A New Gas Path Fault Diagnostic Method of Gas Turbine Based on Support Vector Machine

作者
Dengji Zhou,Jiayun Wang,Huisheng Zhang,Shilie Weng
出处
期刊: 被引量:3
标识
DOI:10.1115/imece2014-36367
摘要

As a crucial section of gas turbine maintenance decision-making process, to date, gas path fault diagnostic has gained a lot of attention. However, model-based diagnostic methods, like non-linear gas path analysis (GPA) and genetic algorithms, need an accurate gas turbine model, and diagnostic methods without gas turbine model, like artificial neural networks, need a large number of experimental data. Both are difficult to gain. Support vector machine (SVM), a novel computational learning method with excellent performance, seems to be a good choice for gas path fault diagnostic of gas turbine without engine model. In this paper, SVM is employed to diagnose a deteriorated gas turbine. And the diagnostic result of SVM is compared to the result of artificial neural networks. The comparing result confirms that SVM has an obvious advantage over artificial neural networks method based on a small sample of data, and can be employed to gas path fault diagnostic of gas turbine. Additionally, SVM with radial basis kernel function is the best choice for gas turbine gas path fault diagnostic based on small sample.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
汤汤完成签到 ,获得积分10
刚刚
粗犷的月饼完成签到 ,获得积分10
2秒前
hhh2018687完成签到,获得积分10
2秒前
daiy完成签到,获得积分10
4秒前
cici完成签到 ,获得积分10
6秒前
Bo完成签到 ,获得积分10
6秒前
JY完成签到 ,获得积分10
6秒前
EthanChan完成签到,获得积分0
7秒前
zoe完成签到,获得积分10
8秒前
Jia完成签到 ,获得积分10
8秒前
活佛济公完成签到 ,获得积分10
9秒前
程11完成签到,获得积分10
9秒前
负责谷秋完成签到 ,获得积分10
12秒前
ncuwzq完成签到,获得积分0
12秒前
Lliu完成签到,获得积分10
16秒前
么么完成签到,获得积分10
21秒前
饿哭了塞完成签到 ,获得积分10
21秒前
我不会乱起名字的完成签到,获得积分10
21秒前
吴旭东完成签到,获得积分10
24秒前
24秒前
gycao2025完成签到,获得积分10
25秒前
刘艺涵完成签到 ,获得积分10
25秒前
Einy完成签到 ,获得积分10
25秒前
MoChin完成签到,获得积分10
25秒前
acat完成签到 ,获得积分10
26秒前
温暖完成签到 ,获得积分10
27秒前
zc完成签到,获得积分10
28秒前
Tin完成签到,获得积分10
29秒前
hh完成签到 ,获得积分10
29秒前
刻苦绿蕊完成签到,获得积分10
31秒前
李伟完成签到,获得积分10
31秒前
Sure完成签到 ,获得积分10
31秒前
曾珍完成签到 ,获得积分10
34秒前
青云万里完成签到,获得积分10
34秒前
142857完成签到,获得积分10
36秒前
Una2030完成签到 ,获得积分10
40秒前
轻松香菇完成签到 ,获得积分10
41秒前
Jeffrey完成签到,获得积分10
42秒前
房杨完成签到,获得积分10
42秒前
七七完成签到 ,获得积分10
43秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8180097
求助须知:如何正确求助?哪些是违规求助? 9570230
关于积分的说明 21808841
捐赠科研通 7776113
什么是DOI,文献DOI怎么找? 3433261
关于科研通互助平台的介绍 2557463
邀请新用户注册赠送积分活动 2479013