燃气轮机启动过程故障诊断方法研究

摘要

在诊断燃气轮机启动故障时,常存在平均故障诊断错误率较高的问题。为此,提出基于深度信念网络(DBN)的燃气轮机启动过程故障诊断方法。在选取与典型启动故障相关的样本数据后,从机理的角度入手获取故障特征。根据DBN结构构建启动过程故障诊断模型,结合列文伯格-马夸尔特(L-M)算法设计自适应学习率改进算法,实现故障诊断精度的提升。按照参数表征性和冗余性选取试验样本,确定排气温度、电机电流、燃机转速和电机转速这4种参数类型作为故障诊断方法测试的数据基础,经由模型得出诊断结果。试验结果表明:所设计方法的平均故障诊断错误率为3.3%,与交叉全局人工蜂群和支持向量机(CGABC-SVM)方法、深度学习与信息融合诊断方法相比,所设计方法的平均故障诊断错误率分别降低了28.7%、37.0%,有效提升了燃气轮机启动过程故障诊断结果的准确性。该研究为燃气轮机的安全启动提供了保障。