卷积-门控自注意力多源数据融合的泵组智能异常检测方法

来源：核动力工程杂志2025年第2期北京时间：

作者：孙原理, 宋志浩

单位：海军研究院，北京，100161；

摘要：针对核动力泵组在运行过程中多变工况下难以利用多源检测信号进行诊断的问题，本文提出一种利用深度学习网络融合多源数据的泵组智能异常检测方法。该方法利用卷积神经网络（CNN）对多源数据进行融合，能够有效地对多源数据之间的关系进行分析。采用自注意力机制提取具有注意力权值的输入数据融合特征，使所构建的智能异常检测模型具有自主适应不同类型输入数据的能力，保证了所提方法在多源数据场景下的核动力泵组智能异常状态检测的准确度，同时加入残差块提升模型训练效果。通过搭建泵组故障模拟试验台来验证该方法的可靠性和准确性，结果表明，本文所提检测方法能够有效融合多源数据之间的信息特征，在此基础上能够充分完成泵组在运行过程中多变工况下故障诊断的任务，且具有较高的诊断精度。

关键词：泵组, 故障诊断, 特征融合, 深度学习, 多源数据