CAS OpenIR  > 中科院上海应用物理研究所2011-2019年
基于统计学习的束流诊断设备响应函数测量与加速器异常检测
Alternative TitleBeam diagnostics instrument response function measurement,estimation and accelerator anomaly detection based on statistical learning
孙旭东
Subtype硕士
Thesis Advisor冷用斌
2013-05
Degree Grantor中国科学院研究生院
Degree Discipline信号与信息处理
Abstract本研究首先对DBPM 信号处理机的通道幅度响应特性进行了统计建模,给出了预测估计幅度响应特性的机器学习的方法并研究了预测方法,并自行设计了校正电路并在FPGA 上的实现了校正算法给出了实验结果。对于X-ray pinhole camera 的CCD 图像,本研究尝试运用盲去卷积的方法给出了点扩撒函数和复原图像的一个统计学估计。 第三个问题是关于融合束流诊断设备的海量数据从而给加速器是否工作在正常状态提供一个可视化的参照同步辐射光源的加速器是否处于正常的工作状态关系到能否为用户提供可信的实验数据,因此加速器的异常检测具有重要的意义,多种束流诊断设备的综合信息可以为加速器和束流状态的异常与否提供参照。不同于仅仅对单个设备的数据进行分析,本论文提出了综合多个束流诊断设备进行异常检测的方法。 由于加速器异常数据获得的代价较高,本论文提出用单簇分类的方法对历史数据进行统计建模,并根据确定的异常-正常数据决策边界进行数据是否异常的参考,建立了一种可视化的方法对数据的异常进行评估。 为了获取单簇分类需要的特征,本论文运用了对BPM 数据进行SVD 分解的手段。并尝试了混合高斯模型和支持向量域模型对加速器数据进行了建模和异常检测的研究。
Pages96
Language中文
Document Type学位论文
Identifierhttp://ir.sinap.ac.cn/handle/331007/13386
Collection中科院上海应用物理研究所2011-2019年
Recommended Citation
GB/T 7714
孙旭东. 基于统计学习的束流诊断设备响应函数测量与加速器异常检测[D]. 中国科学院研究生院,2013.
Files in This Item:
File Name/Size DocType Version Access License
孙旭东硕士学位论文.pdf(4590KB) 开放获取CC BY-NC-SAApplication Full Text
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[孙旭东]'s Articles
Baidu academic
Similar articles in Baidu academic
[孙旭东]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[孙旭东]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

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