基于数据对称性增强的高端氢压缩机无故障样本条件下异常状态检测

《Technologies》：Data Symmetry Enhancement-Based Abnormal State Detection of High-End Hydrogen Compressors Under No-Fault Samples

　　

摘要

隔膜式氢压缩机是加氢站的核心设备，但其在早期部署阶段面临诸多关键挑战，包括故障模式数据积累不足和健康评估标准不明确。传统的人工运维监控方法效率低下且可靠性差，无法满足安全稳定的运行需求。针对上述局限性，本研究提出了一种适用于无故障样本条件下的新型异常状态检测方法。该方法利用数据对称增强技术，仅使用正常运行记录来扩展训练数据集，并融合多源传感器数据进行全面的设备健康分析。实验结果表明，所提出的方法实现了96%的检测准确率，约8%的漏检率，以及毫秒级的计算延迟，显著优于传统检测算法。本工作为早期无故障样本条件下的设备监控提供了一种实用解决方案，提升了隔膜式氢压缩机维护的技术鲁棒性和运维效率。