CN114490825A - 一种核反应堆设备安全分析模型 - Google Patents

一种核反应堆设备安全分析模型 Download PDF

Info

Publication number
CN114490825A
CN114490825A CN202210109848.2A CN202210109848A CN114490825A CN 114490825 A CN114490825 A CN 114490825A CN 202210109848 A CN202210109848 A CN 202210109848A CN 114490825 A CN114490825 A CN 114490825A
Authority
CN
China
Prior art keywords
data
module
nuclear reactor
analysis
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202210109848.2A
Other languages
English (en)
Inventor
杨笑千
肖波
郑炯
张明星
唐华
张力丹
马浩轩
崔宸
廖真
蔡文超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202210109848.2A priority Critical patent/CN114490825A/zh
Publication of CN114490825A publication Critical patent/CN114490825A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Library & Information Science (AREA)
  • Molecular Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Educational Administration (AREA)
  • Fuzzy Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明公开了一种核反应堆设备安全分析模型，所述核反应堆设备安全分析模型包括数据采集模块、数据处理模块、数据分析模块、模型建设模块和安全预警模块，模型建设模块用于接收数据分析模块传输的数据，并且对接收的数据进行分析模型建设，模型建设模块根据现有的接收到的数据进行分析模型建设，包括反应堆设备缺陷检测、故障诊断模型，并且还可以对后续核反应堆运行情况进行预估分析模型建设，在本发明的分析模型中，可以利用数据分析模块对核反应堆当前的情况进行分析模型建设，还可以对后续核反应堆设备运行情况进行预估分析模型建设，便于工作人员提前掌握反应堆设备缺陷和故障情况，规避不安全的因素，一定程度上减少了不必要的损失，便于使用。

