文件大小：1.22M
中国科学院近代物理研究所的连续波超导直线加速器CAFE2为超重元素的合成研究提供了重要的实验平台，其能可靠与稳定地运行是开展实验研究的根本保障。超导射频腔（超导腔）故障是加速器的主要故障来源，其中，腔体热失超易导致多腔集体宕机，是最具危害性的超导腔故障模式。热失超与多种其他故障模式（如氦压变化及Ponderomotive单调失稳）的射频信号波形非常相似，难以通过射频信号波形直接判别热失超现象。超导腔的有载品质因数（QL）在热失超时显著变化，QL的变化可作为判断热失超的重要依据。因此，本文基于腔体微分方程建立了动态QL的求解模型，以实现热失超故障的甄别，并在CAFE2装置验证了该模型的有效性。进一步研究发现，CAFE2装置上存在3种不同机制的热失超现象。本文结合专家特征与机器学习技术，成功实现了热失超现象的自动化分类，为超导腔故障的快速诊断提供了新方法。
