基于卷积神经网络-长短时记忆神经网络的磨煤机故障预警Coal mill fault early warning technology based on CNN-LSTM network
杨婷婷,高乾,李浩千,吕游,陈晓峰
摘要(Abstract)：
为提高对磨煤机故障的事前预知能力，结合深度学习方法的优势，在传统长短时记忆（LSTM）神经网络的基础上，提出基于卷积神经网络-长短时记忆神经网络（CNN-LSTM）的磨煤机故障预警方法。选择与磨煤机堵煤故障相关的测点作为模型的输入量，进行多元时间序列预测。得到模型输出预测值与磨煤机正常工作状态下的运行数据之间的偏离度函数，运用核密度估计方法确定预警阈值，实现磨煤机堵煤故障预警。以某660 MW火电机组的中速磨煤机为研究对象，建立CNN-LSTM模型并进行故障预警试验。试验结果表明，该模型可以精确预测磨煤机多个测点参数的变化趋势，相较于LSTM神经网络模型具有更高的精确度。该方法能够提前对磨煤机堵煤故障做出有效预警。
关键词(KeyWords)： 磨煤机;故障预警;CNN;LSTM神经网络;时间序列预测
基金项目(Foundation):
作者(Author): 杨婷婷,高乾,李浩千,吕游,陈晓峰
DOI: 10.19666/j.rlfd.202203054