【技术实现步骤摘要】
本专利技术涉及托卡马克磁探针故障检测，尤其涉及一种用于托卡马克磁探针实时故障检测方法。
技术介绍
1、随着磁约束聚变研究的不断发展，装置的安全稳定运行备受关注。在磁约束托卡马克装置中，存在着很强的磁场，这些磁场是由在外导体（如：纵场和极向场导体）或等离子体本身流动的电流所产生。这些磁场与等离子体之间相互作用，将高温等离子体约束在真空室内。因此，在托卡马克等离子体实验中，磁场的测量是装置稳定运行最基本的条件之一，而电磁测量诊断系统正是一种测量磁场及电磁过程简单而有效的工具。基于电磁测量诊断的反演可以获得装置内部高温等离子体的状态，进而实现等离子体的稳定控制。其中，磁探针是电磁测量中基本诊断之一，具有测量方式简单且测量精度高的特点。然而，聚变装置恶劣的运行环境导致磁探针在长时间运行中可能出现测量故障，从而影响装置的稳定运行。为了能够保障装置的稳定运行，需要实时检测磁探针的运行状态。
2、现有磁探针故障诊断检测有以下缺点：
3、（1）演化模型构建难度大
4、托卡马克放电过程是一个极其复杂的过程，传统的物理演化难以被准确地模拟。现有技术一般是基于某些假设来简化物理过程从而实现放电模拟，基于简化的物理过程只能适应部分的放电过程，当放电参数较高时，该模拟难以得到准确的演化。一般针对这些场景需要对模型进行针对性调整来进行适应。
5、（2）计算速度慢，实时性难以保证
6、为了能够获得更加准确的演化放电模型，需要构建更加复杂的物理模型。然而这些模型的计算基于现有计算机的计算能力难以快速计
7、（3）未能实现在线检测
8、托卡马克磁探针故障诊断检测基于现有技术未能实现实时在线检测，一般是在放电实验之前进行校准。当放电过程中，诊断出现故障时，放电会中断失败。在放电失败后，科研人员会进行评估然后进行校准以排除故障，严重影响实验的进程。
9、综上所述，本申请提出一种用于托卡马克磁探针实时故障检测方法。
技术实现思路
1、本专利技术的目的是针对
技术介绍
中存在现有磁探针故障诊断检测难度大、速度慢的问题，提出一种用于托卡马克磁探针实时故障检测方法。
2、本专利技术的技术方案：一种用于托卡马克磁探针实时故障检测方法，包括以下步骤：
3、步骤一、收集神经网络模型训练数据以构建训练数据库，将磁探针信号相关的物理参数作为模型输入；
4、步骤二、采用具有多层编码层和解码层的神经网络模型来捕获磁探针信号在时间上的演化特性，并基于输入时间段预测后续时间段的磁探针信号；
5、步骤三、将所述模型输入传输至训练好的神经网络模型以实时预测磁探针信号；
6、步骤四、通过对比实际测量磁探针信号与预测磁探针信号，依据设定阈值判断实际测量磁探针信号是否存在问题；
7、步骤五、异常信号反馈处理：当检测出实际测量信号存在问题时，将预测信号替换有问题的信号，并输出出去，以保证实验的稳定。
8、可选的，所述步骤一中，磁探针信号相关的物理参数包括pf线圈、ic线圈的电压信号和等离子体总电流，同时表征当前等离子体的状态参数储能wmhd、环电压vloop、极向比压以及内感li作为模型的输入。
9、可选的，所述构建训练数据库步骤中，数据来源为托卡马克east装置放电数据，包括双零、单零多种放电位形，且放电平顶段等离子体总电流涵盖200-500ka范围。
10、可选的，所述步骤二中，具体包括：利用transformer神经网络模型作为基础模型来捕获在时间上的演化特性，其中transformer神经网络模型具有4层的编码层和6层的解码层，输入为0-t时间段，预测演化t到t+999时间段的磁探针信号。
11、可选的，所述transformer神经网络模型的输入包括等离子体状态参数，其通过embedding和pe操作后进入conv1d层，再经过多层的ln、conv ffn、mha和masked mha操作进行编码和解码处理，最终通过projection和linear操作得到预测信号。
12、可选的，所述步骤四中，将实际测量信号与预测信号进行对比，当两者之间的差别大于设定的阈值时，则认为该实际测量信号存在问题，反之则正常；
13、可选的，所述步骤四中，对比实际测量与预测信号步骤中的阈值根据实际运行环境和磁探针性能要求设定，阈值设置为0.05，即0.05。
14、可选的，述异常信号反馈处理中，替换有问题的信号后，对输出信号进行标记。
15、与现有技术相比，本申请包括以下至少一种有益技术效果：
