| 基于LSTM-SVM的燃气轮机压气机故障预警研究 |
| |
| 引用本文： | 彭道刚,姬传晟,涂煊,王丹豪.基于LSTM-SVM的燃气轮机压气机故障预警研究[J].动力工程学报,2021,41(5):394-399. |
| |
| 作者姓名： | 彭道刚 姬传晟 涂煊 王丹豪 |
| |
| 作者单位： | 上海电力大学 自动化工程学院,上海200090;上海工业自动化仪表研究院有限公司,上海200233 |
| |
| 摘 要： | 为了能在早期发现压气机叶片积垢、叶片磨损腐蚀、进气口结冰和喘振4种常见故障,提出一种基于长短期记忆网络(LSTM)和支持向量机(SVM)的燃气轮机压气机故障预警方法.首先,利用压气机特征参数正常历史数据建立多个单输入单输出预测模型,并将压气机的特征参数运行数据代入相应的模型,输出各参数预测值与实际值的残差曲线,设定报警阈值,超限报警.然后,利用正负偏离度方法提取报警点报警信息的故障样本,作为SVM的输入参数进行故障识别,对压气机的故障类型进行预警.结果表明:该模型输出预测误差在0.5％以内;该方法能够发现压气机的早期故障趋势,提取故障特征,对压气机故障类型进行预警,为燃气轮机压气机的故障预警提供了参考.
|
| 关 键 词： | 燃气轮机压气机 故障预警 长短期记忆网络 支持向量机 |
Research on Gas Turbine Compressor Fault Early Warning Based on LSTM-SVM |
| |
| PENG Daogang,JI Chuansheng,TU Xuan,WANG Danhao.Research on Gas Turbine Compressor Fault Early Warning Based on LSTM-SVM[J].Journal of Power Engineering,2021,41(5):394-399. |
| |
| Authors: | PENG Daogang JI Chuansheng TU Xuan WANG Danhao |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