Description

一种核反应堆设备安全分析模型
技术领域
本发明涉及核反应堆安全设备技术领域，具体为一种核反应堆设备安全分析模型。
背景技术
核反应堆，又称为原子能反应堆或反应堆，是能维持可控自持链式核裂变反应，以实现核能利用的装置，核反应堆通过合理布置核燃料，使得在无需补加中子源的条件下能在其中发生自持链式核裂变过程，严格来说，反应堆这一术语应覆盖裂变堆、聚变堆、裂变聚变混合堆，但一般情况下仅指裂变堆；
核反应堆系统具有复杂的结构，当发生核事故时，反应堆堆芯、一回路系统、二回路系统以及专设安全系统会发生一系列复杂的物理热工响应，系统参数变化趋势具有复杂的非线性特征。如果在核事故应急或应急演习中，依靠人的经验对发生事故的类型进行人工判断，不仅具有太大的主观性，而且也达不到快速识别的要求，更不可能在较短的时间内，快速估算核反应堆系统的安全相关参数，如燃料包壳温度、燃料芯块温度和主管道破口尺寸等，因此设计一套能够在事故工况下快速自动评估核反应堆发生事故类型，以及快速自动估算核反应堆安全相关参数的人工智能系统，对于核应急和应急演习工作而言，具有很大的意义和应用价值。
算法是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制，在大数据和人工智能时代的时代下，算法有了更多的用武之地，且在核工业领域亦有着不可估量的应用前景。
传统的核反应堆安全系统的监测设备，一般是对核反应堆当前所处的状态以及外部环境进行安全监测，但是无法预知核反应堆在后续的一段时间内所处的状态是否存在一定的不安全的因素，则不便于工作人员提前规避不安全的因素，一定程度上会造成不必要的损失，因此我们需要结合大数据和算法提出一种核反应堆设备安全分析模型。
发明内容
本发明的目的在于提供一种核反应堆设备安全分析模型，利用模型建设模块不仅可以对核反应堆当前的情况进行分析模型建设，还可以对后续核反应堆内部反应情况进行预估分析模型建设，便于工作人员提前规避不安全的因素，减少损失，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种核反应堆设备安全分析模型。
所述核反应堆设备安全分析模型包括数据采集模块，所述数据采集模块用于对核反应堆内部反应情况以及核反应堆周边的环境情况进行数据的采集；
所述数据采集模块的连接端连接有数据处理模块，所述数据采集模块将采集的数据传输至数据处理模块处，所述数据处理模块用于接收数据采集模块传输的数据，并且对接收的数据进行处理；
所述数据处理模块的连接端连接有数据分析模块，所述数据处理模块将处理后的数据传输至数据分析模块处，所述数据分析模块用于接收数据处理模块传输的数据，并且对接收的数据进行分析；
所述模型建设模块的连接端连接有安全预警模块，所述模型建设模块将建设后的模型数据传输至安全预警模块处，所述安全预警模块用于接收模型建设模块传输的数据，所述安全预警模块对接收的数据进行检索，并将检索结果传输至报警终端处。
优选的，所述数据采集模块包括数据存储单元和设置于核反应堆运行环境的数据采集单元，所述采集单元用于对核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据进行采集，并以数据的形式进行传输，所述数据存储单元的连接端与采集单元连接，所述数据存储单元用于接收采集单元传出的数据，并对数据进行存储和发送。
优选的，所述数据处理模块接收到数据采集模块传输的核反应堆各类数据后，对接收到的数据进行分类处理，其中分类处理的内容包括核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据。
优选的，所述数据分析模块将接收到的核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据分别进行分析，建立反应堆缺陷检测、故障诊断模型，并且随着时间的推移对不同时间段的核反应堆的运行数据进行分析。
优选的，所述报警终端包括报警设备，所述报警设备设置为报警提示灯和扬声器，所述安全预警模块对接收的数据进行检索后，若发现不安全的因素，则会驱动报警终端进行报警，所述报警提示灯的报警状态设置为报警提示灯不停闪烁，且在系统端会进行明显的提示
一种核反应堆设备安全分析模型的建立，包括如下步骤：
步骤一、数据采集，利用数据采集模块对核反应堆内部反应情况以及核反应堆周边的环境情况进行数据的采集，并将获得的数据结果发送至数据处理模块；
步骤二、数据处理，数据处理模块接收步骤一中获得的数据结果，并且对数据结果进行分类处理，获得分类后的数据，并将分类后的数据发送至数据分析模块；
步骤三、数据分析，数据分析模块接收步骤二中获得的分类后的数据，并且对分类后的数据进行建模建立和数据分析，获得数据分析的结果，并将分析后的数据结果发送至安全模块；
步骤四、安全预警，安全预警模块接收到步骤三中获得的模型分析结果，并对接收的数据进行检索，若发现不安全的因素，则驱动报警终端和系统进行报警。
与现有技术相比，本发明的有益效果是：
本发明通过数据采集模块、数据处理模块、数据分析模块、和安全预警模块的模块化设计，利用数据分析模块可以对接收数据进行建模分析，对后续核反应堆设备运行情况进行缺陷检测和故障诊断分析模型建设，利用分析模型建设对后续核反应堆设备可能存在的安全情况以模型的形式进行展示，便于工作人员提前规避不安全的因素，一定程度上减少了不必要的损失，便于使用。
附图说明
图1为本发明核反应堆设备安全分析模型的架构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种核反应堆设备安全分析模型，
