文献类型：期刊文章

作　　者：许未晴[1,5] 冀守虎[2] 安永伟[2] 贾冠伟[2] 曹鑫源[4] 王佳[6] 蔡茂林[1,5] 吴素君[3]

XU Wei-qing;JI Shou-hu;AN Yong-wei;JIA Guan-wei;CAO Xin-yuan;WANG Jia;CAI Mao-lin;WU Su-jun(School of Automation Science and Electrical Engineering,Beihang University,Beijing 100191;School of Physics and Electronics,Henan University,Kaifeng,Henan 475004;School of Materials Science and Engineering,Beihang University,Beijing 100191;State Power Investment Corporation Research Institute Co.,Ltd.,Beijing 102209;Pneumatic and Thermodynamic Energy Storage and Supply Beijing Key Laboratory,Beijing 100191;Institute of Unmanned System,Beihang University,Beijing 100191)

机构地区：[1]北京航空航天大学自动化科学与电气工程学院,北京100191 [2]河南大学物理与电子学院,河南开封475004 [3]北京航空航天大学材料科学与工程学院,北京100191 [4]国家电投集团科学技术研究院有限公司,北京102209 [5]气动热力储能与供能北京市重点实验室,北京100191 [6]北京航空航天大学无人系统研究院,北京100191

出　　处：《液压与气动》

基　　金：国家自然科学基金(51875012);中国博士后科学基金资助项目(2021M701096);河南省科技攻关(222102220090);北京高校卓越青年科学家计划项目(BJJWZYJH01201910006021)。

年　　份：2023

卷　　号：47

期　　号：4

起止页码：71-86

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：重型燃气轮机是提供电力和调节电力波动的重要设备,其组成复杂、精密程度高,发生故障后会产生严重的安全隐患,进而影响经济效益。采用机器学习算法是实现重型燃气轮机健康监测的有效方法。机器学习算法的优化及融合对重型燃气轮机系统的健康运行具有重大意义。介绍了重型燃气轮机健康监测的发展过程;综述了采用不同机器学习算法对燃气轮机大部件及其子部件健康诊断的预测结果;重点分析对比了气路故障和整体状态健康监测、寿命预测的不同方法;总结燃气轮机健康监测的主要技术问题及展望未来的发展方向,为机器学习算法在重型燃气轮机的应用提供了参考。

关 键 词：机器学习算法 重型燃气轮机 健康监测 故障预测诊断  

分 类 号：TH138] TK1] TP18]