并行卷积神经网络的风电机组故障诊断方法

针对风电机组轴承微弱故障信号的特征提取困难和故障诊断模型性能差等问题，提出一种并行卷积神经网络的故障诊断方法。首先，利用连续小波变换将一维信号转换成二维时频特性图；其次，构造一种并行卷积神经网络结构，该结构由大卷积层和并行卷积层组成，大卷积层快速提取输入层所有特征，并行卷积层识别特征中的有效故障信息，且并行卷积层为双层小卷积并行结构；然后，采用特征融合层，融合并行卷积层2次特征提取后的故障特征，实现诊断模型内部的特征增强，降低模型复杂度；最后，经实验验证，该模型诊断轴承故障的准确率为98.25%。