基于液态神经网络的重型燃气轮机压气机积垢检测方法

本发明公开了基于液态神经网络的重型燃气轮机压气机积垢检测方法，涉及异常检测技术领域，包括以下步骤：采集运行数据进行相关性分析；对已选择的特征数据进行预处理；提取压气机运行参数的时间特征；计算参数间相互作用的权重，并输出空间相关性；构建时空融合模型，并输入正常运行数据对模型进行训练；输出参数预测序列，计算预测值与实际值的多维残差向量，并通过构建动态阈值函数，当模型收敛且残差分布偏离正常工况置信区间时输出压气机积垢异常检测结果。本发明通过液态神经网络的动态拓扑结构，结合时空特征协同挖掘机制，实现了对压气机积垢程度的量化评估，提高了压气机积垢异常检测的精度和鲁棒性。