近年来,随着数据挖掘、机器学习以及人工智能等信息处理技术的兴起,深入开发实用化的视情维修技术,通过对运行设备的状态监测、故障诊断、趋势预测来规避潜在故障,已成为一项意义深远的任务。而燃气轮机作为新一代先进复杂动力装备,其运行过程中所监测的数据时刻向外传递着自身的可靠性信息,想要将这些信息破解转化为实际操作的维护支持,首先必须依靠合适的信息技术来实现燃气轮机异常检测,然后方能进一步推进视情维修工作。本文以实际运行的燃气轮机为研究对象,在获取到机组各部件传感器所测大量实际数据的支持下,将核方法和动态时间弯曲引入工程应用,实现针对燃气轮机测点运行参数的异常检测。论文具体研究内容如下:1、运用核方法分析燃气轮机实际运行中正常数据和仿真异常数据的概率密度分布情况,并结合改进文献中的异常检测阈值优化方法,总结出了一套针对燃气轮机行之有效的单测点参数异常检测阈值优化流程,以高压压气机后机匣滑油回油温度为例,成功获取了该参数对应不同工况下的最佳异常检测阈值,使异常检测的误报警率与漏报警率之和达到最小。2、针对燃气轮机排温正常分布特性和异常分布特性,将异常分布特性分为五类并与燃气发生器和燃油系统的诸多故障形成对应,考虑到排温随运行工况的“易变性”和结构固定的“不变性”,采用减中值处理法消除排温参数中工况变化的影响,处理后的排温可通过核方法优化获得各测点上、下限阈值,依次连线形成的排温带适用于燃气轮机排温的多测点参数异常检测。3、针对燃气轮机启动过程,以动态数据随时间变化的规律性为异常检测依据,选用经典的动态时间弯曲,分别对两组正常启动数据、一组正常启动数据和一组异常启动数据进行相似性距离度量,得出两组动态时间弯曲路径,通过分析路径相对于对角线的偏离大小与偏离位置,可以准确地判别出启动过程中的异常状况以及发生阶段,从而实现燃气轮机启动过程的动态数据异常检测。