基于深度学习技术的风电机组不对中故障诊断方法及系统

本发明涉及风电机组故障诊断技术领域，具体为一种基于深度学习技术的风电机组不对中故障诊断方法及系统。本发明方法包括以下步骤：获取风电机组正常不对中、平行不对中、角度不对中和综合不对中不同工况下的原始振动信号；对不同工况下的原始振动信号分别进行标准化处理、可调参数的小波阈值去噪处理；基于轻量化MS‑DSCNN残差网络模型提取处理后信号的多尺度特征；将多尺度特征输入LSTM网络模型进行处理，输出时序特征；通过注意力机制对时序特征进行加权平均，生成增强后的特征；将增强后的特征依次输入全连接层、Softmax分类层，输出故障诊断结果。本发明能够提高风电机组不对中故障诊断的准确性和时效性。