当前位置：首页 > 过刊浏览->2026年第3期
基于深度学习的船舶电力系统异常检测算法研究
- DOI:
- 10.19727/j.cnki.cbwzysc.2026.03.024
- 作者:
- 余恩超, 许高辉
- 作者单位:
- 蓬莱中柏京鲁船业有限公司，山东 烟台 265602
- 关键词:
- 船舶电力系统；自编码器；聚类对比学习
- 摘要:
- 船舶电力系统异常检测常采用阈值比较法，即通过设定参数的固定阈值对实时数据进行判定。该方法忽略了异常特征间的内在关联，导致检测精度受限。为此，本文提出一种基于深度学习的船舶电力系统异常检测算法。首先，采用深度自编码器对运行数据施加高斯噪声，通过编码－解码过程提取深层特征并实现数据增强。其次，利用协方差矩阵量化特征间线性相关性，结合Marchenko-Pastur定律界定特征值理论分布范围，从而挖掘异常相关性模式。进一步地，将异常模式与原始数据整合，通过聚类对比学习对特征进行聚类分析，以样本到聚类中心的距离作为异常分数，并根据设定阈值完成异常判定。实验结果表明，该方法在异常类型识别中的平均标签重叠度达到92.4%（基于10折交叉验证下真实异常标签与预测标签的Jaccard相似系数计算），具有较高的检测精度与实用价值。
