[发明专利]一种向量机系统

说明书

一种向量机系统，对数据库中的数据进行运算，根据误差最小原理不断修正计算模型，并将自学习过程结果返回给计算单元。

技术领域

本发明涉及核工程领域，特别是涉及一种临界热流向量机系统。

背景技术

为解决人类日益增大的能源需求，核能被越来越多的使用。在利用核能的时候，安全问题不容忽视。临界热流密度（Critical Heat Flux, 简写为CHF）是确保换热系统安全的重要限制性参数之一。而对CHF的研究，涉及核反应堆工程、工程热物理、安全工程、非线性动力系统、非平衡态热力学等多个学科领域。有必要将换热系统视为一个动力系统，从最基本的质能传递关系式出发，围绕其非线性特征，揭示事故发生的规律，然后利用人工智能技术，综合多种相关因素，形成其安全性的有关监测方法。而反应堆ＣＨＦ现象具有多变性。ＣＨＦ形成过程中，各物理量在总体上表现出一定的规律性，而某一物理量或多个物理量的瞬时值却往往表现出一定的随机性。棒的形状、大小等几何尺寸及物理性质，冷却剂过冷度、流速、成分，棒束格架等多种因素都影响到ＣＨＦ。

目前，人们对CHF的预测方法进行了大量的实验和研究，得到很多的经验关系式，比如W-3经验公式。但这些经验关系式缺乏物理机理模型支持，应用范围狭窄。用于一些反应堆的安全分析系统中的模型取决于控制CHF的机理，而机理往往是与相关影响参数有很强的非线性关系。在反应堆瞬态过程中，运行参数不断变化，CHF的测量需要建立耦合不同影响参数的的非线性计算模型。

发明内容

为解决上述技术问题，本发明采用的技术方案是：一种向量机系统，对临界热流密度数据库中的数据进行运算，根据误差最小原理不断修正计算模型，并将自学习过程结果返回给计算单元。

作为改进之一地，所述数据库存储有临界热流密度查询表的数据、运行时系统的测量数据和自学习获得的数据。

作为改进之一地，所述自学习单元采用支持向量机技术，同时具有查询、数据分析、知识发现的功能。将数据库中反馈的数据进行自学习和对数据进行知识发现，不断修正样本集和计算模型。

与现有技术相比，有益效果是：

（1）运用支持向量机技术，能实现CHF实时计算模型，输出有界的非线性映射，以构成描述CHF的非线性计算模型，具有高度容错性；

（2）实际探测到ＣＨＦ产生时的物理量有很大的变化性，这就要求模式识别过程具有较强的模糊类比、识别和容错能力。模糊理论、支持向量机技术具有样本自学习能力、高容错性，是实现复杂模式分类与辩识的有效工具。将模糊逻辑理论、支持向量机与上述的ＣＨＦ理论和基础数据等有机结合，形成真正的智能预测技术。本装置所建立的数据库及其计算单元，具有较好的自学习能力，成为智能CHF测量系统。

具体实施方式

本发明包括：探测单元，通过各种传感器和探测器测量核反应堆的各种参数，并把相应参数转变为电信号输出；输入单元，连接探测装置，将探测装置的电信号存入预处理单元；预处理单元，对数据信号进行筛选，剔除一些错误的数据后，存入临界热流密度数据库；计算单元，根据预处理单元筛选后的测量数据实时计算出相应的临界热流密度值；自学习单元，对临界热流密度数据库中的数据进行运算，根据误差最小原理不断修正计算模型；反馈单元，将自学习过程结果返回给计算单元；输出单元，将计算单元所得的临界热流密度结果显示出来。其中探测装置包括压力探测器、质量流量探测器、含汽率探测器和温度探测器。

本发明的临界热流向量机系统的实现步骤如下：将探测器探测得到的压力Ｐ、质量流量Ｇ、含汽率ｘ、温度T等数据由探测单元转换成电信号，通过输入单元存入预处理单元，由预处理单元对数据进行预处理，剔除一些错误的数据，将数据存入临界热流密度数据库的同时，由计算单元根据测量数据实时计算出相应的临界热流密度值；最后由输出单元将计算所得的临界热流密度结果显示出来。自学习单元对临界热流密度数据库中的数据进行自学习，根据误差最小原理不断修正计算模型；反馈单元，将自学习过程结果返回给计算单元。其中误差最小原理是指均方误差最小。本发明运用CHF非线性机理、模糊理论和支持向量机技术相结合建立起的计算单元，具有自学习的能力和知识发现的过程，获得可靠的容错性高的训练样本集，能不断自我补充和完善，有助于提高CHF测量智能化的程度，大大提高测量的准确性、及时性和可靠性。