典型文献
基于LSTM的一次风机在线监测及故障诊断研究
文献摘要：
鉴于一次风机的运行状态对于火电机组安全运行具有重要意义,文章提出了一种一次风机状态监测与故障诊断的数据分析方法.采集M电厂一次风机正常状态运行数据,进行数据预处理,计算各参数皮尔逊相关系数,根据结果选取相关性大的参数对y方向轴瓦振动、自由端轴承温度、x方向轴瓦振动进行回归.使用最小二乘支持向量机(LS-SVM)模型、长短记忆神经网络(LSTM)模型对x、y方向轴瓦振动、自由端轴承温度进行回归,计算回归结果均方根误差.对正常状态与异常状态三参数进行LSTM回归,计算回归值自适应阈值,仅异常状态x轴瓦振动实际值超过阈值上下限,认为LSTM模型可适用于一次风机的状态分析与故障诊断.
文献关键词：
一次风机;故障诊断;长短记忆网络;最小二乘支持向量机
中图分类号：
作者姓名：
王远鑫
作者机构：
中国大唐集团科学技术研究总院有限公司华东电力试验研究院,安徽 合肥 230011
文献出处：
引用格式：
[1]王远鑫-.基于LSTM的一次风机在线监测及故障诊断研究)[J].安徽电气工程职业技术学院学报,2022(03):88-98
A类：
B类：
一次风机,在线监测,诊断研究,火电机组,机组安全,机状态,状态监测,数据分析方法,正常状态,状态运行,运行数据,数据预处理,皮尔逊相关系数,轴瓦,瓦振,轴承温度,最小二乘支持向量机,长短记忆神经网络,异常状态,自适应阈值,下限,状态分析,长短记忆网络
AB值：
0.261078
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。
