A fault diagnosis method for gas turbines based on improved data preprocessing and an optimization deep belief network
A fault diagnosis method for gas turbines based on improved data preprocessing and an optimization deep belief network
复制标题
基于改进数据预处理和优化深度置信网络的燃气轮机故障诊断方法
DOI：
10.1088/1361-6501/ab3862
复制
发表时间：
2019-11
影响因子：
2.4
通讯作者：
Chen Hai-sheng
中科院分区：
文献类型：
--
作者：
Yan Li-Ping;Dong Xue-Zhi;Wang Tao;Gao Qing;Tan Chun-Qing;Zeng De-Tang;Zhang Hua-liang;Chen Hai-sheng
用归一化的仿真参数训练的分类器不能识别实际故障。为了解决这一问题，提出了改进的数据预处理方法，对仿真参数的偏差进行归一化处理，使预处理后的仿真数据更准确地反映实际燃气涡轮机的性能。此外，基于遗传算法的优化深度信念网络（DBN），它表现出良好的分类能力。以三轴燃气涡轮机为例，分别验证了这两种方法的优越性。基于DBN优化方法，在高压压气机上增加出口温度参数T3，可以显著提高诊断精度，提高10.1%。最后，故障实验结果验证了改进的数据预处理结合优化DBN诊断实际燃气轮机故障的有效性。
A classifier trained by a normalized simulation parameter could not identify an actual fault. In order to solve this problem, improved data preprocessing is proposed which normalizes the deviation of the simulation parameter, thus making preprocessed simulation data more accurate at revealing the performance of an actual gas turbine. Furthermore, an optimization deep belief network (DBN) based on a genetic algorithm is developed, which shows a good classification ability. The superiority of these two methods is validated respectively by a three-shaft gas turbine platform. It has also been found that based on the DBN optimization method, adding outlet temperature parameter T3 to a high-pressure compressor can significantly improve diagnostic accuracy, increasing it by 10.1%. Finally, the fault experimental result validates the effectiveness of improved data preprocessing combined with an optimization DBN to diagnose faults in actual gas turbines.
登录
查看更多内容
影响因子：
8.4
作者：
B. Pourbabaee;N. Meskin;K. Khorasani
通讯作者：
B. Pourbabaee;N. Meskin;K. Khorasani
影响因子：
2.4
作者：
Alberto Fornaser;M. Cecco;P. Bosetti;Teruhiro Mizumoto;K. Yasumoto
通讯作者：
Alberto Fornaser;M. Cecco;P. Bosetti;Teruhiro Mizumoto;K. Yasumoto
影响因子：
5.6
作者：
Panda, Asish Kumar;Rapur, Janani Shruti;Tiwari, Rajiv
通讯作者：
Tiwari, Rajiv
影响因子：
2.4
作者：
Chicea, Dan;Rei, Silviu Mihai
通讯作者：
Rei, Silviu Mihai
基于改进变分模态分解和混合人工羊算法的旋转机械故障诊断方法
影响因子：
2.4
作者：
Shan Yahui;Zhou Jianzhong;Jiang Wei;Liu Jie;Xu Yanhe;Zhao Yujie
通讯作者：
Zhao Yujie