采用多变量耦合网络与变分图自编码器的机械设备异常检测方法
为了全面准确地检测出潜在的设备异常,针对汽轮机、风电转子等高关联耦合分布式系统多测点多源传感器产生的多维多态监测数据,提出了一种基于多变量耦合网络与变分图自编码器的异常检测方法.首先采用去趋势互相关分析(DCCA),定量分析多维变量间的耦合关系,构建复杂系统多变量耦合关系网络.在此基础上,建立基于无监督学习的变分图自编码模型,对系统多变量耦合关系网络进行特征提取,使用正常数据训练该模型,图卷积网络作为编码器学习输入数据的分布,采样获得其潜在表示,以实现耦合网络的重构,采用重建概率作为系统多维多态监测数据异常检测评价指标.最后以某火电厂汽轮机组转子系统监测数据为例开展异常检测分析,结果表明:考虑多雏多态监测数据间的耦合关系,提高了系统异常检测的准确性和可靠性;引入基于变分图自编码器的无监督学习方法,降低了经验依赖性并克服了异常样本少的问题.
多变量耦合网络、变分图自编码、异常检测、无监督学习
55
TM31(电机)
国家重点研发计划资助项目2017YFF0210500
2021-05-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
20-28