[发明专利]一种基于神经网络的加速器束流位置测量方法及系统

权利要求书

1.一种基于神经网络的加速器束流位置测量方法，其特征在于，所述方法包括：

步骤101：获取束流位置监测器电极信号数据样本集及束流位置数据样本集；

步骤102：构建神经网络，利用所述数据样本集对神经网络进行离线训练；

步骤103：在线采集束流位置监测器的电极数据；

步骤104：将所述电极数据馈入到所述训练完成后的神经网络在线计算得到束流位置。

2.根据权利要求1所述的方法，其特征在于：所述步骤101中，获取束流位置监测器电极信号数据样本集及束流位置数据样本集，具体包括：

首先将电极射频信号进行处理转换为数字基带数据；

再通过对所述电极的数字基带数据进行归一化处理得到电极数据；

由束流位置监测器标定平台步进电机改变模拟束流的位置，获取束流处于不同位置时束流位置监测器的电极数据样本集；

通过束流位置监测器标定平台的位置编码器获取模拟束流的水平及垂直方向的束流位置数据样本集。

3.根据权利要求1所述的方法，其特征在于：所述步骤102中，构建神经网络，利用所述数据样本集训练神经网络，具体包括：

所述神经网络为三层前馈神经网络，包含1个输入层，1个隐藏层，1个输出层；

所述神经网络中隐藏层激活函数为ReLU函数，输出层激活函数为线性函数；

束流位置监测器电极数据样本集作为神经网络的输入数据集；

束流位置数据样本集作为神经网络的输出目标数据样本集；

通过误差反向传播利用随机梯度下降Adam优化算法训练所述神经网络。

4.根据权利要求1所述的方法，其特征在于：所述步骤103中，在线采集束流位置监测器的电极数据，包括：

首先将电极射频信号进行处理转换为数字基带数据；

再通过对所述电极的数字基带数据进行归一化处理得到电极数据。

5.根据权利要求1所述的方法，其特征在于：所述步骤104中，将所述电极数据馈入到所述训练完成后的神经网络在线计算得到束流位置，包括：

(1)首先将束流位置监测器的电极数据馈入到所述训练完成后的神经网络的输入层，经前向传播计算得到神经网络第一层输出值为：

z⁽²⁾＝W_opt⁽¹⁾x+b_opt⁽¹⁾

式中W_opt⁽¹⁾与b_opt⁽¹⁾为训练完成后的神经网络的第一层的权重参数及偏置参数，x为在线采集的束流位置监测器的电极数据矩阵，z⁽²⁾为神经网络第一层输出值；

(2)将神经网络第一层输出值z⁽²⁾输入到隐藏层，经隐藏层ReLU激活函数计算后得到隐藏层的输出值为：

a⁽²⁾＝max(z⁽²⁾,0)

式中max为隐藏层的ReLU激活函数，其意义为将输入的z⁽²⁾的值与0进行比较，当z⁽²⁾大于0时将z⁽²⁾作为隐藏层的输出，当z⁽²⁾小于等于0时将0作为隐藏层的输出，a⁽²⁾为隐藏层输出值；

(3)将隐藏层的输出值再进行前向传播计算得到水平及垂直方向的束流位置：

y＝W_opt⁽²⁾a⁽²⁾+b_opt⁽²⁾

式中W_opt⁽²⁾与b_opt⁽²⁾为训练完成后的神经网络的第二层的权重参数及偏置参数，y为水平及垂直方向的束流位置数据矩阵。