基于深度学习的CSNS加速器预警系统样机

作者：何泳成; 张玉亮; 王林; 金大鹏; 吴煊; 康明涛; 郭凤琴; 朱鹏

来源：强激光与粒子束, 2021, 33(04): 107-113.

• 中国散裂中子源
• 加速器
• 预警系统
• 深度学习
• 实验物理及工业控制系统

为了能在中国散裂中子源(CSNS)加速器的部分故障发生前发出预警信息,利用深度学习建立了基于CSNS加速器真空度和漂移管直线加速器(DTL)温度的特征模型,开发了一套CSNS加速器预警系统样机。该样机基于实验物理及工业控制系统(EPICS)架构搭建,主要由训练、识别和信息发布3部分组成,采用Python进行程序设计开发,实现了训练样本获取、深度学习网络设计和训练、在线识别和信息发布等功能。测试结果表明,该样机对基于CSNS加速器真空度和DTL温度历史数据生成的测试集的准确率达98.4%,且能根据实时数据识别出CSNS加速器真空度和DTL温度的异常,并能发出预警信息,证明了其可行性和有效性。

• 单位
  散裂中子源科学中心; 中国科学院高能物理研究所; 中国科学院大学