基于深度操作网络的核系统实时退化监测的虚拟传感技术：增强数字双胞胎技术的传感覆盖能力
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了传统物理传感器在核系统材料退化监测中的局限性，特别是在高维数据实时监测中面临的挑战。通过在数字双胞胎框架中引入深度操作网络（DeepONet），本文提出了一种高效的在线实时预测方法，显著提高了预测速度和准确性，为核反应堆的安全性和耐久性提供了有力支持。
本研究利用液压系统数据集，探讨深度学习在传感器状态监测中的应用。比较了基准模型、单一卷积神经网络和双路卷积神经网络（2L-CNN）的性能。基准模型误差率为1%，卷积神经网络误差率为20.5%。通过对传感器单独训练，2L-CNN将误差率降低了33%。研究强调了多传感器系统复杂性的重要性。
