一种飞轮的故障检测方法、装置、设备及介质

本发明公开了一种飞轮的故障检测方法、装置、设备及介质，涉及飞轮领域，提前训练生成了能够根据状态参数进行故障风险评估的卷积神经网络模型，在应用时，直接将获取到的飞轮的状态参数输入到卷积神经网络模型中，卷积神经网络模型根据状态参数输出故障风险的评估结果，最后再根据这一评估结果来执行相应的保护策略，防止故障的扩大。输入到卷积神经网络模型中的原始信号包括飞轮多方面的状态参数，能够从动力学特性等多方面出发实现对飞轮的故障检测，提高故障诊断结果的准确性和可靠性，利用卷积神经网络模型有效实现了对飞轮储能系统故障状态的精确检测，诊断结果反馈到控制系统并做出及时的调节，提高整个系统运行的可靠性和安全性。