基于逐层互信息对抗自编码器的城市供热管网故障检测
刘自鹏1，李 灵1*，刘 述2，李 磊1，熊凌云3，刘雅儒4
(1. 长沙理工大学 电气与信息工程学院，湖南 长沙 410114; 2. 杭州智元研究院有限公司，浙江 杭州 310013;3. 长沙理工大学 城南学院，湖南 长沙 410114; 4. 长沙理工大学 交通运输工程学院，湖南 长沙 410114)
摘 要： 城市集体供热管网属于市政工程管网的重要组成部分，其安全稳定运行与城市经济生产和居民日常生活息息相关，因此对供热管网进行准确实时的状态监测至关重要。近年来，基于深度学习的方法已经被广泛应用于状态监测领域，如对抗自编码器(adversarial auto-encoder，AAE)。然而，从信息论的角度看，在AAE模型训练过程中样本与特征表示之间的互信息存在衰减现象，从而直接影响到该网络模型的故障检测性能。为此，提出了一种基于逐层互信息对抗自编码器(layer-by-layer mutual information adversarial auto-encoder，LM-AAE)的故障检测方法，该方法通过显性引入低维特征空间与前面每一层神经网络的互信息，以最大化正常输入样本与特征表示之间的相关性，有效克服了AAE模型训练过程中的互信息衰减问题。最后，将LM-AAE模型、VAE模型和传统AAE模型分别用于连续搅拌釜式加热器实验，结果表明LM-AAE模型在保证较小故障漏报率的同时具有最小的故障误报率。证明了引入逐层互信息策略可以使模型在故障检测任务中更具优越性。
关键词： 供热管网; 故障检测; 无监督学习; 对抗自编码器; 逐层互信息
基金项目： 湖南省自然科学基金项目(2022JJ40510);湖南省教育厅科学研究项目(22B0329，21B0311);长沙理工大学校级研究生科研创新项目(CXCLY2022083)
引文格式： 刘自鹏，李灵，刘述，等. 基于逐层互信息对抗自编码器的城市供热管网故障检测[J]. 市政技术，2024，42(5)：220-227. (LIU Z P，LI L，LIU S，et al. Fault detection of urban heating pipe networks based on layer-by-layer mutual information adversarial auto-encoder[J]. Journal of municipal technology，2024，42(5)：220-227.)