کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5474802 1521085 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multiscale subspace identification of nuclear reactor using wavelet basis function
ترجمه فارسی عنوان
شناسایی زیرمجموعه های چندگانه راکتور هسته ای با استفاده از تابع پایه موجک
کلمات کلیدی
سیستم چندرسانه ای، راکتور هسته ای، شناسایی زیرمجموعه، عملکرد مبتنی بر موج،
ترجمه چکیده
این مقاله یک روش شناسایی سیستم چندرسانه ای را با استفاده از توابع پایه موجک معرفی می کند. به طور خاص، با تقسیم هر فرایند چند بعدی با استفاده از تعدادی از مدل های غیر خطی خطی در مقیاس های مختلف، با شناسایی زیرمجموعه ها، تقریب می شود. ایده این است که مدل های حالت فضای حالت کم در فضای طرح در مقیاس های مناسب را ارزیابی کنیم. اثربخشی رویکرد پیشنهادی با مدل سازی یک راکتور هسته ای همراه با هیدرولیک حرارتی در پیش بینی و همچنین در چارچوب شبیه سازی نشان داده شده است. نتیجه رویکرد مدل سازی چندبعدی زیرمجموعه با مقیاس تک در مقایسه با استفاده از روش پیشنهادی در نسبت های مختلف سیگنال به نویز مقایسه می شود. در مورد شناسایی فرایند زیر فضای چندگانه، خطای متوسط ​​مربع در پیش بینی خروجی به اندازه ای کوچک است که نشان می دهد بهبود در مدل سازی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
پیش نمایش مقاله
شناسایی زیرمجموعه های چندگانه راکتور هسته ای با استفاده از تابع پایه موجک
چکیده انگلیسی
This paper introduces a methodology of multiscale system identification using wavelet basis functions. Being specific, it deals with subspace identification, for approximation of any multiscale process by employing a number of linear time invariant models at different scales. The idea is to estimate low dimensional state-space models in projection space at appropriate scales. The efficacy of proposed approach has been demonstrated by modeling a nuclear reactor coupled with thermal hydraulics in prediction as well as in simulation framework. Outcome of the multiscale subspace modeling approach is compared with that in single scale to bring out the advantage of the proposed method at different signal to noise ratios. In case of multiscale subspace process identification, the mean squared error in output prediction is found to be small, which suggests improvement in modeling.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Annals of Nuclear Energy - Volume 111, January 2018, Pages 280-292
نویسندگان
, , ,