公开(公告)号：CN106248368B

公开(公告)日：2019-12-31

申请号：CN201610839954.0

申请日：2016-09-21

Applicant: 哈尔滨工程大学

Inventor： 陈立伟 ,  浦颖东 ,  韩金秋 ,  崔颖 ,  朱海峰

IPC: G01M13/00 ,  G01N25/72 ,  G06N3/08

Abstract: 本发明属于燃气轮机故障检测领域，具体涉及一种基于深度学习的燃机涡轮叶片故障检测方法。本发明包括：(1)涡轮叶片的温度数据预处理；(2)提取涡轮叶片温度特征向量；(3)基于深度学习网络的故障诊断；(4)燃机涡轮叶片故障检测。本发明针对涡轮叶片温度采集数据样本较大的问题，首次将深度学习方法引入到燃气轮机涡轮叶片故障诊断中，推动了燃气轮机涡轮叶片故障诊断的多样性发展，提高了故障检测的正确率。

公开(公告)号：CN106248368A

公开(公告)日：2016-12-21

申请号：CN201610839954.0

申请日：2016-09-21

Applicant: 哈尔滨工程大学

Inventor： 陈立伟 ,  浦颖东 ,  韩金秋 ,  崔颖 ,  朱海峰

IPC: G01M13/00 ,  G01N25/72 ,  G06N3/08

Abstract: 本发明属于燃气轮机故障检测领域，具体涉及一种基于深度学习的燃机涡轮叶片故障检测方法。本发明包括：(1)涡轮叶片的温度数据预处理；(2)提取涡轮叶片温度特征向量；(3)基于深度学习网络的故障诊断；(4)燃机涡轮叶片故障检测。本发明针对涡轮叶片温度采集数据样本较大的问题，首次将深度学习方法引入到燃气轮机涡轮叶片故障诊断中，推动了燃气轮机涡轮叶片故障诊断的多样性发展，提高了故障检测的正确率。