MATLAB神经网络分析上海光源光束线的运行数据

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (16): 233-237.

MATLAB神经网络分析上海光源光束线的运行数据

孙皓1，2，龚培荣2

1.中国科学院大学，北京 100049
2.中国科学院上海应用物理研究所，上海 201204

出版日期:2016-08-15 发布日期:2016-08-12

Processing operation data of beamline in SSRF based on Matlab neuron networks

SUN Hao1，2, GONG Peirong2

1.University of the Chinese Academy of Sciences, Beijing 100049, China
2.Shanghai Institute of Applied Physics, Chinese Academy of Sciences, Shanghai 201204, China

Online:2016-08-15 Published:2016-08-12

摘要/Abstract

摘要： 上海光源光束线运行状态的记录数据具有非线性、复杂和无规律的特点，利用神经网络可有效地分析和处理这些数据。选用Matlab进行数据提取和分析，介绍了Matlab与archive数据库间的数据连接，并用神经网络模式识别对光束线设备运行的状态参量进行数据训练，给出了BL13W光束线站单色器中某一温度运行参量的分类预警及其运行数据分析处理的结果。

关键词: Matlab, archive, 神经网络, 光束线, 数据分析

Abstract: The operation data of the beamline in SSRF is non-linear, complex and irregular. The data analysis tool selects the Matlab. The connection between the Matlab and archive database are introduced, neural network algorithm is selected for data analysis of the historic running data of the beamline. A temperature data from the monochromator of the BL13W beamline during one month is applied and the analysis results indicate the pre-alarm information of the monitored equipment is the same as the assumption of the classification before.

Key words: Matlab, archive, neural network, beamline, data analysis

孙皓1，2，龚培荣2. MATLAB神经网络分析上海光源光束线的运行数据[J]. 计算机工程与应用, 2016, 52(16): 233-237.

SUN Hao1，2, GONG Peirong2. Processing operation data of beamline in SSRF based on Matlab neuron networks[J]. Computer Engineering and Applications, 2016, 52(16): 233-237.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[4]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[5]	王林，柴江云. 深度神经网络在多场景车辆属性识别中的研究[J]. 计算机工程与应用, 2021, 57(9): 162-167.
[6]	赵志焱，杨华，胡志伟，宇海萍. 基于TACNN的玉露香梨叶虫害识别[J]. 计算机工程与应用, 2021, 57(9): 176-181.
[7]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[8]	张成，戴俊峰，熊闻心. 融合LeNet-5改进的扫描文档手写日期识别[J]. 计算机工程与应用, 2021, 57(9): 207-211.
[9]	麻哲旭，杨峰，乔旭. 铁路路基病害智能检测方法[J]. 计算机工程与应用, 2021, 57(9): 272-278.
[10]	蒋斌，钟瑞，张秋闻，张焕龙. 采用深度学习方法的非正面表情识别综述[J]. 计算机工程与应用, 2021, 57(8): 48-61.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[13]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[14]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[15]	祝钧桃，姚光乐，张葛祥，李军，杨强，王胜，叶绍泽. 深度神经网络的小样本学习综述[J]. 计算机工程与应用, 2021, 57(7): 22-33.