메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
신지현 (울산과학기술원) 김재민 (울산과학기술원) 이승준 (울산과학기술원)
저널정보
한국원자력학회 Nuclear Engineering and Technology Nuclear Engineering and Technology 제53권 제4호
발행연도
2021.4
수록면
1,181 - 1,188 (8page)
DOI
https://doi.org/10.1016/j.net.2020.09.025

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
When abnormal events occur in a nuclear power plant, operators must conduct appropriate abnormaloperating procedures. It is burdensome though for operators to choose the appropriate procedureconsidering the numerous main plant parameters and hundreds of alarms that should be judged in ashort time. Recently, various research has applied deep-learning algorithms to support this problem byclassifying each abnormal condition with high accuracy. Most of these models are trained with simulatordata because of a lack of plant data for abnormal states, and as such, developed models may not havetolerance for plant data in actual situations. In this study, two approaches are investigated for a deeplearningmodel trained with simulator data to overcome the performance degradation caused bynoise in actual plant data. First, a preprocessing method using several filters was employed to smooth thetest data noise, and second, a data augmentation method was applied to increase the acceptability of theuntrained data. Results of this study confirm that the combination of these two approaches can enablehigh model performance even in the presence of noisy data as in real plants
#Accident diagnosis #Nuclear power plant #Abnormal operating procedure neural network

목차

등록된 정보가 없습니다.

참고문헌 (26)

참고문헌 신청
S. J. Lee / 2004 / Development of automated operating procedure system using fuzzy colored petri nets for nuclear power plants / Ann. Nucl. Energy 31(8):849~869 google schola S. J. Lee / 2005 / A dynamic neural network based accident diagnosis advisory system for nuclear power plants / Prog. Nucl. Energy 46(3-4):268~281 google schola S. G. Vinod / 2003 / Symptom based diagnostic system for nuclear power plant operations using artificial neural networks / Reliab. Eng. Syst. Saf 82(1):33~40 google schola T. V. Santosh / 2007 / Application of artificial neural networks to nuclear power plant transient diagnosis / Reliab. Eng. Syst. Saf 92(10):1468~1472 google schola K. Mo / 2007 / A dynamic neural network aggregation model for transient diagnosis in nuclear power plants / Prog. Nucl. Energy 49(3):262~272 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0