【作者】

康宇航; 曹云鹏; 李淑英

【单位】

哈尔滨工程大学

【摘要】

提出了基于容积卡尔曼滤波-长短时记忆网络（Cubature Kalman Filters - Long Short-term Memory CKF-LSTM）的多模型燃气轮机气路故障诊断方法，该方法集成了基于模型和数据驱动的优点。使用容积卡尔曼滤波器建立先验故障状态估计模型，提取运行状态残差特征；采用LSTM神经网络同时对多个先验状态故居模型残差特征进行识别，实现气路故障的诊断。利用重型燃气轮机典型故障仿真数据对所提出的方法进行测试，验证结果表明：基于CKF-LSTM的燃气轮机气路故障诊断方法具有良好的诊断准确性，在重型燃气轮机3个工况点的故障诊断准确率均高于95.6%。

【关键词】

重型燃气轮机;故障诊断;卡尔曼滤波器;神经网络;多模型

【论文集名称】

数字孪生与智能制造技术

【会议名称】

设计智能制造2023学术年会

【会议时间】

2023-10-20至2023-10-23

【会议地点】

湖北十堰

【下载次数】

7

返回