基于LSTM神经网络的汽轮发电机状态监测系统

• 作者: 许凯 富威 陈世均 孟宇龙 马佳瑞
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 机器学习 健康预测 汽轮发电机 数据处理 预测性维护 LSTM神经网络 状态监测系统 信号分析
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 机电工程
• 页码范围: 96-100
• 页数: 5页
• 分类号: TM623.3
• 语种: 中文
• DOI: 10.11991/yykj.202007003

摘要

为了快速获取汽轮发电机运行参数及其分析处理结果,完成运行状态的判断识别,本文以某核电厂使用的汽轮发电机状态参数为分析依据进行监测研究.先分别以机器学习算法中的线性回归和长短期记忆(LSTM)神经网络为数据处理方法,对2种方法得到的状态参数预测结果进行对比分析,确定以LSTM神经网络为状态监测核心算法,设计并搭建了汽轮发电机状态监测系统.之后采用传统的振动信号分析方法对汽轮发电机运行状态监测结果进行验证分析,保证监测结果准确可靠.实验结果表明:基于LSTM神经网络的状态监测方法能够有效处理运行参数,提取数据中隐含的设备状态信息,实现汽轮发电机状态实时监测,提高发电机组整体工作的稳定性与安全性,降低故障导致机组停机损毁的概率.