.png){kind=icon}
返回
Stall warning for compressors based on wavelet features and multi-scale convolutional recurrent encoder-decoder
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ymssp.2024.112223.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于压气机的复杂性和不同运行因素的影响，其性能状态不可避免地逐渐下降，最终导致压气机失速。压气机失速可能造成重大损害，因此，必须及时检测异常并在出现性能下降或非最优运行的初始迹象时立即发出早期预警。现有技术通常通过检测尖峰起始来预测压气机失速的发生；然而，它们未能有效防止失速。原因是，一旦识别出尖峰起始，它往往会迅速演变为大范围的失速单元，仅在几次旋转内完成。本文提出了一种用于压气机失速早期预警的新方法，利用小波特征和一种多尺度卷积循环编解码器（MSCRED）。该方法从压气机数据中提取小波特征，并融合放置在三个关键位置传感器的信息，将此数据输入卷积长短期记忆（ConvLSTM）网络。此外，它利用自动阈值技术来建立失速前的阈值。该方法有效分析了压气机失速的前兆迹象，从而显著提高了压气机失速预警的时机。实验结果表明，与常规方法相比，MSCRED方法在压气机失速早期预警方面表现优异。通过进行单调性、鲁棒性和相关性的定量评估，验证了MSCRED方法在不同运行条件下的优越性能。
Keyword:
Compressor
Stall warning
Wavelet analysis
Multi-sensor
MSCRED
期刊
IF:
8.9
论文数:
1.3W
被引数:
6.6W
机构
暂无机构信息
引用论文
.png){kind=icon}
Rotating Instabilities in an Axial Compressor Originating From the Fluctuating Blade Tip Vortex
PREAI
分享收藏Active stall control with practicable stall prediction system using auto-correlation coefficient
PREAI
分享收藏
查看更多内容