基于深度学习模型的风机叶片结冰故障诊断 |
| |
引用本文: | 汤占军,史小兵,肖遥,李英娜.基于深度学习模型的风机叶片结冰故障诊断[J].噪声与振动控制,2023(4):96-103. |
| |
作者姓名: | 汤占军 史小兵 肖遥 李英娜 |
| |
作者单位: | 昆明理工大学信息工程与自动化学院 |
| |
基金项目: | 国家自然科学基金资助项目(61962031); |
| |
摘 要: | 风力发电机叶片出现结冰现象时若照常工作,不仅会影响经济效益,严重时还会直接损坏叶片等设备引发安全事故。为此提出一种使用KmeansSMOTE的数据平衡方法与应用结冰相关的机理构建新特征和RFECV-DT特征筛选算法相结合的特征工程互补的数据处理方式,之后采用卷积神经网络模型进行训练与预测。实验结果表明,在卷积神经网络模型中采用KmeansSMOTE算法比SMOTE算法准确率提升2.78%。模型采用特征工程时比不采用特征工程相比准确率高出4.77%。与KNN、SVM、LR这些传统模型相比,所有衡量指标均有提升且不存在过拟合现象。所提出的方法,可解决应用SMOTE插值机制所带来的不足并且对特征工程进行精细化设计,也为风机叶片结冰故障诊断问题提供一种新的解决思路。
|
关 键 词: | 故障诊断 风机叶片结冰 特征工程 Kmeans SMOTE过采样 REFCV-DT特征选择 卷积神经网络 |
|
|