Resumen

Se aplica una red neuronal artificial (RNA) para predecir el número de neutrones producidos por el dispositivo IR-IECF en amplios rangos de corriente y tensión de descarga. Experimentalmente, la corriente de descarga de 20 a 100 mA se ha ajustado mediante la presión del gas deuterio y el voltaje del cátodo se ha cambiado de -20 a -82 kV (voltaje máximo del suministro utilizado). La tasa máxima de producción de neutrones (NPR) de 1,46 × 107 n/s se produjo cuando la tensión fue de -82 kV y la corriente de descarga de 48 mA. Para el entrenamiento de la estructura de red neuronal multicapa perceptrón (MLP) propuesta se utiliza el algoritmo de retropropagación. Los resultados obtenidos muestran que el modelo de RNA propuesto ha logrado una buena concordancia con los datos experimentales. Los resultados muestran que se puede alcanzar una RNP de 1,855 × 108 n/s en tensiones y corrientes de 125 kV y 45 mA, respectivamente. Esta predicción muestra un incremento del 52% en la tensión máxima de alimentación. Además, la corriente de descarga óptima puede aumentar un 1270% el NPR.

• Materias:Algoritmo de programación Interacción fluido-estructura Intercambiador de calor Minería colaborativa Variedades de arroz
• Subjects:Programming algorithm Fluid-structure interaction Heat exchanger Collaborative mining Rice varieties
• Palabras claves:NPR, tensión máxima, tasa máxima de producción de neutrones, red neuronal artificial, presión del gas deuterio, estructura de la red neuronal, corriente de descarga óptima, kV, mA, tensión
• Keywords:NPR, maximum voltage, maximum neutron production rate, Artificial neural network, deuterium gas pressure, neural network structure, optimum discharge current, kV, mA, voltage