Design and Development of Fractional Order Convolutional Neural Network Based Fractional Order Nonlinear Reactor Power Simulator for CANDU-PHWR
Notice bibliographique
Résumé
A highly complex nonlinear Reactor Regulating System (RRS) of Canadian Deuterium Uranium Pressurized Heavy Water Reactor (CANDU-PHWR) based Nuclear Power Plant (NPP) simulated in the present research. The internal design of RRS is secured and vendor controlled which is embedded in AC-132 Programmable Logic Controller (PLC). Therefore, the problem of the identification of the RRS controller model is addressed. A data-driven Fractional Order Nonlinear MIMO Hammerstein Model (FO-NC-MIMO-HM) of NPP is identified using an Adaptive Immune Algorithm (AIA) based on a Global Search Strategy (GSS) and Auxiliary Model Recursive Least Square Method (AMRLSM). Parameters of FO-MIMO-HM are identified using Innovative Real-Time Plant Operational Data (IRTPOD). The original PLC-based controller is replaced with a new Fractional Order Convolutional Neural Network (FO-CNN) based Fractional Order Nonlinear Controller (FO-NC). Therefore, a visual Simulator is developed for detailed modeling, control, simulation, and analysis of the proposed design scheme for RRS in Visual Basic (VB) Software. The performance of the proposed design scheme is tested and validated for different modes of RRS against benchmark data obtained from Plant Data Recorder (PDR) and found in close agreement well within the design bounds.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».