10.3969/j.issn.1006-1355.2023.04.015
基于深度学习模型的风机叶片结冰故障诊断
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.
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
43
TM315;TP183(电机)
国家自然科学基金61962031
2023-08-21（万方平台首次上网日期，不代表论文的发表时间）
共8页
96-103
