科研之友
微信
新浪微博
Facebook
分享链接
摘要
引风机作为锅炉的重要辅机，其轴承的异常振动可能会给电厂造成重大损失，但引风机内部结构复杂，难以构建精确的机理模型对其进行故障诊断。针对此问题提出了基于数据驱动的故障诊断方法，此方法通过长短期记忆(LSTM)神经网络的预测能力和证据理论的多源信息融合能力对引风机轴承的状态进行诊断，再利用LSTM神经网络对于去噪数据进行预测，求取预测值与去噪值的均方根误差(RMSE),最后利用改进后的证据理论对不同参数的RMSE融合并进行故障诊断。结果表明：该方法能提前约350 s预测引风机轴承异常振动，准确地诊断出引风机轴承振动的状态，可有效改善数据冲突的问题。
- 单位
