966 / 2019-10-23 14:43:32

基于深度学习的ELM实时识别算法研究

全体主题 > 磁约束核聚变实验

本研究基于深度学习的方法，在HL-2A装置上开发出了一套ELM实时识别算法。算法使用装置早期的5200炮数据进行学习，得到一个深度为22层卷积神经网络。该网络识别了HL-2A装置自2009年实现稳定ELMy H模放电以来的25321炮，共识别出1665炮H模，其中误识别35炮，误报率为2.10%。在实际的1634炮H模中，漏识别其中4炮，漏识别率为0.25%。该误报率和漏报率可以满足ELM实时识别的精度要求。识别算法在实时控制环境下，对单个时间点（1ms）的平均计算时间为20.6us，可以满足实时控制的计算速度要求。