基于模型与数据混合驱动的燃气轮机气路故障诊断方法

为避免失修和过修,提高燃气轮机可靠性和可用性,本文提出了一种基于模型与数据混合驱动的燃气轮机气路故障诊断方法。首先,通过自适应热力建模策略构建待诊断对象的燃气轮机热力模型,通过设置不同的部件健康参数和入口边界条件,模拟得到部件健康参数向量与入口边界条件参数和气路可测参数向量一一对应的数据集;其次,利用深度学习进行回归建模,训练得到燃气轮机气路故障诊断模型;最后,根据实际燃气轮机入口边界条件参数和气路可测参数向量,通过已训练的诊断模型来实时诊断输出各气路部件的健康参数向量。仿真实验结果表明,通过本文所提出的方法,可以准确地得到各个通流部件量化的健康参数,其总体均方根误差不超过0.033%,最大相对误差不超过0.36%,表明该方法具有较大的应用潜力。