所述核反应堆设备安全分析模型包括数据采集模块，所述数据采集模块用于对核反应堆内部反应情况以及核反应堆周边的环境情况进行数据的采集；
所述数据采集模块的连接端连接有数据处理模块，所述数据采集模块将采集的数据传输至数据处理模块处，所述数据处理模块用于接收数据采集模块传输的数据，并且对接收的数据进行处理；
所述数据处理模块的连接端连接有数据分析模块，所述数据处理模块将处理后的数据传输至数据分析模块处，所述数据分析模块用于接收数据处理模块传输的数据，并且对接收的数据进行分析；
所述模型建设模块的连接端连接有安全预警模块，所述模型建设模块将建设后的模型数据传输至安全预警模块处，所述安全预警模块用于接收模型建设模块传输的数据，所述安全预警模块对接收的数据进行检索，并将检索结果传输至报警终端处。
所述数据采集模块包括数据存储单元和设置于核反应堆运行环境的数据采集单元，所述采集单元用于对核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据进行采集，并以数据的形式进行传输，所述数据存储单元的连接端与采集单元连接，所述数据存储单元用于接收采集单元传出的数据，并对数据进行存储和发送。
所述数据处理模块接收到数据采集模块传输的核反应堆各类数据后，对接收到的数据进行分类处理，其中分类处理的内容包括核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据。
所述数据分析模块将接收到的核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据分别进行分析，建立反应堆缺陷检测、故障诊断模型，并且随着时间的推移对不同时间段的核反应堆的运行数据进行分析。
所述反应堆缺陷检测模型为：反应堆设备缺陷检测是通过数据采集到的图像数据对设备局部缺陷进行检测，处理的是图像局部信息，选择目标检测算法对设备进行缺陷检测。目标检测算法的任务是找出设备缺陷图像中所有缺陷目标，并确定缺陷的位置和大小。其主要有分类和回归两个任务，分类是对图像中的缺陷类别进行识别，回归是对目标框的位置、大小进行预测。
基于卷积神经网络的目标缺陷检测模型基本流程是：
(1)特征提取
(2)生成目标候选框
(3)分类/定位回归
特征提取阶段是通过多种卷积核、多层卷积层堆叠成卷积块提取图像的特征图，生成目标候选框阶段有滑动窗口、选择性搜索算法，分类/定位回归阶段采用交叉熵、均方误差作为损失函数，根据数据特点、需求不同可以对损失函数的系数进行改进，使其满足检测需求。
Yolo系列算法是不需要产生候选框的端到端目标检测算法，yolov5算法是最新的模型，其具有网络架构小、检测速度快。整个算法首先需要在网络架构中的先对反应堆设备缺陷数据以Mosaic数据增强的方式对数据进行随机缩放、随机裁剪、随机排布的方式进行拼接。然后进行特征提取：将预处理后的图像送入主干网络CSP进行特征提取，CSP网络的主要思想是将特征图分解成两个部分，一部分进行卷积操作，另一部分和上一个卷积层的特征图进行联结操作。在主干网络中还加入了聚焦(Focus)结构，主要是将特征图进行切片。将原始输入608*608*3的图像输入Focus结构，采取切片操作，先变成304*304*12的特征图，再经过一层32个卷积核的卷积层，最终特征图的维度是304*304*32。
通过特征提取获取到特征图以后，再在特征图上进行设备缺陷类型的识别与定位，预测出目标框的中心点、宽高，再转换成目标框的坐标。为了使网络朝着目标方向进行参数迭代，需要设置合适的损失函数。该损失函数主要由分类损失函数和回归损失函数组成。
目标框的回归损失函数(公式1)为：
Figure BDA0003494769090000061
其中，
Figure BDA0003494769090000062
是衡量长宽比一致性的参数，其将重叠面积、中心点距离，长宽比都进行比较。Distance_2是两个目标框中心点的欧氏距离，Distance_C是目标框对角线的距离，IOU是两个目标框的交并比。
分类损失函数(公式2)为：
Figure BDA0003494769090000071
模型训练至损失不再下降，且训练集和验证集的准确率相当，即可停止训练，完成模型。最后将反应堆设备的图片实时传至模型中计算，并将计算结果反馈至安全预警模块。
所述反应堆故障诊断模型为：基于曲线拟合的检测算法，是针对反应堆某个状态最近时间窗口内的数据遵循某种趋势的现象，使用一条曲线对反应堆状态的趋势进行拟合，如果新的数据打破了这种趋势，则该点就出现了异常。
基于曲线拟合的检测算法，是针对反应堆某个状态最近时间窗口内的数据遵循某种趋势的现象，使用一条曲线对反应堆状态的趋势进行拟合，如果新的数据打破了这种趋势，则该点就出现了异常。利用EWMA算法的递推公式(公式3，公式4)：
EWMA(1)＝p(1) (3)
EWMA(i)＝a*p(i)+(1-a)*EWMA(i-1) (4)
基于同期数据的检测算法，反应堆很多监控项都具有一定的周期性。如果某一天的数据比过去n天同一时刻的最小值乘以一个阈值还小；或者某一天的数据比过去n天同一时刻的最大值乘以一个阈值还大，就认为该输入为异常点，可能是反应堆发生了故障。
基于同期振幅的检测算法(公式5)，是基于同期数据检测算法的基础上，采用曲线“长得差不多”的思路，使用过去n个时间段振幅作为标准，如果m时刻的振幅绝对值大于阈值，则认为该时刻发生异常。最后将算法结果反馈至安全预警模块。
Figure BDA0003494769090000072
