基于LSTM和证据理论的引风机轴承故障诊断

作者：田亮; 袁存波

来源：动力工程学报, 2022, 1-9.

• 故障诊断
• 引风机轴承
• 长短期记忆神经网络
• 证据理论

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（Long Short-Term Memory，LSTM）神经网络的预测能力和证据理论的多源信息融合能力来对引风机轴承的状态进行诊断；利用LSTM对于去噪数据进行预测，求取预测值跟去噪数据的均方根误差（Root Mean Square Error，RMSE）；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，准确的诊断出引风机轴承振动的状态，有效改善数据冲突的问题。

• 单位
  华北电力大学