摘要
本发明公开了一种风力发电机故障智能检测系统及方法,涉及深度学习技术领域,包括,采集多维数据,并进行预处理;从预处理后的多维数据提取多维特征,并通过图神经网络和短时傅里叶变换对多维特征进行融合并生成时频域信号;从时频域信号提取关键特征,通过支持向量机模型检测风力发电机运行状态的故障特征;基于故障特征,构建融合神经网络模型,生成故障预测,并输出诊断报告,提出维护建议;本发明通过融合神经网络模型,结合了卷积神经网络和长短期记忆网络,提取空间特征和时间序列数据,实现了风力发电机故障特征的多维度表征。
技术关键词
风力发电机故障
智能检测方法
支持向量机模型
检测风力发电机
融合神经网络
故障特征
短时傅里叶变换
智能检测系统
频谱特征
时域特征
数据
振动特征
信号
重构误差
报告
成分分析
长短期记忆网络
表达式
电流
深度学习技术
系统为您推荐了相关专利信息
策略管理系统
企业级
数据采集模块
策略管理方法
机器学习算法
设备运行参数
充电站
支持向量机模型
实时数据采集
状态监测数据
太阳能电池板
分布式风光互补
储能装置
风力发电机故障
储能管理
食品级二氧化碳
提纯
节点
智能检测方法
预测模型训练
山火点
实时图像
电网山火
实时数据
支持向量机模型