-
公开(公告)号：CN118333131B
公开(公告)日：2025-04-18
申请号：CN202410350723.8
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06N3/0895 , G06N3/0499 , G06N3/0442 , G06F18/214 , G06F18/24
Abstract: 本发明公开一种基于半监督学习的判别回归流场预测方法，包括以下步骤：获取半监督流场预测数据集；构建基于神经网络的深度流场预测模型；通过预热策略获得初步收敛的深度流场预测模型；利用神经网络记忆效应划分难样本、简单样本数据集；利用判别回归方法训练优化深度流场预测模型；利用深度流场预测模型执行预测，获取回归测试结果。本发明利用神经网络记忆效用实现判别回归预测方法，缓解流场预测半监督学习过拟合的问题；通过将伪标注和真实标注的样本混合，并利用GMM将样本划分为难易样本，有利于后续采取不同的学习策略来增强模型的判别性，进而提高性能；同时利用优化的深度流场预测模型计算样本的预测值，获取回归测试结果。
-
公开(公告)号：CN119274830A
公开(公告)日：2025-01-07
申请号：CN202411381445.9
申请日：2024-09-30
Applicant: 深圳大学 , 中国核动力研究设计院
Abstract: 本发明公开了一种多回路自然循环耦合排热实验系统，涉及核反应堆安全技术领域，其技术方案要点是：包括一体化压力容器、能量转换与余热排出一体化设计回路、冷凝器冷却水回路、保温材料和测量仪表；所述保温材料包覆在排热实验系统上用于减少能量泄露；所述测量仪表设置在排热实验系统上用于对流量、温度、压力和液位进行测量监控。本发明针对海洋核电源中所设计的一体化压力容器及能量转换与余热排出一体化系统开展研究，通过在一体化压力容器内、二回路及冷凝器海水段形成分别形成三道自然循环，各个自然循环通过蒸汽发生器传热管、冷凝器传热管耦合成为一体，依靠多自然循环耦合排出堆芯余热，保障核反应堆停堆安全。
-
公开(公告)号：CN117742969B
公开(公告)日：2024-09-10
申请号：CN202311853372.4
申请日：2023-12-28
Applicant: 中国核动力研究设计院
Inventor： 郑勇 , 李茂禾 , 刘东 , 陈冲 , 唐霄 , 李庆 , 王雪强 , 涂晓兰 , 刘盈 , 芦韡 , 陈长 , 刘余 , 潘俊杰 , 汤琪芬 , 于洋 , 赵文博 , 田俊科 , 吴斌
Abstract: 本发明公开了堆芯MOC程序与CFD程序网格映射分析方法及系统，包括：采用独立于MOC程序和CFD程序的耦合中间件实现两者的几何网格映射和耦合参数插值计算，将耦合参数插值系数以二进制格式保存至文件中，为耦合计算过程中MOC程序向CFD程序的耦合参数插值传递、CFD程序向MOC程序的耦合参数插值传递提供依据。本发明能够实现基于MOC方法的三维堆芯输运程序计算网格与基于CFD方法的流固耦合程序计算网格之间的高效快速映射及耦合参数计算传递，为三维堆芯精细化核‑热耦合计算奠定基础。
-
公开(公告)号：CN118378560A
公开(公告)日：2024-07-23
申请号：CN202410350721.9
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/28 , G06F30/27 , G06F18/213 , G06N3/0475 , G06N3/094 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于多视图生成式判别学习的流场预测方法，包括以下步骤：获取流场数据集；将数据集向量使用Mask算法得到不同视图的向量；输入流场向量形式特征数据，再使用次成分分析算法得到降维后的特征向量；将上述向量的耦合结果输入到生成器进行结果生成，得到一流场结构图的特征向量；将上述向量的耦合结果进行CFD软件模拟，得到另一流场结构图，并使用图像特征提取器得到其特征向量；将上述流场结构图的特征向量输入到鉴别器，计算损失值，通过损失值优化生成器和鉴别器；重复重复上述四个步骤，迭代优化模型，直到收敛；输入测试数据，利用优化模型得到输出作为流场预测结果。
-
公开(公告)号：CN118333131A
公开(公告)日：2024-07-12
申请号：CN202410350723.8
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06N3/0895 , G06N3/0499 , G06N3/0442 , G06F18/214 , G06F18/24
Abstract: 本发明公开一种基于半监督学习的判别回归流场预测方法，包括以下步骤：获取半监督流场预测数据集；构建基于神经网络的深度流场预测模型；通过预热策略获得初步收敛的深度流场预测模型；利用神经网络记忆效应划分难样本、简单样本数据集；利用判别回归方法训练优化深度流场预测模型；利用深度流场预测模型执行预测，获取回归测试结果。本发明利用神经网络记忆效用实现判别回归预测方法，缓解流场预测半监督学习过拟合的问题；通过将伪标注和真实标注的样本混合，并利用GMM将样本划分为难易样本，有利于后续采取不同的学习策略来增强模型的判别性，进而提高性能；同时利用优化的深度流场预测模型计算样本的预测值，获取回归测试结果。
