基于长短期记忆神经网络和软投票决策的双流化床气化装置故障诊断模型Fault diagnosis model of dual fluidized bed gasification device based on LSTM and voting decision
杨新,高旭东,李彦苍,陈鸿伟,刘玉强,高艳丰
摘要(Abstract)：
针对双流化床系统用于生物质气化时出现的结块和堵塞问题,本文提出一种基于长短期记忆神经网络(LSTM)和软投票(soft voting)决策的故障诊断模型。首先,在双流化床冷态试验系统上模拟结块和堵塞故障,采集提升管和气化室对应的压力波动信号;然后将采集的原始信号分解为合适长度的小样本,并作为LSTM的输入进行模型训练和测试;最后采用soft voting方式对测试样本的输出进行决策,确定故障类别。将本文提出的模型与多个常见模型进行仿真模拟,结果表明本文模型故障诊断准确率(91.25%)高,能准确预测系统出现的故障,具有一定的实际应用价值。
关键词(KeyWords)： 长短期记忆神经网络;软投票;故障诊断;压力信号;双流化床;生物质气化
基金项目(Foundation):
作者(Author): 杨新,高旭东,李彦苍,陈鸿伟,刘玉强,高艳丰
DOI: 10.19666/j.rlfd.201908190