基于CNN-集成学习的多风电机组故障诊断
叶祎旎
李艳婷
上海交通大学 机械与动力工程学院, 上海 200241
摘要：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.
关键词：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
分类号：TP312(计算技术、计算机技术)TK83(风能、风力机械)
资助基金：国家自然科学基金(71672109,?71531010)
论文发表日期：2022-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 136-143 )
英文信息