作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对难以从火电厂实际运行数据中获得大量磨煤机故障数据,以及磨煤机精准数学模型难以求取,从而影响其故障诊断策略制定的问题,提出了一种基于简化机理模型的深度学习故障诊断算法,用于有效检测磨煤机的运行状态.基于磨煤机机理模型和状态空间预测控制器,构建了闭合控制系统,通过对不同故障类型的分析和模拟,在充分接近磨煤机的实际运行状态下,获得了大量的故障数据.并通过改进堆叠自动编码器(ISAE)将模拟的故障数据与深度学习算法相结合来建立深度学习故障诊断策略,ISAE以无监督的方式逐层提取故障数据的本质特征,具有很好的学习和识别故障特征的能力,同时通过将磨煤机系统变化快速且显著的变量作为ISAE输入变量,使ISAE兼具了故障诊断和预测的能力.仿真结果也表明,提出的ISAE能够很好地检测出磨煤机的故障,故障诊断准确率高达98.46%,并能提前发出预警.
推荐文章
基于小波包-LSTM神经网络磨煤机故障诊断
磨煤机
LSTM
小波包
相关程度
故障诊断
基于多物理特征的磨煤机出磨温度预测模型
磨煤机
多物理特征
XGBoost
出磨温度预测
基于模糊定性趋势分析的故障诊断方法研究
故障诊断
定性趋势分析
模糊逻辑
过程控制
基于故障树编码的火炮故障诊断方法研究
火炮
故障诊断
故障树
故障编码
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于ISAE的磨煤机故障预测与诊断方法研究
来源期刊 煤炭工程 学科
关键词 磨煤机 机理模型 深度学习 故障诊断 改进堆叠自动编码器
年,卷(期) 2021,(5) 所属期刊栏目 研究探讨|Research and Discussion
研究方向 页码范围 148-155
页数 8页 分类号 TP277
字数 语种 中文
DOI 10.11799/ce202105028
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (13)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(4)
  • 参考文献(2)
  • 二级参考文献(2)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
磨煤机
机理模型
深度学习
故障诊断
改进堆叠自动编码器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
煤炭工程
月刊
1671-0959
11-4658/TD
大16开
北京市德外安德路67号
80-130
1954
chi
出版文献量(篇)
11020
总下载数(次)
16
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导