期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于t-SNE和PGNN的输气管道泄漏工况识别技术
1
作者 钱学峰 《石油工程建设》 2026年第1期70-75,共6页
压降速率是识别输气管道泄漏工况的重要判别指标,为降低不同工况下管道沿线截断阀的误动作或不动作现象,利用模拟软件获取了几组对比工况的压降速率信号,分析了各工况信号的差异性和重复性,基于t分布随机邻域嵌入(t-SNE)算法对信号进行... 压降速率是识别输气管道泄漏工况的重要判别指标,为降低不同工况下管道沿线截断阀的误动作或不动作现象,利用模拟软件获取了几组对比工况的压降速率信号,分析了各工况信号的差异性和重复性,基于t分布随机邻域嵌入(t-SNE)算法对信号进行非线性降维和可视化表征,将降维数据代入物理引导神经网络(PGNN)模型,通过构建物理约束损失函数对分类结果进行修正,在现场利用放空阀模拟泄漏过程,验证模型的准确性。结果显示,t-SNE算法将压降速率信号降至三维后,数据结构变得更为紧凑,数据量由600×50个降低至600×3个;PGNN模型和BP神经网络模型的整体正确率分别为98.16%、87.33%;泄漏孔径越大,压降速率峰值越大;泄漏位置距离截断阀越远,压降速率峰值越小,PGNN模型可以捕捉到上述变化规律。研究成果可模拟管道运行现场数据并及时识别泄漏工况,避免发生更大的泄漏事故。 展开更多
关键词 t-SNE算法 pgnn模型 泄漏 压降速率 压缩机抽吸
在线阅读 下载PDF
燃煤机组过热汽温宽负荷模型前馈控制 被引量:5
2
作者 陈祎璠 曹越 司风琪 《动力工程学报》 CAS CSCD 北大核心 2024年第1期76-83,共8页
为了对燃煤机组过热汽温宽负荷运行时进行更精确地前馈控制,提出一种基于物理引导神经网络(PGNN)的预测前馈信号模型,并基于间隙度量法确定了多模型的负荷段分配。多模型间隙度量PGNN预测方法采用多模型间隙度量方法对负荷区段进行合理... 为了对燃煤机组过热汽温宽负荷运行时进行更精确地前馈控制,提出一种基于物理引导神经网络(PGNN)的预测前馈信号模型,并基于间隙度量法确定了多模型的负荷段分配。多模型间隙度量PGNN预测方法采用多模型间隙度量方法对负荷区段进行合理划分,结合过热器机理引导的长短期记忆神经网络,可以对强耦合、大惯性的过热汽温宽负荷前馈信号进行精准预测。结果表明:在机组宽负荷运行时,随着负荷降低控制对象的非线性程度逐渐增强,需要更多的模型数量,采用多模型间隙度量PGNN前馈控制方法可以在不同工况下采用与当前工况相适应的前馈信号,有效提升过热汽温的调节精度和稳定性。 展开更多
关键词 燃煤机组 过热汽温 前馈控制 深度神经网络 多模型间隙度量pgnn
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部