基于改进SE-CNN的风电机组故障诊断方法研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16039/j.cnki.cn22-1249.2023.01.008

基于改进SE-CNN的风电机组故障诊断方法研究

引用
针对风电机组发生故障时难以有效地提取故障特征并精准地识别故障等问题,提出了一种基于改进SE-CNN的风电机组故障诊断方法.首先,基于数据采集与监视控制(SCADA)系统采集到的故障风机历史运行数据,使用滑动窗口进行数据扩充,其次使用改进后的压缩激励网络(SEnet)对样本数据的权重进行调整,然后引入全局最大池化层对卷积神经网络(CNN)进行改进,最后使用改进后的CNN学习数据中的故障特征进行故障诊断.实验结果表明,改进SE-CNN的故障诊断性能均优于RNN、PCA-DNN、BiLSTM方法,验证了所提方法在风电机组故障诊断上的有效性.

故障诊断、深度学习、风电机组、SEnet、CNN

40

TP183(自动化基础理论)

2023-08-10(万方平台首次上网日期,不代表论文的发表时间)

共7页

34-40

相关文献
评论
暂无封面信息
查看本期封面目录

吉林化工学院学报

1007-2853

22-1249/TQ

40

2023,40(1)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn