期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于特征选择与BiLSTM多变量回归预测的磨煤机故障预警研究
被引量：
1
1
作者
罗云
李战国
+5 位作者
付陇霞
王道谊
张新中
李耀华
程亮
江霞
《动力工程学报》
北大核心
2025年第5期724-732,共9页
为解决火电设备多参数耦合、渐变性故障诊断困难的问题,提出了一种基于套索(LASSO)回归特征选择与双向长短期记忆(BiLSTM)网络多变量回归预测的故障预警方法。以某1 000 MW机组磨煤机为研究对象,选取磨煤机电流、出口压力、出入口差压...
为解决火电设备多参数耦合、渐变性故障诊断困难的问题,提出了一种基于套索(LASSO)回归特征选择与双向长短期记忆(BiLSTM)网络多变量回归预测的故障预警方法。以某1 000 MW机组磨煤机为研究对象,选取磨煤机电流、出口压力、出入口差压作为表征堵磨故障的特征参数,采用LASSO回归选择特征变量,基于BiLSTM算法建立多变量回归预测模型;根据堵磨时特征参数的变化机理与模型预测值构建堵磨故障指数,最后利用核密度估计方法计算预警阈值,实现了堵磨故障预警。通过实际数据分析表明:磨煤机正常状态时,BiLSTM多变量回归预测模型的平均相对误差为1.13%,相比传统的误差反向传播(BP)神经网络和支持向量机回归(SVR)模型具有更高的精度和预测参数变化趋势的能力;磨煤机异常状态时,相比成熟的多元状态估计技术(MSET)算法模型能更早地发现磨煤机运行的异常状态,实现磨煤机变工况下故障早期预警。
展开更多
关键词
磨煤机
LASSO回归
BiLSTM多变量回归
预测模型
堵磨
故障指数
在线阅读
下载PDF
职称材料
题名
基于特征选择与BiLSTM多变量回归预测的磨煤机故障预警研究
被引量：
1
1
作者
罗云
李战国
付陇霞
王道谊
张新中
李耀华
程亮
江霞
机构
北京大唐高鸿数据网络技术有限公司
华北电力科学研究院
有限
责任
公司
出处
《动力工程学报》
北大核心
2025年第5期724-732,共9页
文摘
为解决火电设备多参数耦合、渐变性故障诊断困难的问题,提出了一种基于套索(LASSO)回归特征选择与双向长短期记忆(BiLSTM)网络多变量回归预测的故障预警方法。以某1 000 MW机组磨煤机为研究对象,选取磨煤机电流、出口压力、出入口差压作为表征堵磨故障的特征参数,采用LASSO回归选择特征变量,基于BiLSTM算法建立多变量回归预测模型;根据堵磨时特征参数的变化机理与模型预测值构建堵磨故障指数,最后利用核密度估计方法计算预警阈值,实现了堵磨故障预警。通过实际数据分析表明:磨煤机正常状态时,BiLSTM多变量回归预测模型的平均相对误差为1.13%,相比传统的误差反向传播(BP)神经网络和支持向量机回归(SVR)模型具有更高的精度和预测参数变化趋势的能力;磨煤机异常状态时,相比成熟的多元状态估计技术(MSET)算法模型能更早地发现磨煤机运行的异常状态,实现磨煤机变工况下故障早期预警。
关键词
磨煤机
LASSO回归
BiLSTM多变量回归
预测模型
堵磨
故障指数
Keywords
coal mill
LASSO regression
BiLSTM multivariate regression
prediction model
coal mill blockage
fault index
分类号
TK32 [动力工程及工程热物理—热能工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于特征选择与BiLSTM多变量回归预测的磨煤机故障预警研究
罗云
李战国
付陇霞
王道谊
张新中
李耀华
程亮
江霞
《动力工程学报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
