来源：期刊VIP网 时间：
作者：郑卫东;熊伟;李晓燕;白培强;林思宇;崔雄华;吕延军;石瑞;
单位：华电能源股份有限公司玉环电厂;西安热工研究院有限公司;西安理工大学机械与精密仪器工程学院;
摘要：火电机组超期服役成为趋势，但汽轮机转子钢疲劳裂纹却严重影响机组运行安全。转子钢疲劳裂纹扩展试验数据缺失，随机模型建模与求解计算量大使得疲劳裂纹剩余寿命（RUL）预测受限。在对已有疲劳裂纹扩展试验及随机模型分析基础上，提出了基于整体趋势扩散（MTD）技术的高斯隶属度信息扩散（GMIE）样本域的方法生成虚拟样本，运用期望分位数回归（ER）与极限学习机（ELM）神经网络模型相结合预测疲劳裂纹扩展的RUL。对特定循环周次下疲劳裂纹扩展的RUL进行预测，通过与已有数值分析方法的RUL概率密度函数（PDF)）曲线和疲劳裂纹扩展曲线对比，得出平均绝对百分比误差（δ_(MAPE)）为2.78%，验证了所提方法的有效性，为汽轮机转子系统安全运行提供了有力支持。
关键词：整体趋势扩散;;疲劳裂纹扩展;;VSG-ELM;;剩余寿命预测
