Application of Machine Learning Algorithms and Neural Networks for Recognition of Parasitic Parameters by the Output Signalin High-Power Pulsed Electrophysics Devices
https://doi.org/10.56304/S2079562923030041
EDN: WELRNU
Abstract
The problem of recognition and classification of loads at the output of generating and transmitting distributed parameter lines (DPL) in devices of high-power pulse technology (HPPT) by the amplitude and shape of the output signal using mathematical models based on machine learning methods and neural networks has been considered. A web application that recognizes parasitic parameters occurring in the devices based on DPL has been developed.
About the Authors
G. P. Averyanov
National Research Nuclear University MEPhI (Moscow Engineering Physics Institute)
Russian Federation
Russian Federation
V. V. Dmitrieva
National Research Nuclear University MEPhI (Moscow Engineering Physics Institute)
Russian Federation
Russian Federation
References
1. Загребаев А.М., Саманчук В.Н. // Современные научные исследования и инновации. 2015. № 2. Ч. 1. https://web.snauka.ru/issues/2015/02/48496.
2. Юдин Л.И. Генераторы импульсов больших напряжении и токов. 1983. Москва: МИФИ.
3. Пономаренко А.Г. Мощная импульсная техника. Ч. 1: Элементы схем и источники питания. 2007. Москва: МИФИ.
4. Zagrebayev A.M., Ten S.V. // Euras. J. Math. Comput. Appl. 2021 V. 9 (2). P. 101.
5. Юдин Л.И. Мощная импульсная техника. Ч. 2. Коммутирующие устройства. 1977. Москва: МИФИ.
6. Юдин Л.И. Мощная импульсная техника. Ч. 3. Импульсные схемы широкого применения. 1979. Москва: МИФИ.
7. Аверьянов Г.П. и др. САПР в электрофизике. Ч. 1. Основы автоматизации проектирования. 2011. Москва: НИЯУ МИФИ.
8. Аверьянов Г.П., Гусаров В.Н., Юдин Л.И. Лабораторный практикум по курсу “САПР УЗЧ”: Мощная импульсная техника. 1990. Москва: МИФИ.
9. Zhang Q.J., Feng F., Na W. // Proc. 52nd European Microwave Conf. (EuMC). 2022. P. 16.
10. Kahng A.B. // IEEE Design Test. 2022. V. 40. (1). P. 8.
11. Jogin M. et al. // Proc. 3rd IEEE Intl. Conf. Recent Trends in Electronics, Information & Communication Technology (RTEICT). 2018. P. 2319.
12. Нгуен Т.К., Сырямкин В.И., Нгуен Ч.Х.Т. // Современные наукоемкие технологии. 2020. № 12. С. 269.
13. Рыбина Г.В., Смирнов В.В. // Изв. РАН. Теория и системы управления. 2007. № 4. С. 91.
14. Рыбина Г.В., Пышагин С.В., Смирнов В.В., Чабаев А.В. // Программные продукты и системы. 1997. № 4. С. 37.
15. Кузовкин А.В, Цыганов А.А., Щукин Б.А. Управление данными. 2010. Москва: Издательский центр “Академия”.
16. Хетагуров Я.А. Проектирование автоматизированных систем обработки информации и управления (АСОИУ). 2015. Москва: БИНОМ. Лаборатория знаний.
Review
For citations:
Averyanov G.P., Dmitrieva V.V. Application of Machine Learning Algorithms and Neural Networks for Recognition of Parasitic Parameters by the Output Signalin High-Power Pulsed Electrophysics Devices. Nuclear Physics and Engineering. 2024;15(4):384-391. (In Russ.) https://doi.org/10.56304/S2079562923030041. EDN: WELRNU
Views:
15
Email this article 