基于CKF-LSTM的燃气轮机气路故障诊断研究

Study on Gas Path Fault Diagnosticfor Gas Turbine based on CKF-LSTM

来源:中文会议(科协)
中文摘要英文摘要

提出了基于容积卡尔曼滤波-长短时记忆网络(Cubature Kalman Filters - Long Short-term MemoryCKF-LSTM)的多模型燃气轮机气路故障诊断方法,该方法集成了基于模型和数据驱动的优点。使用容积卡尔曼滤波器建立先验故障状态估计模型,提取运行状态残差特征;采用LSTM神经网络同时对多个先验状态故居模型残差特征进行识别,实现气路故障的诊断。利用重型燃气轮机典型故障仿真数据对所提出的方法进行测试,验证结果表明:…查看全部>>

A multi-model gas turbine fault diagnosis method based on Cubature Kalman Filters-Long Short-term Memory CKF-LSTM is proposed, which integrates the advantages of model-based and data-driven. A priori fault state estimation model is established with volumetric Kalman filter to extract the residual feature of operating state. LSTM neural network is used to identify residuals of former residence models with multiple prior states at the same time to realize gas …查看全部>>

康宇航;曹云鹏;李淑英;

设计与智能制造2023年学术年会

TK478

重型燃气轮机 故障诊断 卡尔曼滤波器 神经网络 多模型

heavy-duty gas turbine fault diagnosis kalman filter neural network multi-model

1-7 / 7

评论

您当前未登录!去登录点击加载更多...

上述内容所涉观点、意见仅代表作者,与国家学术会议平台无关。

国家学术会议平台已取得上述相关成果授权,未经允许,任何单位和个人不得转载、复制或用作他途,一经发现,相关法律后果自行承担,国家学术会议平台保留向相关侵权人依法追究法律责任的权利。