A hybrid model of an artificial neural network with thermodynamic model for system diagnosis of electrical power plant gas turbine

در این مقاله، سیستم تشخیص توربین گاز نیروگاهی برای تشخیص زودتر عملکرد موتور توسعه یافته است. این سیستم می تواند مسیر مسیر گاز را برای پیش بینی زوال مولفه اصلی موتور با استفاده از شبکه عصبی مصنوعی مورد تحلیل قرار دهد. داده های عملکرد خرابی توربین گاز با استفاده از مدل ترمودینامیکی تولید شد. بنابراین مدل شبکه عصبی مصنوعی برای پیش بینی ویژگی های خراب توربین گاز ساخته شده است. از مدل ترمودینامیکی برای شبیه سازی عملکرد توربین گاز و همچنین تضعیف اجزای موتور (کمپرسور، اتاق احتراق و توربین) استفاده شده است که با تغییر پارامترهای مؤلفه (بازده و ظرفیت جریان) نشان داده شده است. از یک طرف، احتمال این اجزای خراب شده به منظور تولید داده های خراب (پارامترهای اندازه گیری و درجه خلوص هر مولفه) شبیه سازی شده است. از سوی دیگر، شبکه عصبی با داده های خراب آموزش داده شد و بهترین ساختار شبکه عصبی (تعداد لایه های پنهان، تعداد نورون ها در لایه پنهان و عملکرد انتقال) بر اساس حداقل مقدار خطای متوسط ​​مربع انتخاب شد. داده های مختلف خرابی (داده های آزمایشی) در مدل ترمودینامیکی برای آزمایش اثر بخشی شبکه عصبی تولید شده است. مقایسه میانگین مقدار خطای مربع پارامترهای خروجی شبکه چندگانه و چندگانه در داده های آموزشی و آزمایشگاهی به دست آمد. در نهایت، آزمایش با داده های واقعی موتور به دست آمد.