文档名：基于多图卷积神经网络的主汽温系统故障诊断
摘要：针对主汽温系统具有大迟延、大惯性、非线性和时变性的特点,提出了一种基于多图融合-图卷积神经网络的故障诊断方法.建立邻接图和相关性图,将机组历史运行数据扩展为非欧式空间的图数据,引入特征权重和截断参数来约束节点间的相关性,对图信息进行融合.同时,利用邻接矩阵建立各运行数据间的拓扑信息,并通过深度图卷积结构融合邻近节点信息,建立系统数据与运行状态间的映射关系.结果表明:相较于概率神经网络(PNN)、长短期记忆神经网络(LTSM)和最小二乘支持向量机(LSSVM),所提MG-GCN模型的故障诊断准确率分别提升了11％、7％和16％,误检率、漏检率均较低,能够对多种系统故障类型进行准确识别,具有良好的故障诊断性能.
作者：吴铮 张悦 董泽 Author：WUZheng ZHANGYue DONGZe
作者单位：华北电力大学控制与计算机工程学院,北京102206;河北省发电过程仿真与优化控制技术创新中心,河北保定071003河北省发电过程仿真与优化控制技术创新中心,河北保定071003
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(2)
分类号：TK39
关键词：图卷积神经网络 主蒸汽温度系统 故障诊断 火电机组 拓扑结构
机标分类号：TP306TP277TP11
在线出版日期：2023年4月6日
基金项目：河北省省级科技计划资助项目，中央高校基本科研业务费专项资金资助项目，河北省自然科学基金资助项目基于多图卷积神经网络的主汽温系统故障诊断[
期刊论文] 动力工程学报--2023, 43(2)吴铮 张悦 董泽针对主汽温系统具有大迟延、大惯性、非线性和时变性的特点,提出了一种基于多图融合-图卷积神经网络的故障诊断方法.建立邻接图和相关性图,将机组历史运行数据扩展为非欧式空间的图数据,引入特征权重和截断参数来约束节点...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于多图卷积神经网络的主汽温系统故障诊断 Fault Diagnosis of Main Steam Temperature System Based on Multi-graph Convolutional Neural Network
基于多图卷积神经网络的主汽温系统故障诊断.pdf
- 文件大小:
- 5.56 MB
- 下载次数:
- 60
-
高速下载
|
