TY -的A2 -穆罕默德,Azah盟,萨勃拉曼尼亚Sujatha盟——Ghouse Fathima盟——Natarajan颇为PY - 2014 DA - 2014/04/22 TI -故障诊断的批处理反应堆使用机器学习方法SP - 426402六世- 2014 AB -故障诊断的一批反应堆出故障的早期检测和最小化热失控的风险。它提供了优越的性能,有助于提高安全性和一致性。它已成为更重要在这个技术时代。摘要支持向量机(SVM)是用于估计热释放( 问 r )的批处理反应堆正常和故障条件。剩余的签名,这是获得名义和估计错误的区别 问 r 值,特征的不同性质断裂发生在批处理反应堆。适当的统计和几何特征提取残余签名和总数量的功能是减少使用SVM属性选择滤波器和主成分分析(PCA)方法。人工神经网络(ANN)多层感知器(MLP)等特点,径向基函数(RBF),并使用贝叶斯网络分类的不同类型的故障特性降低。观察从比较研究的结果,提出了故障诊断方法与有限数量的特征提取只有一个估计参数( 问 r )表明,它是更有效和快速诊断典型的缺点。SN - 1687 - 5591 UR - https://doi.org/10.1155/2014/426402 - 10.1155 / 2014/426402摩根富林明建模和仿真工程PB - Hindawi出版公司KW - ER