基于改进一维卷积神经网络的汽轮发电机组轴系扭振模态参数辨识
Proceedings of the CSEE(2020)
摘要
提出一种改进一维卷积神经网络(improved one-dimensional convolution neural network,ICNN-1D),用于辨识汽轮发电机组轴系扭振模态参数.论文设计一种包含输入层、三组一维卷积层和池化层、全连接层与输出层的一维卷积神经网络;为了克服该网络模态参数定阶难的缺点,对其进行了无监督学习网络结构改造;并在Adam优化算法基础上,提出了动态衰减学习率优化策略,以避免网络学习过程出现震荡.以某600MW汽轮发电机组为研究对象,通过发电机5°角解并列、汽轮机甩60%负荷和甩100%负荷3种试验方案激发出机组轴系扭振,应用ICNN-1D进行轴系扭振模态参数辨识,结果表明ICNN-1D可准确辨识出机组在3种试验工况下轴系扭振固有频率和模态阻尼系数,证明了该方法的有效性.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要