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
2
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
冶金自备电厂燃气发电机组机炉协调控制
被引量：
1
1
作者
安硕
冯旭刚
+5 位作者
张景
王正兵
唐得志
沈浩
王兵
宋爱国
《中南大学学报(自然科学版)》
北大核心
2025年第1期19-33,共15页
针对冶金自备电厂燃料热值、压力和负荷多变的复杂工况与发电机组燃烧、汽机系统存在的大滞后、扰动大、多变量问题,首先通过改进粒子群算法(improved particle swarm optimization,IPSO)辨识得到以汽轮机调节阀开度与燃料量为控制量、...
针对冶金自备电厂燃料热值、压力和负荷多变的复杂工况与发电机组燃烧、汽机系统存在的大滞后、扰动大、多变量问题,首先通过改进粒子群算法(improved particle swarm optimization,IPSO)辨识得到以汽轮机调节阀开度与燃料量为控制量、有功功率与主蒸汽压力为被控量的单元机组数学模型;其次,设计多变量动态矩阵控制策略,构建机炉协调控制器,通过在线预测、反馈校正实现对系统进行滚动优化,并转换为内模控制结构分析其动态特性;最后,得到基于多变量动态矩阵控制(multivariable dynamic matrix control,MDMC)的燃气发电机组机炉协调控制策略。研究结果表明:相较于常规PSO,IPSO输出曲线拟合效果具有更高的准确性;与模型预测控制、广义预测控制、比例积分微分控制相比,MDMC具有更好的抗干扰性和动态性能,系统在受到干扰时调节时间最短为112 s,超调量仅为1.81%。应用机炉协调控制系统后,有功功率与主蒸汽压力标准偏差分别降低48.03%和33.33%,在满足现场设计要求的同时更有利于工业生产。
展开更多
关键词
变负荷工况
机炉协调控制系统
改进粒子群算法
多变量动态矩阵控制
稳定性
抗干扰性
在线阅读
下载PDF
职称材料
基于改进Transformer的火电机组制粉系统故障诊断
2
作者
安硕
冯旭刚
+5 位作者
唐雷
赵凯
王正兵
唐得志
王璐
柳传武
《中南大学学报(自然科学版)》
北大核心
2025年第9期3748-3759,共12页
针对火电机组制粉系统故障机理复杂与诊断精度较低的问题,提出一种基于改进Transformer的故障诊断模型。首先,构建时序预测Transformer框架,通过位置编码(PE)保留输入序列的时序依赖性;其次,在编码器前端嵌入时间卷积网络(TCN),通过因...
针对火电机组制粉系统故障机理复杂与诊断精度较低的问题,提出一种基于改进Transformer的故障诊断模型。首先,构建时序预测Transformer框架,通过位置编码(PE)保留输入序列的时序依赖性;其次,在编码器前端嵌入时间卷积网络(TCN),通过因果卷积提取局部特征并扩展时序感受野;第三,以一次风机转速、磨煤机功率等关键运行参数为输入,建立制粉系统运行状态预测模型;最后,将传统Transformer输出层Softmax函数替换为Sigmoid函数适配多故障并发场景,并采用全卷积网络(FCN)结合Leaky-ReLU激活函数实现故障分类。研究结果表明:该模型的磨煤机功率预测值与真实值的决定系数达99.37%;模型故障诊断准确率达98%,在训练约30个epoch时准确率已达到80%;相较于长短时记忆神经网络(LSTM)、循环神经网络(RNN)等5种基准模型,该方法的准确率、召回率和F1最高,分别达到98.5%、98.3%和97.7%。制粉系统故障诊断平台对各运行参数的预测结果与实际值相对误差不超过6.43%,故障诊断准确率可达到97.2%。该方法能够针对工况复杂的火电机组制粉系统实现高精度故障诊断,满足实际生产过程中的设备诊断需求。
展开更多
关键词
TRANSFORMER
深度学习
火电机组
制粉系统
故障诊断
在线阅读
下载PDF
职称材料
题名
冶金自备电厂燃气发电机组机炉协调控制
被引量：
1
1
作者
安硕
冯旭刚
张景
王正兵
唐得志
沈浩
王兵
宋爱国
机构
安徽
工业大学电气与信息工程学院
安徽省特种重载机器人重点实验室
东南大学仪器科学与工程学院
出处
《中南大学学报(自然科学版)》
北大核心
2025年第1期19-33,共15页
基金
安徽省重点研究与开发计划项目(2022f04020004)
安徽高校自然科学研究重点项目(2023AH051107)
芜湖市重点研发与成果转化项目(2023yf017)。
文摘
