典型文献
基于双通道特征融合并行优化的燃气轮机气路故障诊断方法
文献摘要：
为解决当前燃气轮机基于数据驱动的气路故障诊断精度提升的问题,提出了一种基于双通道特征融合并行优化的气路故障诊断方法.该方法首先通过燃气轮机热力模型构建气路故障数据样本集;然后使用卷积神经网络及长短时记忆神经网络双通道并行挖掘数据的空间特征和时序特征,并在两通道中分别引入首层大卷积核及挤压激励网络的优化方法;最后将两通道提取的特征融合为一维张量,输入到全连接层进行气路故障类型识别.实验结果表明,相较于传统机器学习及深度学习的气路故障诊断方法,所提方法具有更优的辨识精度,平均诊断准确率达到了 98.24％,具有实用性及可行性.
文献关键词：
燃气轮机;气路故障诊断;卷积神经网络;长短时记忆神经网络;特征融合;并行优化
中图分类号：
作者姓名：
张菲菲;应雨龙;李靖超
作者机构：
上海电力大学能源与机械工程学院,上海 200090;上海电机学院电子信息学院,上海 201306
文献出处：
引用格式：
[1]张菲菲;应雨龙;李靖超-.基于双通道特征融合并行优化的燃气轮机气路故障诊断方法)[J].热力发电,2022(12):30-38
A类：
B类：
双通道,通道特征融合,并行优化,燃气轮机,气路故障诊断,故障诊断方法,故障诊断精度,精度提升,热力模型,故障数据,样本集,长短时记忆神经网络,空间特征,时序特征,两通,首层,大卷,卷积核,挤压激励网络,张量,全连接层,层进,行气,故障类型识别,辨识精度,诊断准确率
AB值：
0.232491
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
