基于小波包-LSTM神经网络磨煤机故障诊断

• 作者: 陈波 徐文韬 黄亚继 曹歌瀚 李雨欣 管诗骈 王亚欧
• 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
• 页码范围: 211-220
• 页数: 9页
• 分类号: TP15
• 语种: 中文
• DOI: 10.13226/j.issn.1006-6772.21042802

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。