基于SSA和注意力机制BiLSTM的燃气轮机传感器故障诊断方法研究
来源：动力工程学报杂志2023年第9期北京时间：
作者：程侃如, 王玉璋, 杨志鹏, 杨喜连,
摘要：提出了一种结合奇异谱分析(SSA)和基于注意力机制的双向长短期记忆(BiLSTM)深度网络的传感器故障诊断方法。首先,利用SSA对传感器信号进行预处理,得到信号的趋势项和周期项;其次,将预处理得到的时间序列输入带有注意力机制的BiLSTM深度网络进行训练,得到分类器模型;最后,采用某9F级燃气轮机运行数据对该方法进行训练、验证和测试。结果表明:测试集的诊断准确率可达96.5%,该方法能有效解决故障信号稀疏性和幅度微弱性造成的传感器故障诊断精度低的问题。
关键词：燃气轮机,传感器,故障诊断,深度学习,
