基于LSTM的汽轮机异常状态预警
针对传统汽轮机缺乏有效的预警方法,时常处于被动维护的问题,提出一种基于长短期记忆网络(LSTM)的汽轮机状态预警方法.所提出的方法包含数据预处理模块、健康评价模块和异常预警模块三个模块.首先将源数据进行预处理,去除离群点以及毛刺数据;然后基于自编码神经网络、余弦定理和3σ定理求得一种优化的健康指数;最后基于LSTM建立了汽轮机异常预警模型,并分析对比不同深度的LSTM网络模型与循环神经网络(RNN)预测的结果.最终结果表明:LSTM的最佳预测模型预测结果的平均绝对误差(MAPE)不超过4.31%,比传统RNN的最佳预测模型的准确度更高.因此,所提出的方法在汽轮机异常预警中具有较好的检测准确度.
汽轮机、状态预警、长短时间记忆网络、健康指数、自编码神经网络
42
U4;TP391;TP183
国家重点研发计划2018YFB606101
2023-04-20(万方平台首次上网日期,不代表论文的发表时间)
共7页
63-69