基于双通道特征融合并行优化的燃气轮机气路故障诊断方法

作者：张菲菲; 应雨龙^*; 李靖超

来源：热力发电, 2022, 51(12): 30-38.

DOI：10.19666/j.rlfd.202207172

• 燃气轮机
• 气路故障诊断
• 卷积神经网络
• 长短时记忆神经网络
• 特征融合
• 并行优化

为解决当前燃气轮机基于数据驱动的气路故障诊断精度提升的问题，提出了一种基于双通道特征融合并行优化的气路故障诊断方法。该方法首先通过燃气轮机热力模型构建气路故障数据样本集；然后使用卷积神经网络及长短时记忆神经网络双通道并行挖掘数据的空间特征和时序特征，并在两通道中分别引入首层大卷积核及挤压激励网络的优化方法；最后将两通道提取的特征融合为一维张量，输入到全连接层进行气路故障类型识别。实验结果表明，相较于传统机器学习及深度学习的气路故障诊断方法，所提方法具有更优的辨识精度，平均诊断准确率达到了98.24%，具有实用性及可行性。

• 单位
  上海电机学院; 上海电力大学