热能动力工程

作者：陆辰俊,王元龙,张震宇,马亮

单位：中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,,中国船舶集团有限公司第七〇三研究所,

关键词：燃气轮机;软测量;深度学习;机器学习;一维卷积神经网络

基金：先进船舶发动机技术全国重点实验室

针对船用燃气轮机关键运行参数实时监测的难题，采用某型号燃气轮机80,475组历史数据（训练集42,197组，测试集31,112组，验证集7166组），基于深度学习方法（一维卷积神经网络1DCNN、门控循环单元GRU）和机器学习方法（反向传播神经网络BPNN、支持向量回归SVR），开展燃气轮机关键参数软测量建模对比试验。为有效捕捉参数的非线性耦合关系，使用SHAP值驱动的随机森林特征筛选，构建关键运行参数的最优软测量参数组合。建立1DCNN、GRU、BPNN和SVR模型，并对比不同模型的预测性能。研究结果表明：1DCNN模型凭借其优异的局部特征提取能力和时序建模优势，在预测精度、鲁棒性和泛化性方面均展现出显著的优势，对8个关键参数的平均预测均方根误差（RMSE）较次优的GRU模型降低20.3%，平均绝对误差（MAE）较次优的GRU模型降低20.4%，平均决定系数（R2）高达0.994，是解决船用燃机复杂参数软测量问题的有效方案。

来源：2025年第12期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2025年第12期