複雑な作業環境下での損傷検出能力を強化するため、新しいタイプの海上昇圧ステーションプラットフォームの健康監視方法を提案する。メモリユニットオートエンコーダに基づく深層学習フレームワークを採用し、海上昇圧ステーションの高周波振動データをノイズ除去および角領域リサンプリングすることで故障関連特徴を拡大する。モデルは深層畳み込みニューラルネットワークを用いて履歴データパターンを学習し、隠れ状態メモリライブラリを構築し、サンプルのエンコード特徴とメモリライブラリのスパースマッチングを実現する。最後に、ガウス混合確率モデルを用いて生成された従属スコアをモデリングし、昇圧ステーションの健康状態を評価する。江蘇省如東県の海上昇圧ステーションを事例に検証し、98％以上の異常リコール率と精度を達成し、他の比較アルゴリズムより優れることを示した。

海上昇圧ステーションプラットフォーム;健康監視;角領域リサンプリング;メモリユニット;深層オートエンコーダ