盖秀清
- 作品数：6 被引量：2H指数：1
- 供职机构：中国人民解放军海军工程大学船舶与动力学院更多>>
- 相关领域：核科学技术文化科学交通运输工程更多>>
- 基于Bayes网络的反应堆冷却剂泵智能故障诊断研究
- 2007年
- 反应堆冷却剂泵结构复杂、运行环境恶劣,故障率较高,故障原因与故障现象之间存在着较大的不确定性,采用Bayes网络进行不确定性推理,进而建立自学习诊断系统,实现智能诊断,可以有效提高诊断效率.
- 任鹏寅陈力生盖秀清
- 关键词：BAYES网络智能故障诊断自学习系统
- 一体化压水堆非能动余热排出系统动态特性仿真
- 2012年
- 针对MAX一体化压水堆建立反应堆主要系统及非能动余热排出系统的水力热工计算模型,以电源丧失事故为假想事故,利用该模型对事故过程进行仿真计算。分析结果表明,非能动余热排出系统配合一体化压水堆的高自然循环能力能够在发生电源丧失事故的情况下,明显减轻反应堆一、二回路压力边界的负担,降低堆芯温度,提高反应堆的安全性。
- 沈全华盖秀清傅晟威
- 关键词：一体化压水堆非能动余热排出系统
- 基于混合推理机的舰船冷凝器故障诊断系统研究
- 2008年
- 针对舰船冷凝器结构特点和故障特性提出基于范例推理和规则推理相结合的混合推理机,对不同的故障采取不同的诊断推理模式,以具体故障为例验证所构建系统的有效性,并以计算机编程仿真验证其可行性。
- 盖秀清蔡琦陈玲
- 关键词：范例库故障诊断
- 基于重构概念的变负荷工况下核功率预测研究被引量：2
- 2012年
- 为适应船用核动力装置变负荷运行工况时功率的调节,提出了一种基于运行数据统计学习的方法计算需求功率,并分别运用支持向量机和BP神经网络两种机器学习方法进行了数值试验。结果表明,在负荷急剧变化过程中,基于数据统计学习的方法计算精度优于物理模型法,特别是基于支持向量机的方法,它可在短时间内经一遍训练即可得到符合精度的训练模型,且可保证其得到的极值解即为全局最优解。此外,该方法还可应对某些输入信号缺失的情况,提高了计算过程的稳定性、可靠性和容错控制能力。
- 王晓龙盖秀清蔡琦陈玉清宋梅村
- 关键词：BP神经网络支持向量机统计学习
- 基于重构概念的变负荷工况下核功率预测研究
- 为适应船用核动力装置变负荷运行工况时功率的调节,提出了一种基于运行数据统计学习的方法计算需求功率,并分别运用支持向量机和BP神经网络两种机器学习方法进行了数值试验。结果表明,在负荷急剧变化过程中,基于数据统计学习的方法计...
- 王晓龙盖秀清蔡琦陈玉清宋梅村
- 关键词：BP神经网络支持向量机统计学习
- 文献传递
- 基于重构概念的变负荷工况下核功率预测研究
- 为适应船用核动力装置变负荷运行工况时功率的调节，提出了一种基于运行数据统计学习的方法计算需求功率，并分别运用支持向量机和BP神经网络两种机器学习方法进行了数值试验。结果表明，在负荷急剧变化过程中，基于数据统计学习的方法计...
- 王晓龙盖秀清蔡琦陈玉清宋梅村
- 关键词：BP神经网络支持向量机统计学习
- 文献传递网络资源链接
