Предложен новый метод мониторинга состояния платформы морской компрессорной станции для повышения ее способности к обнаружению повреждений в сложных условиях эксплуатации. Используется глубокая обучающаяся структура на основе автоэнкодера с блоком памяти, которая усиливает признаки неисправностей путем подавления шума и повторной выборки по угловому пространству высокочастотных вибрационных данных морской компрессорной станции. Модель использует глубокую сверточную нейронную сеть для изучения шаблонов исторических данных, строит базу скрытых состояний и реализует разреженное сопоставление между признаками кодирования образцов и базой памяти. Наконец, применяется гауссовская смесь вероятностных моделей для моделирования полученных принадлежностных оценок с целью оценки состояния здоровья компрессорной станции. Метод проверен на морской компрессорной станции в уезде Жудун провинции Цзянсу с достижением более 98% показателей полноты обнаружения аномалий и точности, превосходящих другие сравнительные алгоритмы.

Платформа морской компрессорной станции;Мониторинг состояния;Повторная выборка по угловому пространству;Блок памяти;Глубокий автоэнкодер