1. CUIR at Chulalongkorn University
  2. Faculty and Institute
  3. Graduate School - Grad
  4. Grad - Theses
Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/9502
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorสุพิชชา จันทรโยธา-
dc.contributor.advisorBereznai, George-
dc.contributor.authorพิพัฒน์ ธนาภรณ์ชินพงษ์-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย-
dc.date.accessioned2009-08-03T08:06:55Z-
dc.date.available2009-08-03T08:06:55Z-
dc.date.issued2541-
dc.identifier.isbn9743324143-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/9502-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2541en
dc.description.abstractการประยุกต์ใช้เทคโนโลยีของเครือข่ายนิวรอลอย่างหนึ่งก็คือ การพัฒนาเครือข่ายนิวรอลชนิด Self-Organizing Feature Maps (SOFM) ขึ้นมาโดยมีวัตถุประสงค์เพื่อใช้แสดงฟังก์ชัน (Function) ที่ผิดปกติในโรงไฟฟ้าพลังงานนิวเคลียร์อันเนื่องมาจากภาวะทรานเซียนต์ที่ไม่ต้องการ แบบจำลองโรงไฟฟ้านิวเคลียร์แคนดู-9 (CANDU-9 Nuclear Power Plant Simulator) ได้ถูกใช้เป็นที่ฝึกและทดสอบความสามารถของเครือข่ายนิวรอลที่พัฒนาขึ้นพารามิเตอร์ (Parameter) 36 ตัวจะถูกเรียนรู้แบบรูป (Pattern Learning) ของทรานเซียนต์แต่ละทรานเซียนต์โดยเครือข่าย SOFM และพิสูจน์ว่าเป็นฟังก์ชันที่ผิดปกติฟังก์ชันใดที่มีอยู่ในแบบจำลอง ช่วงเวลาที่ใช้ในการทดสอบการรู้จำแบบรูป (Pattern Recognition) คือ 5, 10 และ 15 วินาที พบว่าเครือข่ายที่พัฒนาขึ้นสามารถบอกภาวะทรานเซียนต์ได้ถูกต้องทั้งหมดภายในช่วงเวลาการรู้จำ 15 วินาที โดยดูได้จากสหสัมพันธ์ระหว่าง SOFM อ้างอิงที่เก็บไว้ในฐานข้อมูลกับ SOFM ที่สร้างขึ้นอย่าง Real-Time ในระหว่างเกิดทรานเซียนต์en
dc.description.abstractalternativeAn application of neural network technology using Self Organizing Feature Maps (SOFM) has been developed for the purpose of identifying malfunctions that cause unwanted transients in nuclear power plants. The training of the neural network and testing its capability have done using the CANDU-9 Nuclear Power Plant Simulator. The SOFM network uses 36 plant parameters to learn the patterns associated with each transient, and subsequently to identify any one of the 17 presently available malfunctions on the Simulator. In order to recognize a given transient, identification times of 5, 10 and 15 seconds A high degree of correlation has been found to exist between the reference SOFMs in the database and the ones obtained in real time for each transient being identified.en
dc.format.extent828947 bytes-
dc.format.extent731174 bytes-
dc.format.extent1148540 bytes-
dc.format.extent946527 bytes-
dc.format.extent931200 bytes-
dc.format.extent2057124 bytes-
dc.format.extent716501 bytes-
dc.format.extent3523832 bytes-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.format.mimetypeapplication/pdf-
dc.language.isothes
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen
dc.subjectนิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)en
dc.subjectโรงไฟฟ้านิวเคลียร์en
dc.titleการพัฒนาเครือข่ายนิวรอลสำหรับแสดงภาวะทรานเซียนต์ของแบบจำลองโรงไฟฟ้านิวเคลียร์ CANDU-9en
dc.title.alternativeDevelopment of a neural network for identifying transient condition of the CANDU-9 nuclear power plant simulatoren
dc.typeThesises
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตes
dc.degree.levelปริญญาโทes
dc.degree.disciplineนิวเคลียร์เทคโนโลยีes
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen
dc.email.advisor[email protected]-
dc.email.advisor[email protected]-
Appears in Collections:Grad - Theses

Files in This Item:
File Description SizeFormat 
Phiphat_Ta_front.pdf809.52 kBAdobe PDFView/Open
Phiphat_Ta_ch1.pdf714.04 kBAdobe PDFView/Open
Phiphat_Ta_ch2.pdf1.12 MBAdobe PDFView/Open
Phiphat_Ta_ch3.pdf924.34 kBAdobe PDFView/Open
Phiphat_Ta_ch4.pdf909.38 kBAdobe PDFView/Open
Phiphat_Ta_ch5.pdf2.01 MBAdobe PDFView/Open
Phiphat_Ta_ch6.pdf699.71 kBAdobe PDFView/Open
Phiphat_Ta_back.pdf3.44 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.