一种基于CNN-BILSTM的汽轮机健康预测方法

    公开(公告)号:CN116429394A

    公开(公告)日:2023-07-14

    申请号:CN202310251735.0

    申请日:2023-03-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于CNN‑BILSTM的汽轮机健康预测方法,具体涉及汽轮机预测技术领域,包括步骤一、汽轮机数据采集并划分,步骤二、初始化CNN‑BILSTM网络结构,步骤三、数据导入并储存,步骤四、数据预测并验证,步骤五、得出健康预测数据。本发明通过CNN网络结构BILSTM网络结构的特点,利用CNN网络结构分别对正常汽轮机和故障汽轮机各项数据进行特征提取,而且,采用BILSTM网络结构对所提取的各项数据进行预测,并最后结合验证比对,能够更快且精准预测汽轮机的健康状况,不需要工作人员具有专业的相关经验,具有标准的健康预测标准,方便工作人员对故障汽轮机组进行排查和检修,保证汽轮机的正常运转。

    一种基于改进粒子群优化算法的传感器故障监测方法

    公开(公告)号:CN111444953A

    公开(公告)日:2020-07-24

    申请号:CN202010213716.5

    申请日:2020-03-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于改进粒子群优化算法的传感器故障监测方法。改进型粒子群优化算法对预测传感器输出值的支持向量回归算法超参数进行寻优,根据粒子临近度动态调整粒子的惯性权重,粒子不断迭代,更新自身位置和速度,最终得到全局最优解。通过最优解位置对应的超参数建立传感器输出值的支持向量回归预测模型,实时预测传感器输出值,对比时间窗口内的传感器输出值和测量值,判断传感器故障类型。

    一种基于改进粒子群优化算法的传感器故障监测方法

    公开(公告)号:CN111444953B

    公开(公告)日:2022-04-29

    申请号:CN202010213716.5

    申请日:2020-03-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于改进粒子群优化算法的传感器故障监测方法。改进型粒子群优化算法对预测传感器输出值的支持向量回归算法超参数进行寻优,根据粒子临近度动态调整粒子的惯性权重,粒子不断迭代,更新自身位置和速度,最终得到全局最优解。通过最优解位置对应的超参数建立传感器输出值的支持向量回归预测模型,实时预测传感器输出值,对比时间窗口内的传感器输出值和测量值,判断传感器故障类型。

Patent Agency Ranking