期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于等效导热系数理论模型的全陶瓷微封装燃料峰值温度预测方法
1
作者
王某浩
步珊珊
+2 位作者
周冰
李振中
陈德奇
《核动力工程》
EI
CAS
CSCD
北大核心
2024年第1期41-48,共8页
为了满足工程上对全陶瓷微封装(FCM)燃料峰值温度快速预测的需求,可以将燃料的等效导热系数代入至简化的均质导热模型中进行燃料峰值温度的反计算。本文基于前期提出的多环导热模型,从基本导热方程出发,以燃料峰值温度为守恒量,将多环...
为了满足工程上对全陶瓷微封装(FCM)燃料峰值温度快速预测的需求,可以将燃料的等效导热系数代入至简化的均质导热模型中进行燃料峰值温度的反计算。本文基于前期提出的多环导热模型,从基本导热方程出发,以燃料峰值温度为守恒量,将多环模型进一步等效为均质模型,推导了FCM燃料等效导热系数计算理论模型,并将该模型与常规等效导热系数理论模型进行对比。结果表明:本文构建的理论模型可以在多环模型的基础上结合均质模型从而有效地实现对燃料峰值温度的预测。该方法所预测的峰值温度值与实际值偏差基本在3%以内,因而可适用于对含内热源FCM燃料元件峰值温度的预测。本文建立的基于等效导热系数理论模型的预测方法可实现对FCM燃料峰值温度的快速预测。
展开更多
关键词
全陶瓷微封装(FCM)燃料
三结构同向性型(TRISO)燃料
等效导热系数
多环导热模型
峰值温度预测
原文传递
混合神经网络的包壳峰值温度预测研究
被引量：
1
2
作者
孙大彬
李磊
+1 位作者
田兆斐
王贺
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2022年第12期1728-1735,共8页
为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型。通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测。数据结果表明:卷积神...
为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型。通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测。数据结果表明:卷积神经网络-长短期记忆网络的混合神经网络模型单次事故分析时间降低为0.55 s的同时具备很高的准确性和稳定性。峰值预测精度、序列预测精度、超限概率预测精度、平均绝对百分比误差分别达到了99.527%,91.098%,95.371%,2.522%,均方根误差为49.065。相较于传统的BP神经网络和卷积神经网络方法,卷积神经网络-长短期记忆网络的混合神经网络模型也体现出了明显的优势。
展开更多
关键词
包壳峰值温度
卷积神经网络
长短期记忆网络
混合神经网络
峰值预测精度
序列预测精度
超限概率预测精度
平均绝对百分比误差
下载PDF
职称材料
题名
基于等效导热系数理论模型的全陶瓷微封装燃料峰值温度预测方法
1
作者
王某浩
步珊珊
周冰
李振中
陈德奇
机构
重庆大学低品位能源利用技术及系统教育部重点实验室
核工业西南物理研究院
出处
《核动力工程》
EI
CAS
CSCD
北大核心
2024年第1期41-48,共8页
基金
国家自然科学基金项目(52276052)。
文摘
为了满足工程上对全陶瓷微封装(FCM)燃料峰值温度快速预测的需求,可以将燃料的等效导热系数代入至简化的均质导热模型中进行燃料峰值温度的反计算。本文基于前期提出的多环导热模型,从基本导热方程出发,以燃料峰值温度为守恒量,将多环模型进一步等效为均质模型,推导了FCM燃料等效导热系数计算理论模型,并将该模型与常规等效导热系数理论模型进行对比。结果表明:本文构建的理论模型可以在多环模型的基础上结合均质模型从而有效地实现对燃料峰值温度的预测。该方法所预测的峰值温度值与实际值偏差基本在3%以内,因而可适用于对含内热源FCM燃料元件峰值温度的预测。本文建立的基于等效导热系数理论模型的预测方法可实现对FCM燃料峰值温度的快速预测。
关键词
全陶瓷微封装(FCM)燃料
三结构同向性型(TRISO)燃料
等效导热系数
多环导热模型
峰值温度预测
Keywords
FCM
fuel
TRISO
particle
Equivalent
thermal
conductivity
Multi-annulus
heat
conduction
model
peak
temperature
prediction
分类号
TL333 [核科学技术—核技术及应用]
原文传递
题名
混合神经网络的包壳峰值温度预测研究
被引量：
1
2
作者
孙大彬
李磊
田兆斐
王贺
机构
哈尔滨工程大学核安全与仿真技术重点学科实验室
出处
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2022年第12期1728-1735,共8页
基金
国家重点研发计划(2018YFB1900302).
文摘
为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型。通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测。数据结果表明:卷积神经网络-长短期记忆网络的混合神经网络模型单次事故分析时间降低为0.55 s的同时具备很高的准确性和稳定性。峰值预测精度、序列预测精度、超限概率预测精度、平均绝对百分比误差分别达到了99.527%,91.098%,95.371%,2.522%,均方根误差为49.065。相较于传统的BP神经网络和卷积神经网络方法,卷积神经网络-长短期记忆网络的混合神经网络模型也体现出了明显的优势。
关键词
包壳峰值温度
卷积神经网络
长短期记忆网络
混合神经网络
峰值预测精度
序列预测精度
超限概率预测精度
平均绝对百分比误差
Keywords
peak
cladding
temperature
convolutional
neural
network
long
short-term
memory
network
hybrid
neural
network
peak
prediction
accuracy
sequence
prediction
accuracy
exceedance
probability
prediction
accuracy
mean
absolute
percentage
error
分类号
TL364 [核科学技术—核技术及应用]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于等效导热系数理论模型的全陶瓷微封装燃料峰值温度预测方法
王某浩
步珊珊
周冰
李振中
陈德奇
《核动力工程》
EI
CAS
CSCD
北大核心
2024
0
原文传递
2
混合神经网络的包壳峰值温度预测研究
孙大彬
李磊
田兆斐
王贺
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2022
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
