10.3969/j.issn.1007-7375.2022.01.017
基于CNN-集成学习的多风电机组故障诊断
海上风电场地处偏远环境,长期受到盐碱腐蚀.为解决风电机组运行过程中产生的多种故障检测识别问题,在传统卷积神经网络LeNet-5的基础上构建模型.该模型采用ReLU函数作为激活函数,增加了卷积层、池化层和全连接层.针对风电机组的监督控制和数据采集?(supervisory?control?and?data?acquisition,?SCADA)系统及状态监控(condition?monitoring,?CM)系统所提供的数据集,进行多元类别故障诊断.并对多台风电机组进行聚类分析,应用集成学习方法,构建多风电机组故障诊断模型.实验表明,所提方法取得了97%?~?99%的诊断精度.通过将实验结果与其他算法进行对比,验证了该方法的有效性.
故障诊断、LeNet-5网络、监督控制和数据采集、多元类别、集成学习
25
TP312;TK83(计算技术、计算机技术)
国家自然科学基金71672109,?71531010
2022-03-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
136-143