文献类型：期刊文章

作　　者：白明亮[1] 张冬雪[2] 刘金福[2] 刘娇[3] 于达仁[1,2]

BAI Mingliang;ZHANG Dongxue;LIU Jinfu;LIU Jiao;YU Daren(Department of Control Science and Engineering,Harbin Institute of Technology,Harbin 150001,Heilongjiang Province,China;School of Energy Science and Engineering,Harbin Institute of Technology,Harbin 150001,Heilongjiang Province,China;AVIC Shenyang Aircraft Design&Research Institute,Shenyang 110035,Liaoning Province,China)

机构地区：[1]哈尔滨工业大学控制科学与工程系,黑龙江省哈尔滨市150001 [2]哈尔滨工业大学能源科学与工程学院,黑龙江省哈尔滨市150001 [3]中国航空工业集团公司沈阳飞机设计研究所,辽宁省沈阳市110035

出　　处：《发电技术》

基　　金：国家自然科学基金项目(51976042);国家重大科技专项(2017-I-0007-0008).

年　　份：2021

卷　　号：42

期　　号：4

起止页码：422-430

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：开展燃气轮机高温部件的异常检测能有效提高其运行安全性和可靠性。随着人工智能技术的兴起,数据驱动的故障诊断方法已经越来越流行。然而,在实际应用中,燃气轮机故障数据很少甚至几乎没有。针对仅有正常数据场景下的燃气轮机高温部件异常检测问题,提出了一种基于深度自编码器(deep autoencoder,DAE)和支持向量数据描述(supportvectordatadescription,SVDD)融合的DAE-SVDD异常检测方法。该方法利用正常数据训练深度自编码器,并利用深度自编码器的重构误差来训练支持向量数据描述。与传统异常检测方法相比,该方法显著提高了异常检测精度,能实现更灵敏鲁棒的燃气轮机高温部件异常检测。

关 键 词：燃气轮机 高温部件 深度自编码器(DAE)  支持向量数据描述(SVDD)  异常检测 故障诊断  

分 类 号：TK05[能源动力类]