-
题名基于改进随机森林算法的汽轮机振动故障诊断研究
- 1
-
-
作者
李蔚
吴懿范
毛静宇
常增军
李仲博
王方舟
-
机构
浙江大学能源工程学院
北京热力集团有限责任公司
北京京能能源技术研究有限责任公司
-
出处
《浙江电力》
2024年第9期107-116,共10页
-
基金
国家重点研发计划(2019YFE0126000)。
-
文摘
随机森林算法具有抗噪声和计算能力强的优点,被广泛应用于旋转机械的振动故障诊断中,但在工业场景中存在样本较少、无法引入先验知识、准确度较低等问题。对此,基于层次分析思想,利用信息熵引入先验知识优化决策树,提出了基于IRF(改进随机森林算法)的汽轮机振动故障诊断方法。为验证所提方法的有效性和可靠性,采用某百万火电机组数据中心的真实运行数据集进行评估。计算结果表明,相较于经典随机森林算法,IRF能够在降低33%决策树数目的情况下具有更高的精确度和低漏报率,同时运行时间缩短至经典随机森林算法的11.4%,在火电机组实时精确振动故障诊断方面有较高的实用价值。
-
关键词
汽轮机
振动故障诊断
改进随机森林算法
层次分析
信息熵
-
Keywords
steam turbine
vibration fault diagnosis
IRF
AHP
information entropy
-
分类号
TM621
[电气工程—电力系统及自动化]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
