Abstract: Y. Fu, Y. Zhang, P. Zang, Y. Sui, Y. Zheng, Y. Xia (2024)

Combustion instability is a major challenge for low emission combustors. It is caused by the coupling between the combustor acoustic modes and heat release fluctuations. Early detection of combustion instability is very important for the safety and reliability of gas turbines. In this work, high-pressure and high-temperature experiments were conducted to investigate the thermoacoustic features of an industrial-scale combustor. The combustor contains a pilot burner and a main burner, which adopt diffusion and premixed combustion, respectively. The transition processes of thermoacoustic state from stable to unstable are experimentally studied for different operating pressures. Recurrence quantification analysis (RQA) is used to study the nonlinear dynamics of the dynamic pressure (DP) and acceleration (ACC) signals obtained during the experiments. Based on multi-signal information fusion of DP and ACC, an early detection method of combustion instability is proposed via a machine learning method. The proposed method combines the dynamic behaviors of DP and ACC signals into a two-dimensional map. A support vector machineï¼ˆSVMï¼‰model is used to classify the thermoacoustic states of the combustor. Four cases are used to train the SVM model, while two additional cases are applied to assess the robustness of the SVM-based precursor. Compared to the conventional method based on the root-mean-square (RMS) of the DP signals, the SVM-based precursor achieves an overall accuracy of the early detection of combustion instability in the combustor.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Combustion instability detection based on multi-signal information fusion for an industrial gas turbine combustor