文档名：基于深度双向门控循环神经网络的制粉系统故障预警
摘要：为构建鲁棒性较强的状态估计模型,结合堆叠自编码器思想,提出一种基于深度双向门控循环神经网络的制粉系统状态估计及故障预警方法.首先,选取制粉系统正常运行状态变量历史数据作为深度双向门控循环神经网络的训练输入,然后利用网络强大的特征学习能力,建立制粉系统正常状态估计模型.采用滑动窗口法构建制粉系统状态监测指标,确定指标阈值,利用火电厂制粉系统历史运行数据进行仿真.结果表明:相比于其他方法,深度双向门控循环神经网络模型具有更好的估计性能,且能够在故障发生前及时发出预警信息,达到早期故障诊断的目的.
作者：赵征 丁建平Author：ZHAOZheng DINGJianping
作者单位：华北电力大学控制与计算机工程学院,河北保定071003
刊名：动力工程学报 ISTICPKU
Journal：JournalOfChineseSocietyOfPowerEngineering
年，卷(期)：2023, 43(5)
分类号：TK83
关键词：制粉系统 深度学习 双向门控循环神经网络 自编码器 故障预警
机标分类号：TM711TP273TP391.41
在线出版日期：2023年6月13日
基金项目：北京市自然科学基金资助项目，深圳市科技计划资助项目基于深度双向门控循环神经网络的制粉系统故障预警[
期刊论文] 动力工程学报--2023, 43(5)赵征 丁建平为构建鲁棒性较强的状态估计模型,结合堆叠自编码器思想,提出一种基于深度双向门控循环神经网络的制粉系统状态估计及故障预警方法.首先,选取制粉系统正常运行状态变量历史数据作为深度双向门控循环神经网络的训练输入,...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
基于深度双向门控循环神经网络的制粉系统故障预警 Fault Warning of Pulverizing System Based on Deep Bidirectional Gated Recurrent Neural Network
基于深度双向门控循环神经网络的制粉系统故障预警.pdf
- 文件大小:
- 8.61 MB
- 下载次数:
- 60
-
高速下载
|