16、(1) 通过构建准确的等离子体演化模型来预测磁探针信号，对比实际测量值与预测值来判断磁探针的运行状态，从而实现磁探针的故障检测。
17、(2) 在构建演化模型方面，采用transformer模型来适配含时间演化的信息，提高模型演化的准确性。
18、(3) 基于gpu的神经网络演化模型克服传统演化模型计算时间长的问题，实现了等离子体故障诊断的快速演化。
19、(4) 整个专利技术利用基于数据驱动的人工智能算法来代替传统的物理建模，提高了模型预测精度，同时也降低模型构建难度。
20、本专利技术提出利用人工智能算法实现对托卡马克装置中磁探针诊断的故障检测，不仅在模型的计算精度上得到提升，并且在模型计算时间上得到大幅度的优化，使得磁探针故障实时检测变得切实可行，具有较强的普适性。
本文档来自技高网...【技术保护点】
1.一种用于托卡马克磁探针实时故障检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述步骤一中，磁探针信号相关的物理参数包括PF线圈、IC线圈的电压信号和等离子体总电流，同时表征当前等离子体的状态参数储能Wmhd、环电压Vloop、极向比压以及内感Li作为模型的输入。
3.根据权利要求2所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述构建训练数据库步骤中，数据来源为托卡马克EAST装置放电数据，包括双零、单零多种放电位形，且放电平顶段等离子体总电流涵盖200-500kA范围。
4.根据权利要求1所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述步骤二中，具体包括：利用Transformer神经网络模型作为基础模型来捕获在时间上的演化特性，其中Transformer神经网络模型具有4层的编码层和6层的解码层，输入为0-t时间段，预测演化t到t+999时间段的磁探针信号。
5.根据权利要求4所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于
6.根据权利要求1所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述步骤四中，将实际测量信号与预测信号进行对比，当两者之间的差别大于设定的阈值时，则认为该实际测量信号存在问题，反之则正常。
7.根据权利要求6所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述步骤四中，对比实际测量与预测信号步骤中的阈值根据实际运行环境和磁探针性能要求设定，阈值设置为0.05，即0.05。
8.根据权利要求1所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述异常信号反馈处理中，替换有问题的信号后，对输出信号进行标记。
...【技术特征摘要】
1.一种用于托卡马克磁探针实时故障检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述步骤一中，磁探针信号相关的物理参数包括pf线圈、ic线圈的电压信号和等离子体总电流，同时表征当前等离子体的状态参数储能wmhd、环电压vloop、极向比压以及内感li作为模型的输入。
3.根据权利要求2所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述构建训练数据库步骤中，数据来源为托卡马克east装置放电数据，包括双零、单零多种放电位形，且放电平顶段等离子体总电流涵盖200-500ka范围。
4.根据权利要求1所述的一种用于托卡马克磁探针实时故障检测方法，其特征在于，所述步骤二中，具体包括：利用transformer神经网络模型作为基础模型来捕获在时间上的演化特性，其中transformer神经网络模型具有4层的编码层和6层的解码层，输入为0-t时间段，预测演化t到t+999时间段的磁探针信号。
5...
【专利技术属性】
技术研发人员：黄耀，刘自结，刘少清，郭和茹，肖炳甲，
申请(专利权)人：合肥综合性国家科学中心能源研究院安徽省能源实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。