期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于长短期记忆网络汽轮机振动幅值预测
1
作者
段彩丽
呼浩
+4 位作者
郭前鑫
赵勇纲
马驰
张建生
郭晋东
《工业仪表与自动化装置》
2024年第2期118-123,142,共7页
火电机组的主轴振动幅值具有非线性,非平稳,时序相关,且与当前历史状态密不可分的特点,而实际火电厂所提取数据往往呈现无规则,长时间,数据量庞大的特点。提出了由麻雀搜索算法(SSA)进行优化的的长短期记忆网络(LSTM)相结合构建深度学...
火电机组的主轴振动幅值具有非线性,非平稳,时序相关,且与当前历史状态密不可分的特点,而实际火电厂所提取数据往往呈现无规则,长时间,数据量庞大的特点。提出了由麻雀搜索算法(SSA)进行优化的的长短期记忆网络(LSTM)相结合构建深度学习预测模型,对汽轮机主轴的振动幅值进行更高精度的预测模拟。相较于非时序神经网络模型和无优化时序神经网络模型预测性能大大提高。
展开更多
关键词
SSA-LSTM
汽轮振动幅值
结合方法
高精度预测
下载PDF
职称材料
题名
基于长短期记忆网络汽轮机振动幅值预测
1
作者
段彩丽
呼浩
郭前鑫
赵勇纲
马驰
张建生
郭晋东
机构
国家
能源集团国神技术研究院
国家
能源集团国源
电力
有限公司
华北电力大学国家火力发电中心
出处
《工业仪表与自动化装置》
2024年第2期118-123,142,共7页
文摘
火电机组的主轴振动幅值具有非线性,非平稳,时序相关,且与当前历史状态密不可分的特点,而实际火电厂所提取数据往往呈现无规则,长时间,数据量庞大的特点。提出了由麻雀搜索算法(SSA)进行优化的的长短期记忆网络(LSTM)相结合构建深度学习预测模型,对汽轮机主轴的振动幅值进行更高精度的预测模拟。相较于非时序神经网络模型和无优化时序神经网络模型预测性能大大提高。
关键词
SSA-LSTM
汽轮振动幅值
结合方法
高精度预测
Keywords
SSA-LSTM
vibration amplitude
combined method
high-precision prediction
分类号
TK39 [动力工程及工程热物理—热能工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于长短期记忆网络汽轮机振动幅值预测
段彩丽
呼浩
郭前鑫
赵勇纲
马驰
张建生
郭晋东
《工业仪表与自动化装置》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部