热能动力工程

作者：韩国栋，曹云鹏，徐志强，王伟影

单位：哈尔滨工程大学 动力与能源工程学院，黑龙江 哈尔滨 150001,,哈尔滨工程大学 动力与能源工程学院，黑龙江 哈尔滨 150001,,中国船舶集团有限公司第七○三研究所，黑龙江 哈尔滨 150078,,中国船舶集团有限公司第七○三研究所，黑龙江 哈尔滨 150078,

关键词：燃气轮机;剩余使用寿命;预测;卷积神经网络;特征降维

基金：国家科技重大专项（2017-Ⅰ-0007-0008)

为了实现船用燃气轮机剩余使用寿命的预测，对燃气轮机健康监测参数进行斯皮尔曼（Spearman）相关关系分析，采用平均影响值（Mean Impact Value，MIV）进一步分析监测参数对性能退化的敏感性，筛选出敏感特征；对得到的燃气轮机特征参数进行预处理，以消除外界环境的影响；研究了一维卷积神经网络（One Dimension Convolutional Neural Networks，1DCNN），挖掘滑窗特征参数与运行时间的映射关系，实现燃气轮机剩余使用寿命预测。基于美国国家航天局发布的航空发动机退化数据集，验证了SMIV1DCNN剩余使用寿命预测方法的有效性；开展了船用燃气轮机性能退化剩余使用寿命预测仿真试验。仿真试验结果表明，该方法不受燃气轮机初始状态影响，剩余使用寿命预测绝对误差56.10、平均绝对百分误差107.87、均方误差70.95，预测性能优于BP神经网络、LSTM神经网络与GRU神经网络。

来源：2022年第2期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2022年第2期