| 摘要: |
| 针对传统人工经验的煤气化炉剩余寿命预测方法存在精度不足、实时性差的问题,提出一种变分模态分解-改进蜣螂算法-三重注意力双向长短期记忆网络(Variational Mode Decomposition Improved Dung Beetle Optimizer Triplet Attention Bidirectional Long Short Term Memory, VMD IDBO TABiLSTM)的煤气化炉剩余寿命预测模型.利用VMD充分挖掘数据中的隐藏时序特征,通过结合人工蜂群算法与动态权重系数对IDBO算法进行全局策略的超参数优化,采用三重注意力机制的TABiLSTM学习复杂的时间依赖关系.以机械结构寿命损失分数为准则,对模型的可靠性进行分析，结果表明:在变工况的条件下,VMD IDBO TABiLSTM模型对3台煤气化炉的剩余寿命预测值与实际值的拟合度分别为93.88%, 91.75%, 96.72%,显示出模型在泛化能力和鲁棒性方面的显著优势. |
| 关键词: 煤气化炉 剩余寿命预测 变分模态分解 深度学习 |
| DOI： |
| 分类号: |
| 基金项目: |
|
|
|
|
| Abstract: |
|
| Key words: |
