一种基于深度学习的燃气轮机故障检测方法

本发明公开了一种基于深度学习的燃气轮机故障检测方法，涉及深度学习技术领域，包括：采集监测与配置数据，生成标准数据集和部件关联表；构造工况相图坐标，生成时序样本和轨迹集；构建改进TKAN网络，生成前兆预测状态包；计算相图、燃烧和气路偏离，生成前兆偏离矩阵；执行自适应周期模态分解，生成前兆周期模态簇；标记持续窗口并匹配通道，生成故障前兆证据链；确定故障信息和复核任务，输出检测结果。本发明通过引入改进TKAN网络与自适应周期模态分解算法，实现了燃气轮机复杂变工况下故障前兆的稳定识别、故障部件精准定位与检修复核任务生成。