복잡한 작업 조건에서 손상 탐지 능력을 향상시키기 위해 새로운 유형의 해상 승압소 플랫폼 건강 모니터링 방법을 제안하였다. 메모리 셀 기반 오토인코더를 이용한 딥러닝 프레임워크를 채택하여 해상 승압소의 고주파 진동 데이터를 노이즈 제거 및 각 영역 재샘플링을 통해 결함 관련 특징을 증폭하였다. 모델은 심층 합성 신경망을 사용하여 과거 데이터 패턴을 학습하고, 숨겨진 상태 메모리 데이터베이스를 구축하며, 샘플 인코딩 특징과 메모리 데이터베이스 간 희소 매칭을 실현하였다. 마지막으로, 가우시안 혼합 확률 모델을 사용하여 생성된 소속 점수를 모델링하여 승압소의 건강 상태를 평가하였다. 장쑤성 루둥현의 해상 승압소를 사례로 검증하였으며, 98% 이상의 이상 재현율 및 정확도를 달성하여 다른 비교 알고리즘보다 우수하였다.

해상 승압소 플랫폼;건강 모니터링;각 영역 재샘플링;메모리 셀;심층 오토인코더