[发明专利]基于NARX网络-箱线图和常模式提取的燃机异常检测方法

权利要求书

1.基于NARX网络-箱线图和常模式提取的燃机异常检测方法，其特征在于，所述燃机异常检测方法包括以下步骤：

步骤一：利用训练集的数据训练NARX神经网络，得到训练数据的排温预测值以及训练好的NARX神经网络模型，通过NARX神经网络的训练，实现正常模式下燃气轮机固有映射关系的辨识，完成燃气轮机的常模式提取；

步骤二：计算所述排温预测值与对应的排温真实值之间的残差，将残差输入改进的箱线图算法中得到残差检测阈值；

步骤三：通过计算将待检测数据输入训练好的NARX神经网络模型得到的模型预测的涡轮排气温度值与实际的涡轮排气温度值之间的残差，并判断是否在残差检测阈值内，

步骤三包括以下步骤：

步骤三一：将待检测样本的燃料质量流量g_f、空气入口温度T₁和压气机出口压力p₂输入到训练好的NARX神经网络模型中，计算得到模型预测的涡轮排气温度值；

步骤三二：将模型预测的涡轮排气温度值与排温真实值作差得到残差；

步骤三三：判断残差是否在由改进的箱线图算法得到的残差检测阈值[Q₁-2.2IQR,Q₃+2.2IQR]的区间内，若残差位于残差检测阈值内，则认为待检测样本为正常样本；若残差不在残差检测阈值内，则认为待检测样本为故障样本；

步骤二中，具体的，将训练数据的残差按照从小到大的顺序排列，计算排在第75％位置处的数，称为上四分位数Q₃；计算排在第25％位置处的数，称为下四分位数Q₁，得到残差检测阈值为[Q₁-2.2IQR,Q₃+2.2IQR]，其中四分位距IQR＝Q₃-Q₁。

2.根据权利要求1所述的基于NARX网络-箱线图和常模式提取的燃机异常检测方法，其特征在于，步骤一中，具体的，所述训练集为历史正常数据，所述NARX神经网络为带外部输入的非线性自回归神经网络模型，所述神经网络的输入为燃料质量流量g_f、空气入口温度T₁和压气机出口压力p₂，输出为透平的排气温度T₄。