针对冶金自备电厂燃料热值、压力和负荷多变的复杂工况与发电机组燃烧、汽机系统存在的大滞后、扰动大、多变量问题,首先通过改进粒子群算法(improved particle swarm optimization,IPSO)辨识得到以汽轮机调节阀开度与燃料量为控制量、有功功率与主蒸汽压力为被控量的单元机组数学模型;其次,设计多变量动态矩阵控制策略,构建机炉协调控制器,通过在线预测、反馈校正实现对系统进行滚动优化,并转换为内模控制结构分析其动态特性;最后,得到基于多变量动态矩阵控制(multivariable dynamic matrix control,MDMC)的燃气发电机组机炉协调控制策略。研究结果表明:相较于常规PSO,IPSO输出曲线拟合效果具有更高的准确性;与模型预测控制、广义预测控制、比例积分微分控制相比,MDMC具有更好的抗干扰性和动态性能,系统在受到干扰时调节时间最短为112 s,超调量仅为1.81%。应用机炉协调控制系统后,有功功率与主蒸汽压力标准偏差分别降低48.03%和33.33%,在满足现场设计要求的同时更有利于工业生产。
关键词
变负荷工况
机炉协调控制系统
改进粒子群算法
多变量动态矩阵控制
稳定性
抗干扰性
Keywords
variable load conditions
machine furnace coordinated control system
improved particle swarm optimization
multivariable dynamic matrix control
stability
anti-jamming
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于改进Transformer的火电机组制粉系统故障诊断
2
作者
安硕
冯旭刚
唐雷
赵凯
王正兵
唐得志
王璐
柳传武
机构
安徽
工业大学机械工程学院
安徽
工业大学电气与信息工程学院
安徽省特种重载机器人重点实验室
安徽
工业大学工程研究院
马鞍山职业技术学院
出处
《中南大学学报(自然科学版)》
北大核心
2025年第9期3748-3759,共12页
基金
安徽高校自然科学研究重点项目(2023AH051107)
芜湖市重点研发与成果转化项目(2023yf017)
安徽高校协同创新项目(GXXT-2022-082)。
文摘
针对火电机组制粉系统故障机理复杂与诊断精度较低的问题,提出一种基于改进Transformer的故障诊断模型。首先,构建时序预测Transformer框架,通过位置编码(PE)保留输入序列的时序依赖性;其次,在编码器前端嵌入时间卷积网络(TCN),通过因果卷积提取局部特征并扩展时序感受野;第三,以一次风机转速、磨煤机功率等关键运行参数为输入,建立制粉系统运行状态预测模型;最后,将传统Transformer输出层Softmax函数替换为Sigmoid函数适配多故障并发场景,并采用全卷积网络(FCN)结合Leaky-ReLU激活函数实现故障分类。研究结果表明:该模型的磨煤机功率预测值与真实值的决定系数达99.37%;模型故障诊断准确率达98%,在训练约30个epoch时准确率已达到80%;相较于长短时记忆神经网络(LSTM)、循环神经网络(RNN)等5种基准模型,该方法的准确率、召回率和F1最高,分别达到98.5%、98.3%和97.7%。制粉系统故障诊断平台对各运行参数的预测结果与实际值相对误差不超过6.43%,故障诊断准确率可达到97.2%。该方法能够针对工况复杂的火电机组制粉系统实现高精度故障诊断,满足实际生产过程中的设备诊断需求。
关键词
TRANSFORMER
深度学习
火电机组
制粉系统
故障诊断
Keywords
Transformer
deep learning
thermal power unit
milling system
fault diagnosis
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
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
冶金自备电厂燃气发电机组机炉协调控制
安硕
冯旭刚
张景
王正兵
唐得志
沈浩
王兵
宋爱国
《中南大学学报(自然科学版)》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于改进Transformer的火电机组制粉系统故障诊断
安硕
冯旭刚
唐雷
赵凯
王正兵
唐得志
王璐
柳传武
《中南大学学报(自然科学版)》
北大核心
2025
0
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
