一种发电汽轮机多特征耦合故障预测方法

本发明提供一种发电汽轮机多特征耦合故障预测方法，该方法采用中值回归经验模态分解(MREMD)对故障相关参数进行趋势提取。首先对相关参数进行MREMD分解，得到若干IMF分量和残余分量。选取相对平滑度、信息熵，功率谱熵等表征IMF信号质量的指标。采用CRITIC权重分析法，通过对指标间对比强度和冲突性的分析，确定各指标权重，实现各指标的数据融合和综合评价。选取综合评价值较高的IMF分量和各参数的残余分量重构为各参数的趋势项。本发明能够有效去除噪声、干扰和传感器测点异常值，保留原始信号的趋势信息，为后续模型训练提供高质量的特征向量，使模型能够更全面地捕捉数据的时序信息，提高了模型的收敛速度和预测准确性。