摘要
本发明提供一种风电叶片的叶根螺栓的故障检测方法及系统,涉及故障检测技术领域,包括:采集风电叶片的叶根螺栓的多维运行数据,执行多层小波变换对所述多维运行数据进行分解,进行降噪处理,划分为多个时间窗口,构建时频特征矩阵;构建混合深度学习模型,提取时频特征矩阵的前向时序特征和后向时序特征并组合生成时序特征图,提取得到故障特征概率向量并生成初步故障诊断结果,执行模糊规则推理,根据马尔可夫链进行修正,得到故障发展趋势预测结果并确定故障等级,生成预警信息。
技术关键词
模糊神经网络
双向神经网络
时序特征
混合深度学习模型
故障特征
灰色预测模型
注意力
多尺度局部特征
风电叶片
模糊规则推理
粒子群优化算法
数据
执行傅里叶变换
贝叶斯准则
频域特征
遗传算法优化
矩阵
软阈值函数
卷积特征
系统为您推荐了相关专利信息
进化算法
融合特征提取
时序特征
动态
数据标签技术
柔性直流换流站
故障识别方法
电流
基尔霍夫定律
回路
多模态传感器
LSTM神经网络
齿轮箱
分类方法
云端服务器
时序特征
融合特征
双向注意力机制
风险评估值
多模态