所述报警终端包括报警设备，所述报警设备设置为报警提示灯和扬声器，所述安全预警模块对接收的数据进行检索后，若发现不安全的因素，则会驱动报警终端进行报警，所述报警提示灯的报警状态设置为报警提示灯不停闪烁，且在系统端会进行明显的提示。
一种核反应堆设备安全分析模型的建立，包括如下步骤：
步骤一、数据采集，利用数据采集模块对核反应堆内部反应情况以及核反应堆周边的环境情况进行数据的采集，并将获得的数据结果发送至数据处理模块；
步骤二、数据处理，数据处理模块接收步骤一中获得的数据结果，并且对数据结果进行分类处理，获得分类后的数据，并将分类后的数据发送至数据分析模块；
步骤三、数据分析，数据分析模块接收步骤二中获得的分类后的数据，并且对分类后的数据进行建模建立和数据分析，获得数据分析的结果，并将分析后的数据结果发送至安全模块；
步骤四、安全预警，安全预警模块接收到步骤三中获得的模型分析结果，并对接收的数据进行检索，若发现不安全的因素，则驱动报警终端和系统进行报警。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种核反应堆设备安全分析模型，其特征在于：
所述核反应堆设备安全分析模型包括数据采集模块，所述数据采集模块用于对核反应堆内部反应情况以及核反应堆周边的环境情况进行数据的采集；
所述数据采集模块的连接端连接有数据处理模块，所述数据采集模块将采集的数据传输至数据处理模块处，所述数据处理模块用于接收数据采集模块传输的数据，并且对接收的数据进行处理；
所述数据处理模块的连接端连接有数据分析模块，所述数据处理模块将处理后的数据传输至数据分析模块处，所述数据分析模块用于接收数据处理模块传输的数据，并且对接收的数据进行分析；
所述数据分析模块的连接端连接有模型建设模块，所述数据分析模块将分析后的数据传输至模型建设模块处，所述模型建设模块用于接收数据分析模块传输的数据，并且对接收的数据进行分析模型建设，所述模型建设模块根据现有的接收到的数据进行分析模型建设，包括反应堆缺陷检测、故障诊断模型的建设，并且还可以对后续核反应堆内部反应情况进行预估分析模型建设，利用预估分析模型建设对后续核反应堆可能存在的安全情况以模型的形式进行展示；
所述模型建设模块的连接端连接有安全预警模块，所述模型建设模块将建设后的模型数据传输至安全预警模块处，所述安全预警模块用于接收模型建设模块传输的数据，所述安全预警模块对接收的数据进行检索，并将检索结果传输至报警终端处。
2.根据权利要求1所述的数据采集模块，其特征在于：所述数据采集模块包括日常运行数据存储单元和设置于核反应堆的各类参数传感器采集单元，涵盖温度、压力、频率、振幅、图像等参数，并以数据的形式进行传输，所述压力采集单元用于对核反应堆运行情况进行采集，并以数据的形式进行传输，所述数据存储单元与采集单元均连接，所述数据存储单元用于接收采集单元传出的数据，并对数据进行存储和发送。
3.根据权利要求1所述的数据处理模块，其特征在于：所述数据处理模块接收到数据采集模块传输的核反应堆内部反应情况以及核反应堆周边的环境情况的数据后，对接收到的数据进行分类处理，其中分类处理的内容包括核反应堆的温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据等。
4.根据权利要求1所述的数据分析模型，其特征在于：所述数据分析模块将接收到的核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据分别进行数据建模分析，建立反应堆缺陷检测、故障诊断分析模型，并且随着时间的推移对不同时间段的核反应堆温度数据、压力数据、某部件震动频率数据、震动幅度数据、图像数据分别进行分析。
5.根据权利要求1所述的安全预警模块，其特征在于：所述报警终端包括报警设备，所述报警设备设置为报警提示灯、扬声器和系统显示端的报警，所述安全预警模块对接收的数据进行检索后，若发现不安全的因素，则会驱动报警终端进行报警，所述报警提示灯的报警状态设置为报警提示灯不停闪烁，且在系统端会进行明显的提示。
6.一种权利要求1-5任意一项所述的一种核反应堆设备安全分析模型的建立，包括如下步骤：
步骤一、数据采集，利用数据采集模块对核反应堆内部反应情况以及核反应堆周边的环境情况进行数据的采集，并将获得的数据结果发送至数据处理模块；
步骤二、数据处理，数据处理模块接收步骤一中获得的数据结果，并且对数据结果进行分类处理，获得分类后的数据，并将分类后的数据发送至数据分析模块；
步骤三、数据分析，数据分析模块接收步骤二中获得的分类后的数据，并且对分类后的数据进行建模建立和数据分析，获得数据分析的结果，并将分析后的数据结果发送至安全模块；
步骤四、安全预警，安全预警模块接收到步骤三中获得的模型分析结果，并对接收的数据进行检索，若发现不安全的因素，则驱动报警终端和系统进行报警。
CN202210109848.2A 2022-01-29 2022-01-29 一种核反应堆设备安全分析模型 Withdrawn CN114490825A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210109848.2A CN114490825A (zh) 2022-01-29 2022-01-29 一种核反应堆设备安全分析模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210109848.2A CN114490825A (zh) 2022-01-29 2022-01-29 一种核反应堆设备安全分析模型

