本发明属于磁约束核聚变领域，具体涉及一种利用机器学习实时识别偏滤器充氮脱靶状态的方法，所述方法为一种利用高速ccd可见相机的高帧率采集特征将采集到的不同的偏滤器充氮脱靶状态作为数据库，通过机器学习程序实现实时识别的方法。
背景技术：
1、偏滤器是磁约束核聚变装置的关键核心部件之一。其功能之一就是承受和移除来自中心等离子体的极高热流。目前，以east及未来iter为代表的长脉冲聚变实验装置，均采用了主动水冷钨铜偏滤器，来缓解偏滤器部件受到的热应力和热流，尽管如此还是需要采用像杂质气体注入的方法来缓解偏滤器过高的热流问题。其中氮气注入就是杂质气体注入方式的一种，偏滤器充氮会在x点附近形成一个稳定的高辐射区，在辐射区范围内可以将大部分的等离子体能量以光子和其他形式朝各个方向均匀释放出去，脱靶的同时缓解偏滤器热负荷过载的问题。因此氮气注入后偏滤器的脱靶状态的实时精确识别对偏滤器脱靶状态的精确控制及装置的稳态运行控制具有重要的价值。
2、但目前偏滤器充氮呈现的不同脱靶状态，针对这些状态尚未有行之有效的方法进行识别分析。
技术实现思路
1、为解决上述技术问题，本发明提供一种利用机器学习实时识别偏滤器充氮脱靶状态的方法。在氮气注入的过程中，由于注入时装置加热功率、氮气注入的时刻及放电时等离子体电流稳态阶段的不同，偏滤器不可避免的会产生不同程度的脱靶状态，每一炮放电条件的不同也会有不同脱靶状态的变化过程。因此，可以利用这一特点，采用高速ccd可见相机结合氮滤波片来采集并建立起四种不同脱靶状态的数据库。通过利用大量的数据对机器学习程序训练学习实现对不同脱靶状态的精确识别。结合现有未记录在数据库中人工确定的脱靶状态对比验证机器学习程序的精准性。并将训练好的机器学习程序应用在装置放电时实时识别偏滤器的充氮后不同的脱靶状态。
2、为达到上述目的，更加准确的识别偏滤器充氮脱靶状态，本发明采用如下技术方案：
3、一种利用机器学习程序实时识别偏滤器充氮脱靶状态的方法，包括以下步骤：
4、步骤1、在磁约束核聚变装置实验前，调节高速ccd可见相机与可见光路前端的内窥镜系统，实现对偏滤器位置的观测；
5、步骤2、在磁约束核聚变装置实验前，选取特定波段下（nii-637.96nm）的氮滤波片安装在高速ccd可见相机前端，调节相机曝光时间及采集帧率结合等离子体放电条件实现对氮发射谱线的观测；
6、步骤3、在磁约束核聚变装置长脉冲稳定运行时（通常＞5s），利用高速ccd可见相机和氮滤波片的组合利用现有软件采集偏滤器在未充氮未脱靶和充氮不同程度脱靶状态下的图像；
7、步骤4、结合长脉冲放电时氮气注入的不同时刻，人工分类建立起采集到的大量不同脱靶状态下的图像数据库；分为四类，一种为未脱靶状态（未充入氮气），在充入氮气后，有一种为部分脱靶状态，另一种为完全脱靶状态，最后一种为边缘的多面不对称辐射状态；
8、步骤5、将分类的不同脱靶状态下的数据库作为机器学习的输入端口，采用神经网络学习的方法建立数据训练模型，输出端口自洽对比分析数据库中未记录的现有的确定的脱靶状态，实现利用机器学习精准识别不同的脱靶状态；
9、步骤6、结合机器学习输出的不同脱靶状态下的结果与步骤5输入端口数据库的数据进行核验分析，步骤4中四种状态可能出现的多种状态重叠的过程，需要结合其他参数，如氮气注入时间与等离子电流稳态阶段时间来分析去除一些偏差为异常值的数据，进而更加精准的提高程序识别的精准性；
10、步骤7、结合步骤3，将机器学习应用在装置放电过程中，结合运行期间的实验控制条件，实现对脱靶状态实时识别，为精确控制偏滤器的脱靶状态提供数据支持。
11、有益效果：
12、本发明提供了一种精确可靠的偏滤器充氮脱靶状态实时识别的方法，能精准实时确定充氮时脱靶状态的变化，为偏滤器部件脱靶以及装置物理运行提供更加准确的数据分析。在磁约束聚变实验装置运行时，本发明通过高速ccd可见相机结合氮滤波片实现对特定氮的发射谱线的观测，进而实现对偏滤器充氮状态的辐射变化过程进行监测，将这些不同状态识别分类并建立大量的数据库，利用积累到的原始数据在机器学习分析程序中作为输入，实现对不同脱靶状态的识别学习。对比实际的脱靶状态与程序识别的结果，进行自洽校准的同时验证程序识别的精确性，并将其应用在装置实时放电的过程中。本发明利用机器学习实时识别偏滤器充氮脱靶状态的方法，实现对偏滤器的脱靶状态实时分类，对装置偏滤器热流调控及稳态运行控制提供技术支持。
1.一种利用机器学习实时识别偏滤器充氮脱靶状态的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种利用机器学习实时识别偏滤器充氮脱靶状态的方法，其特征在于，所述步骤3中，所述磁约束核聚变装置长脉冲是指>5s，所述稳定运行是指磁场位形和等离子体参数不发生变化。
3.根据权利要求1所述的一种利用机器学习实时识别偏滤器充氮脱靶状态的方法，其特征在于，所述步骤4中，利用高速ccd可见相机记录充氮之后偏滤器的不同脱靶状态，进而逐帧分析得到每个时刻下的脱靶状态变化过程。
4.根据权利要求1所述的一种利用机器学习实时识别偏滤器充氮脱靶状态的方法，其特征在于，所述步骤6中，所述的偏差较大是指在步骤4中四种状态可能出现的多种状态重叠的过程，结合氮气注入时间与等离子电流稳态阶段时间来分析去除偏差为异常值的的数据。
5.根据权利要求1所述的一种利用机器学习实时识别偏滤器充氮脱靶状态的方法，其特征在于，所述步骤5中，已识别的大量不同脱靶状态的数据作为机器学习的输入，且四种脱靶状态不一定都会出现在选取的充氮脱靶的每一炮中。
