基于分数阶神经网络的风电机组故障诊断方法及系统

本发明公开了基于分数阶神经网络的风电机组故障诊断方法及系统，方法步骤包括：S1.将预处理后的原始偏航系统声频信号转化为时域数据、频域数据与声谱数据；S2.建立并行多模态密集连接卷积网络，从三个维度捕捉故障的瞬态或周期性特征；S3.将在不同维度下捕捉到的偏航异响故障特征进行特征融合；S4.采用动量分数阶优化技术进行并行多模态密集连接网络模型训练与性能优化，构建分数阶‑多模态密集连接卷积网络；S5.连续调整模型权重与参数，输出风电机组偏航异响故障诊断结果；本发明的有益效果为：提取并分析不同模态下声音信号的数据特征，提出分数阶‑多模态密集连接卷积网络利用小样本数据进行准确的异响故障诊断。