基于LSTM-SVM的燃气轮机压气机故障预警研究

来源：动力工程学报杂志2021年第5期北京时间：

作者：彭道刚, 姬传晟, 涂煊, 王丹豪,

摘要：为了能在早期发现压气机叶片积垢、叶片磨损腐蚀、进气口结冰和喘振4种常见故障，提出一种基于长短期记忆网络（LSTM）和支持向量机（SVM）的燃气轮机压气机故障预警方法。首先，利用压气机特征参数正常历史数据建立多个单输入单输出预测模型，并将压气机的特征参数运行数据代入相应的模型，输出各参数预测值与实际值的残差曲线，设定报警阈值，超限报警。然后，利用正负偏离度方法提取报警点报警信息的故障样本，作为SVM的输入参数进行故障识别，对压气机的故障类型进行预警。结果表明：该模型输出预测误差在0.5%以内；该方法能够发现压气机的早期故障趋势，提取故障特征，对压气机故障类型进行预警，为燃气轮机压气机的故障预警提供了参考。

关键词：燃气轮机压气机,故障预警,长短期记忆网络,支持向量机,