基于改进鸡群算法和相关向量机的燃气轮机气路故障诊断技术研究

摘要：

在管道输送过程中,燃气轮机的健康状态与管道的安全平稳运行密切相关.为提高燃驱压缩机组燃气轮机气路故障诊断的准确率,以双轴燃气轮机为对象,通过建模获得不同气路故障类型的数据集,引入相关向量机(RVM)模型对典型气路故障进行分类诊断,并采用改进鸡群算法(ECSO)对RVM模型的超参数进行寻优.结果表明,ECSO-RVM模型的分类精度为95.55％,明显优于支持向量机(SVM)、径向基核函数(RBF)神经网络、反向传播(BP)神经网络、改进蜂群算法-自适应模糊推理系统(IABC-ANFIS)和深度置信网络(DBN)等模型;在添加不同程度高斯白噪声的条件下,ECSO-RVM模型的分类精度始终保持在80％以上,说明该模型的分类精度、抗噪声能力和泛化能力较好,可用于燃气轮机气路故障的快速识别和诊断.

关键词：改进鸡群算法(ECSO)、相关向量机(RVM)、燃气轮机、气路故障、分类精度

所属期刊栏目：49

分类号：TK14(热力工程、热机)

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：73-82