典型文献
燃气轮机启动过程故障诊断方法研究
文献摘要：
在诊断燃气轮机启动故障时,常存在平均故障诊断错误率较高的问题.为此,提出基于深度信念网络(DBN)的燃气轮机启动过程故障诊断方法.在选取与典型启动故障相关的样本数据后,从机理的角度入手获取故障特征.根据DBN结构构建启动过程故障诊断模型,结合列文伯格-马夸尔特(L-M)算法设计自适应学习率改进算法,实现故障诊断精度的提升.按照参数表征性和冗余性选取试验样本,确定排气温度、电机电流、燃机转速和电机转速这4种参数类型作为故障诊断方法测试的数据基础,经由模型得出诊断结果.试验结果表明:所设计方法的平均故障诊断错误率为3.3％,与交叉全局人工蜂群和支持向量机(CGABC-SVM)方法、深度学习与信息融合诊断方法相比,所设计方法的平均故障诊断错误率分别降低了28.7％、37.0％,有效提升了燃气轮机启动过程故障诊断结果的准确性.该研究为燃气轮机的安全启动提供了保障.
文献关键词：
燃气轮机;启动故障;故障诊断;诊断错误率;诊断模型;特征提取;故障特征;深度信念网络
中图分类号：
作者姓名：
张艾森
作者机构：
上海工业自动化仪表研究院有限公司,上海 200233
文献出处：
引用格式：
[1]张艾森-.燃气轮机启动过程故障诊断方法研究)[J].自动化仪表,2022(11):33-38
A类：
CGABC
B类：
燃气轮机,启动过程,故障诊断方法,启动故障,常存,诊断错误率,深度信念网络,DBN,故障相关,故障特征,故障诊断模型,伯格,夸尔,尔特,算法设计,自适应学习率,改进算法,故障诊断精度,参数表征,冗余性,试验样本,排气温度,电机电流,燃机,电机转速,数据基础,出诊,诊断结果,人工蜂群,信息融合,融合诊断,安全启动
AB值：
0.269782
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。
