EAST托卡马克物理事件自动识别及定位系统研究

Based on EAST platform, the physical event automatic recognition and location system focusing on Edge Coherent Mode (ECM) respectively will be developed to improve the efficiency and accuracy of data analysis. To this end, the evaluation criteria of ECM will be established through the analysis of the physical characteristics of the relevant signal waveform and chromatogram. After that, the recognition process of ECM is accomplished in two steps. The first step, the method based on Piecewise Linear Representation (PLR) will be used to determine L-H conversion. The second step, through the statistical analysis of the number of information points in the ECM chromatogram, the difference in the number of information points between adjacent rows will be applied to recognize ECM in the L-H conversion data set. And Radon transform will be used to reveal the time interval of ECM. This study will provide a basis for achieving comprehensive intelligent data analysis in EAST.

本项目以EAST托卡马克装置为研究平台，针对边界相干模（Edge coherent mode, ECM），研制国内首个托卡马克物理事件自动识别及定位系统，以提高数据分析的效率及准确性。项目通过对ECM诊断信号波形图和色谱图物理特征的分析，拟定ECM的判断标准。在此基础上，将ECM识别过程分为两步，第一步：拟采用基于分段线性表示的方法来判断L-H转换；第二步：在L/H转换数据集中，通过对ECM色谱图中行信息点数的统计分析，拟采用相邻行之间的信息点数的差值变化来识别是否存在ECM，用Radon变换来定位ECM发生的时间区间。本研究将为EAST实现全面智能数据分析奠定基础。

在托卡马克核聚变等离子体行为模式中，高约束运行模式（H模）下边界局域模（ELM）爆发带来的热量运输是当前材料所不能承受的，而边界相干模（ECM）可以抑制大幅度ELM的产生，对H模的维持起到的关键作用，是未来托卡马克聚变实验中有前景的备选方案。目前，对于ECM的智能检测涉及尚浅，只能通过人工从数据库检索ECM，由于ECM本身有许多尚不清楚的物理特性，使其智能检测具有挑战性。本项目主要围绕频谱图中ECM的识别和定位展开方法研究，通过对传统的信息统计和图像处理，及先进的机器学习方法进行探索，构建了一套有效的ECM识别和定位的系统。本项目的主要研究内容和结果如下：.（1）静电性质的准相干模（ECM），是低碰撞率、高再循环无 ELM 运行中的主导模式。通常ECM刚出现时频率>40 kHz，随后逐渐降低，并最终稳定在20 kHz 左右，频谱的半高宽<10 kHz，半高宽与频率比小于50%。.（2）提出基于“信息点”特征的ECM识别方法，该方法分为两步：第一步，将相邻行之间信息点的变化作为水平方向的识别标准；第二步，将ECM的持续时间作为竖直方向的判断标准。该方法识别精度达到92.83%。.（3）在自适应去噪算法的基础上提出了双通道卷积网络（DCCN）。该方法克服了ECM与湍流交叠的问题，可以将ECM从湍流中分离出来，生成可视化的特征图。该方法的识别精度为94.6%。.（4）提出一种改进的单次检测器（SSD），用于从相关系数图中定位ECM。该模型以SSD为基础，通过调整网络正负样本比与引入flooding损失函数提高了ECM的定位精度。经测试，改进SSD模型的定位精度为92.12%。.以上的研究不仅为 EAST 上的智能数据分析奠定了良好的基础，同时也为其他物理件事检测供了重要的参考。