- 详情
- 2020-12-27
- 简介
- 12.5MB
- 页数 10P
- 阅读 136
- 下载 35
核电站的安全性和可用度通常是矛盾的。各种新堆型无法用于大量在役核电站。实践及理论研究表明,各种常规故障及其叠加以及操作员的误判是导致核电站停堆和安全事故的主因。动态不确定因果图(Dynamic Uncertain Causality Graph,DUCG)是原创的人工智能理论模型和软件平台,可有效用于核电站等大型复杂工业过程系统的故障监测、预报、诊断、发展预测和决策支持。DUCG主要基于领域专家的确定或不确定因果知识而非对难以获得的大量故障数据的黑箱学习,可诊断从未发生过的故障,具有知识库全图形表达、诊断正确率高、推理结果可解释性强、计算效率高、对概率参数精度要求低、对知识库和信号的容错能力强等特点。在已经完成的各项实验中,DUCG的诊断正确率达到100%。采用DUCG技术,可在很小投入的情况下有效提高在役和新建核电站的安全性和可用度。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
用原创的DUCG人工智能技术提高核电站的安全性和可用度 12.5MB
用原创的DUCG人工智能技术提高核电站的安全性和可用度 5.2MB
机械电子工程与人工智能技术的结合性研究 119KB
四川核电站的场地地震安全性评价问题探讨 597KB
基于人工智能技术的歌唱发音质量客观评价研究综述 4.0MB
核电站物项的安全分级 982KB
核电站火灾与核安全相关性的研究 1.2MB
提高电梯不使用层站安全性的思考 51KB
人工智能技术在电力调度中的应用 2.4MB
可提高票务付款安全性的智能IC卡 514KB