-
Patent Agency Ranking
公开(公告)号：CN115080913A
公开(公告)日：2022-09-20
申请号：CN202210508186.6
申请日：2022-05-11
Applicant: 中国核动力研究设计院
IPC: G06F17/16 , G06F17/12 , G06F30/20 , G06F111/10
Abstract: 本发明公开了燃耗稀疏矩阵求解方法及系统、设备和存储介质，燃耗稀疏矩阵求解方法，包括以下步骤：S1、获取燃耗稀疏矩阵A并预先对燃耗稀疏矩阵A中的核素燃耗进行排序处理；S2、采用消去树算法获取经过排序处理后燃耗稀疏矩阵A的超级节点，并对超级节点进行处理；S3、更新步骤S2获取的各个超级节点的右侧列数据；S4、根据数值分解结果对步骤S3获取的燃耗稀疏矩阵A的矩阵方程进行求解。本发明所述求解方法采用超级节点进行求解，不仅可以节点的数量，且通过缓存优化实现更优的性能，从而提高计算速度。
-
公开(公告)号：CN113901400A
公开(公告)日：2022-01-07
申请号：CN202111194218.1
申请日：2021-10-13
Applicant: 中国核动力研究设计院
Abstract: 本发明公开了一种燃料燃耗计算方法、装置及存储介质，本发明所述燃料燃耗计算方法在修正步求解通过核素的微观反应率时，使用三次样条插值，对燃耗计算修正步所使用核素的微观反应率进行求解，减少线性插值带来的计算误差，从而提高计算精度。本发明的燃料燃耗计算方法能够适用于微观反应率与核子密度呈明显的非线性关系的燃料，例如钆毒物棒。
-
公开(公告)号：CN112199851A
公开(公告)日：2021-01-08
申请号：CN202011119700.4
申请日：2020-10-19
Applicant: 中国核动力研究设计院
IPC: G06F30/20 , G21C17/06 , G06F119/08
Abstract: 本发明公开了一种基于拉格朗日插值的获取含钆燃料燃耗的方法、装置及设备，该方法包括S1：使用燃耗步初的微观反应率和燃耗步初始时刻核子密度，进行含钆燃料的燃耗方程求解，得到燃耗步末时刻核子密度的预测值；S2：使用预测步核子密度，进行输运求解得到新的微观反应率；S3：再次进行燃耗方程求解，得到燃耗步末时刻新的核子密度的预测值；S4：根据S3的预测步计算出的微观反应率及核子密度，使用拉格朗日插值方法对Gd核素计算修正步的微观反应率；S5：进而求得燃耗步末时刻核子密度的修正值；S6：计算步骤S1预测步的核子密度和步骤S5修正步的核子密度的平均值，作为燃耗步末时刻的核子密度值并输出。本发明计算精度高。
-
公开(公告)号：CN119647238A
公开(公告)日：2025-03-18
申请号：CN202411626395.6
申请日：2024-11-14
Applicant: 中国核动力研究设计院
IPC: G06F30/27 , G06F30/28 , G06N3/0442 , G06N3/0464 , G06N3/09 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明属于核反应堆工程技术领域，具体涉及一种矩形流道多物理场智能计算方法。包括如下步骤：步骤1：确定矩形通道两相流动与传热过程有关的输入‑输出匹配的数据对；步骤2：获取与深度学习算法所需的矩形通道两相流动与传热过程有关的输入‑输出匹配的数据对，建立数据池；步骤3：构造损失函数，通过机器学习训练后实现对输出匹配数据进行有监督的回归学习，获得矩形通道两相参数智能计算模型；步骤4：计算与矩形通道两相流动与传热过程有关的输入参数，以获取相应的输出参数，实现矩形通道两相流动与传热过程中的参数快速计算。有益效果在于：可很好地逼近输入‑输出特征，可有效保证智能计算模型的计算精度。
-
公开(公告)号：CN118378560B
公开(公告)日：2025-02-25
申请号：CN202410350721.9
申请日：2024-03-26
Applicant: 四川大学 , 中国核动力研究设计院
IPC: G06F30/28 , G06F30/27 , G06F18/213 , G06N3/0475 , G06N3/094 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于多视图生成式判别学习的流场预测方法，包括以下步骤：获取流场数据集；将数据集向量使用Mask算法得到不同视图的向量；输入流场向量形式特征数据，再使用次成分分析算法得到降维后的特征向量；将上述向量的耦合结果输入到生成器进行结果生成，得到一流场结构图的特征向量；将上述向量的耦合结果进行CFD软件模拟，得到另一流场结构图，并使用图像特征提取器得到其特征向量；将上述流场结构图的特征向量输入到鉴别器，计算损失值，通过损失值优化生成器和鉴别器；重复上述四个步骤，迭代优化模型，直到收敛；输入测试数据，利用优化模型得到输出作为流场预测结果。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.047 seconds)