Publications (1)

Publication Number Publication Date
CN114490825A true CN114490825A (zh) 2022-05-13

Family

ID=81478892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210109848.2A Withdrawn CN114490825A (zh) 2022-01-29 2022-01-29 一种核反应堆设备安全分析模型

Country Status (1)

Country Link
CN (1) CN114490825A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116304819A (zh) * 2023-03-15 2023-06-23 四川大学 一种基于LeNet-5算法的核反应堆运行工况判断方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116304819A (zh) * 2023-03-15 2023-06-23 四川大学 一种基于LeNet-5算法的核反应堆运行工况判断方法

Similar Documents

Publication Publication Date Title
CN112287816B (zh) 一种基于深度学习的危险工作区事故自动检测报警方法
LU502731B1 (en) Method for monitoring abnormality of power production, apparatus, computer device, and storage medium therefor
KR20200004822A (ko) 디스플레이 스크린 주변 회로 검출 방법, 장치, 전자기기 및 저장매체
CN113283344A (zh) 一种基于语义分割网络的矿用输送带跑偏检测方法
CN113569956B (zh) 一种基于ai算法的山火灾害勘查识别方法
CN113709334A (zh) 基于多源信息融合的变电设备智能分析联动系统与方法
CN114490825A (zh) 一种核反应堆设备安全分析模型
CN117975372B (zh) 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法
CN116846059A (zh) 一种用于电网巡检和监控的边缘检测系统
CN118053118B (zh) 一种光伏性能综合监测评估及维护方法及系统
Özer et al. An approach based on deep learning methods to detect the condition of solar panels in solar power plants
CN113592111A (zh) 一种核电设备故障智能化处理方法及系统
CN113898537A (zh) 一种风电场远程智能巡检系统
CN116486307B (zh) 一种基于视频分析技术的化工园区安全预警方法及系统
CN117372954A (zh) 充电站安全监测方法、装置、系统和计算机设备
CN117035669A (zh) 基于人工智能的企业安全生产管理方法及系统
Xiao et al. Monitoring the Abnormal Human Behaviors in Substations based on Probabilistic Behaviours Prediction and YOLO-V5
CN115100592A (zh) 一种输电通道外破隐患识别方法、装置及存储介质
Zan et al. Defect identification of power line insulator based on an improved YOLOV4-tiny algorithm
LU505192B1 (en) Method and Device for Controlling Wind Turbine Generator Operation and Maintenance Based on Image Recognition, and Equipment Executing the Method Thereof
CN111382773A (zh) 一种用于管道内部监测基于九宫原理的图像匹配方法
CN118197027B (zh) 一种基于管道预警的无人机调度查验方法以及相关装置
Liang et al. Fire and Smoke Detection Method Based on Improved YOLOv5s
Liu et al. Wind Turbine Blade Surface Defect Detection Based on YOLO Algorithm
CN116629548A (zh) 变电站事故的处理方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20220513