Abstract
數位式控制系統的優點之一,為可執行訊號確認( signal validation )的工作,以提昇訊號的品質----可信賴度. 在訊號確認系統中,常需建立分析式多重模式,( analytical redundancy model, ARM ) 增加可用訊號數目.由比較多重訊號間的差異, 可改進共因失效 ( common model failure) 的困擾, 更進而對系統改進安全性與增加經濟價值.本論文將研究以類神經網路建立分析式多重模式, 研究多種類神經網路模式應用於壓水式核能電廠蒸氣產生器的水位動態模擬, 所選用的模式有:半徑式函數網路 (radial basis function network, RBFN ), 小腦模式關節控制 (cerebellar model articulation controller, CMAC ), 多層感知器 (multilayer perceptrons, MLP ), 遞迴式多層感知器 ( recurrentmultilayer perceptrons, RMLP ), 適應式類神經--模糊推論系統 (adaptive neuro-fuzzy inference system, ANFIS ), 等五種類神經網路, 以比較其理論差異性, 功能特性, 與實際運用適合度. 並透過模式確認的方式, 驗證所建立的模式是否適合本系統的動態模擬. 以上五種類神經網路模式, 用原委會核研所精緻模擬器產生數據所建立的模擬結果, 訓練方面都可以得到頗令人滿意的結果, 但是在預測方面, 就很明顯的區分出各種類神經網路的動態模擬能力, 半徑式函數網路, 多層感知器, 都比其他三個模式具有較高的使用價值,很適和作核能電廠蒸氣產生器的動態模擬.