基于LSTM的一次风机在线监测及故障诊断研究

摘要

鉴于一次风机的运行状态对于火电机组安全运行具有重要意义,文章提出了一种一次风机状态监测与故障诊断的数据分析方法。采集M电厂一次风机正常状态运行数据,进行数据预处理,计算各参数皮尔逊相关系数,根据结果选取相关性大的参数对y方向轴瓦振动、自由端轴承温度、x方向轴瓦振动进行回归。使用最小二乘支持向量机(LS-SVM)模型、长短记忆神经网络(LSTM)模型对x、y方向轴瓦振动、自由端轴承温度进行回归,计算回归结果均方根误差。对正常状态与异常状态三参数进行LSTM回归,计算回归值自适应阈值,仅异常状态x轴瓦振动实际值超过阈值上下限,认为LSTM模型可适用于一次风机的状态分析与故障诊断。