文献类型：期刊文章

作　　者：蒋龙陈[1,2,3] 王红军[1,2,3] 张顺利[4]

Jiang Longchen;Wang Hongjun;Zhang Shunli(School of Mechanical and Electrical Engineering,Beijing Information Science&Technology University,Beijing 100192,China;Beijing High-end Equipment Intelligent Perception and Control International Cooperation Base,Beijing Information Science&Technology University,Beijing 100192,China;Beijing Key Laboratory of Measurement and Control of Mechanical and Electrical System,Beijing Information Science&Technology University,Beijing 100192,China;AECC Xi'an Aero-Engine Ltd,Xi'an 710021,China)

机构地区：[1]北京信息科技大学机电工程学院,北京100192 [2]北京信息科技大学,高端装备制造智能感知与控制北京市国际科技合作基地,北京100192 [3]北京信息科技大学机电系统测控北京市重点实验室,北京100192 [4]中国航发西安航空发动机集团有限公司设计所,西安710021

出　　处：《电子测量与仪器学报》

基　　金：国家自然科学基金(51975058)资助项目。

年　　份：2021

卷　　号：35

期　　号：2

起止页码：115-121

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：气流激振故障是燃汽轮机由于工作介质引发的常见故障,针对某型燃气轮机气流激振故障,建立峰值保持降采样算法和粒子群算法优化的深度置信网络故障诊断模型。使用峰值保持降采样法对振动数据进行缩减,并以之作为深度置信神经网络的输入,降低模型训练时间,同时采取粒子群算法对深度置信网络结构参数寻优,搜索诊断性能最好的深度置信模型所对应的网络结构参数。实例结果表明,优化后的模型不仅降低模型训练时间,实现网络结构参数智能寻优,还有效实现燃气轮机气流激振故障诊断,测试准确率约为99.8%。

关 键 词：燃气轮机 气流激振 故障诊断 深度置信网络  

分 类 号：TK477]