基于长短期记忆神经网络和软投票决策的双流化床气化装置故障诊断模型

• 作者: 刘玉强 李彦苍 杨新 陈鸿伟 高旭东 高艳丰
• 来源期刊: 热力发电
• 关键词: 长短期记忆神经网络 软投票 故障诊断 压力信号 双流化床 生物质气化
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 热能科学研究
• 页码范围: 52-57
• 页数: 6页
• 分类号: TK229
• 语种: 中文
• DOI: 10.19666/j.rlfd.201908190

摘要

针对双流化床系统用于生物质气化时出现的结块和堵塞问题,本文提出一种基于长短期记忆神经网络(LSTM)和软投票(soft voting)决策的故障诊断模型.首先,在双流化床冷态试验系统上模拟结块和堵塞故障,采集提升管和气化室对应的压力波动信号;然后将采集的原始信号分解为合适长度的小样本,并作为LSTM的输入进行模型训练和测试;最后采用soft voting方式对测试样本的输出进行决策,确定故障类别.将本文提出的模型与多个常见模型进行仿真模拟,结果表明本文模型故障诊断准确率(91.25％)高,能准确预测系统出现的故障,具有一定的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈鸿伟	华北电力大学设备状态监测与控制教育部重点试验室	253	1807	18.0	29.0
2	李彦苍	河北工程大学水利水电学院	33	198	8.0	13.0
3	杨新	河北工程大学水利水电学院	31	96	5.0	7.0
5	高旭东	河北工程大学水利水电学院	10	130	4.0	10.0
8	刘玉强	华北电力大学设备状态监测与控制教育部重点试验室	3	0	0.0	0.0
9	高艳丰	河北工程大学水利水电学院	11	73	5.0	8.0