原文服务方: 洁净煤技术       
摘要:
磨煤机作为火电厂制粉系统最重要的设备,设备运行状态直接影响火电机组运行性能,因此,对磨煤机进行故障诊断对于保障电厂安全生产具有实际意义。针对磨煤机实际运行过程中故障类型难以确定及故障诊断时间滞后等问题,提出一种基于小波包-LSTM神经网络磨煤机故障诊断方法。首先,基于LSTM神经网络建立磨煤机出口压力和出口温度预测模型,以亚临界燃煤机组为例,将磨煤机运行时正常数据与故障数据组成混合数据作为LSTM神经网络预测模型输入量,预测磨煤机出口压力和出口温度并获取残差信号;其次,针对残差信号进行小波包分解,辨识残差信号突发奇异点;最后,对磨煤机故障库中故障发生前后部分数据和混合数据中故障发生前后同时段内部分数据的全部变量变化趋势进行相关程度分析以诊断磨煤机故障类型。结果表明:LSTM神经网络预测磨煤机出口压力和出口温度最大相对误差不超过1%;采用小波包分解残差信号能够较精确地确认故障发生时刻;采用相关系数法分析全部变量变化趋势能辨识磨煤机故障类型。
推荐文章
基于小波包神经网络的开关电源电路故障诊断研究
小波包
神经网络
开关电源
故障诊断
归一化
故障特征向量
基于小波包和改进 BP 神经网络算法的电机故障诊断
故障诊断
小波变换
神经网络
电机
基于小波包和改进BP神经网络的滚动轴承故障诊断方法
小波包
BP神经网络
Levenberg?Marquardt
滚动轴承
故障诊断
基于小波包和Elman神经网络的异步电机转子断条故障诊断方法
转子断条
故障诊断
小波包分析
Elman神经网络
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 基于小波包-LSTM神经网络磨煤机故障诊断
来源期刊 洁净煤技术 学科 工学
关键词 磨煤机 LSTM 小波包 相关程度 故障诊断
年,卷(期) 2023,(5) 所属期刊栏目 研究论文
研究方向 页码范围 211-220
页数 9页 分类号 TP15
字数 语种 中文
DOI 10.13226/j.issn.1006-6772.21042802
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2023(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
LSTM
小波包
相关程度
故障诊断
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
洁净煤技术
月刊
1006-6772
11-3676/TD
A4
北京市朝阳区和平街13区煤炭大厦810
1995-01-01
双语
出版文献量(篇)
3285
总下载数(次)
0
总被引数(次)
21487
论文1v1指导