典型文献
基于LSTM神经网络的燃气轮机排温预测方法
文献摘要：
针对燃气轮机气路性能退化的周期性与非线性特点,提出一种基于长短期记忆(Long-Short Term Memory,LSTM)神经网络的燃气轮机排气温度趋势预测方法.利用标准化与归一化数据预处理方法提取排气温度数据中的退化特征,减小了环境和工况变化对退化特征的影响;通过滑窗法提取一定长度的历史数据,增强LSTM模型的泛化能力;利用LSTM网络的内部循环节点,通过时序相似性搜索,实现退化周期燃气轮机排气温度预测.最后,采用船用燃气轮机水洗周期历史数据进行排气温度趋势预测试验.研究表明:基于LSTM排气温度预测方法的预测精度大于87.4％,且预测结果的波动性和滞后性较小.
文献关键词：
燃气轮机;性能退化;排气温度;趋势预测;长短时记忆网络
中图分类号：
作者姓名：
韩国栋;曹云鹏;王伟影;徐志强
作者机构：
哈尔滨工程大学动力与能源工程学院,黑龙江哈尔滨150001;中国船舶集团有限公司第七○三研究所,黑龙江哈尔滨150078
文献出处：
引用格式：
[1]韩国栋;曹云鹏;王伟影;徐志强-.基于LSTM神经网络的燃气轮机排温预测方法)[J].热能动力工程,2022(03):28-34
A类：
温度趋势预测
B类：
排温,气路,性能退化,长短期记忆,Long,Short,Term,Memory,利用标准,数据预处理方法,温度数据,退化特征,工况变化,滑窗法,定长,历史数据,泛化能力,时序相似性,相似性搜索,排气温度预测,船用燃气轮机,水洗,温度预测方法,波动性,滞后性,长短时记忆网络
AB值：
0.278437
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。
