても議論する。
PdZhou, H. B.*; Zhou, X. H.*; Zhang, Y. H.*; Zheng, Y.*; Liu, M. L.*; Zhang, N. T.*; Chen, L.*; Wang, S. T.*; Li, G. S.*; Wang, H. X.*; et al.
European Physical Journal A, 47(9), p.107_1 - 107_7, 2011/09
被引用回数：4 パーセンタイル：32.8(Physics, Nuclear)Pd原子核の高スピン状態を、タンデム加速器及び多重
線検出装置GEMINI-IIを用いて、インビーム線核分光法で調べた。既知の
バンド, 1/2
[550]バンドをより高スピン状態まで拡張した。発見されたバンド交差は
陽子の整列によるものであると解釈した。Pdの回転バンドの性質を周辺の核、及びcranked shell modelと比較・議論した。
Dong, F.*; Chen, S.*; 出町 和之*; 橋立 竜太; 高屋 茂
no journal, ,
配管・計装図(P&ID)には、原子力発電所(NPP)の設計と管理に不可欠な計装および制御装置とともに、配管およびプロセス機器に関する情報が含まれる。P&IDには複雑なオブジェクトが多く、これらのオブジェクトとそれらのリンクされた情報がさまざまな図に不均衡に分布し複雑であるため、自動識別は困難である。したがって、P&IDは通常、手動で抽出および分析されるが、これには時間がかかり、エラーが発生しやすい。これらの問題に効率的に対処するため、最先端の深層学習ベースのオブジェクト検出と光学式文字認識(OCR)モデルを統合して、P&IDから情報を自動的に抽出した。さらに、低解像度の小さなオブジェクトを検出するためにスライディングウィンドウを用いた新しい画像前処理方法を提案した。提案された方法の性能を実験的に評価し、NPPのP&IDから情報を抽出できることを示した。
出町 和之*; Chen, S.*; Dong, F.*; 吉川 雅紀; 関 暁之; 高屋 茂
no journal, ,
種々の異常の発生について、プラント挙動の時刻歴データから、その異常の程度(種類と大きさ)を推定する。プラントシミュレータを用いてHTTRにおける11種類の異常を模擬したときのプラント出力値の時系列データを対象に、1DCNNとLSTMにさらにAttention(注意機構)も組みわせた深層学習モデルを4種類開発するとともに、異常識別性能の比較評価を行った。
出町 和之*; Dong, F.*; 阿部 哲*; Chen, S.*; 高屋 茂; 関 暁之; 吉川 雅紀; 三木 大輔*
no journal, ,
In this study, a method was developed to detect anomalies using a deep learning model and further identify the types of anomalies. In order to verify the performance of this method, the calculation results of the plant state time series data by the plant simulator and the benchmark data set of the vibration sensor values in the rotating equipment were analyzed.
Dong, F.*; Chen, S.*; 出町 和之*; 吉川 雅紀; 関 暁之; 高屋 茂
no journal, ,
Timely and accurate anomaly detection for ensuring nuclear safety is at the top priority in the maintenance and management of NPPs (Nuclear Power Plants), since any slight anomaly in the plants might lead to irreversible severe accidents and high economic costs. Currently, due to the remarkable performance, deep learning algorithms are widely used for anomaly detection. Nevertheless, anomalies in NPPs are difficult to define, sparsely occurring, and are accompanied by variable noise labels, which all increase the difficulty on anomaly detection tasks. Moreover, as for general deep learning models, when analyzing time series data, the unsolved problems such as the interpretation of causing reason and loss of temporal features also pose challenges for detection. To alleviate these issues, an attention-based anomaly detection model for ensuring safety in NPPs is proposed, constituted of Conv1D (one-dimension convolutional neural network) backbone and attention mechanism. The performance of the proposed model was experimentally evaluated on the on the HTGR (High Temperature Gas-cooled Reactor) anomaly cases dataset based on the analytical code ACCORD, which conducted anomalies independently across multiple instruments. At this stage, the input data were composed of 9 classes of anomalies. According to the experimental results, the effectiveness and feasibility of the proposed anomaly detection model on ensuring safety of NPPs are demonstrated.
