文章标题：船用发电汽轮机多特征耦合故障预测方法

文章作者：卓越¹, 倪何¹, 肖鹏飞²
关 键 字：发电汽轮机;故障预测;模态分解;趋势提取;卷积—双向长短期记忆模型
文章摘要：针对发电汽轮机运行参数高度耦合、故障特征参数预测困难的问题，综合运用中值回归经验模态分解、卷积神经网络和双向长短期记忆模型，提出一种适用于发电汽轮机的多特征故障预测方法。首先，通过中值回归经验模态分解（Median Regression Empirical Mode Decomposition, MREMD）对故障相关参数进行趋势提取；然后，以各参数运行趋势为训练集的输入特征向量，构建可以提取训练集时空特征的卷积-双向长短期记忆（Convolution-Bidirectional Long Short-Term Memory, CNN-BiLSTM）模型；为提高模型的收敛速度，采用麻雀搜索算法（Sparrow Search Algorithm, SSA）对模型超参数进行优化。经实际案例验证，该方法可有效通过故障相关参数的波动预测故障参数的发展趋势，为系统的预警和应急处置提供参考。