基于注意力机制与XBOA-Bi-LSTM的离心式压缩机故障预警方法

作者：袁镇华,茅大钧,李玉珍. 日期：2024-03-26/span> 浏览：86 查看PDF文档

摘要:由于离心式压缩机存在着运行工况复杂、维修成本昂贵和长输管道工作环境恶劣的问题,为此,提出了一种基于注意力机制(AM)和蝴蝶算法优化双向长短期记忆神经网络(XBOA-Bi-LSTM)的离心式压缩机故障预警方法。首先,针对传统蝴蝶算法的收敛速度慢、转换概率单一和容易陷入局部最优等问题,通过引入无限折叠迭代混叠映射以丰富蝴蝶算法的初始种群;同时,提出了一种基于种群离散度与迭代次数的自适应惯性转换概率,以提高蝴蝶算法的寻优能力;然后,采用了灰色关联度分析法对测点数据进行了特征提取,结合注意力机制对输入序列进行了灰色关联度系数赋权;最后,建立了双向长短期记忆神经网络故障预警模型,采用仿真实验完成了对离心式压缩机的故障预警;以某天然气长输管道机组的离心式压缩机作为仿真对象,对该离心式压缩机故障预警方法的可行性进行了验证。研究结果表明:采用基于注意力机制与XBOABiLSTM的离心式压缩机故障预警方法时,在离心式压缩机故障发生前2h~3h内就发出预警信号,实现了对于离心式压缩机进气过滤器压差异常与支撑轴承工作异常的故障预警目的。

关键词:离心式压缩机;蝴蝶优化算法;灰色关联度分析法;注意力机制;双向长短期记忆神经网络;故障特征提取

中图分类号:TH452;TP29文献标识码:A文章编号:1001-4551(2024)03-0400-09

袁镇华,茅大钧,李玉珍.基于注意力机制与XBOA-Bi-LSTM的离心式压缩机故障预警方法［J］.机电工程,2024,41(3):400-408.

YUAN Zhenhua, MAO Dajun, LI Yuzhen. Centrifugal compressor fault warning method based on attention mechanism and XBOA-Bi-LSTM［J］.Journal of Mechanical & Electrical Engineering, 2024,41(3):400-408.