摘 要：针对风电机组的故障诊断问题，提出一种基于改进卷积神经网络(convolutional neural network，CNN)和双向门控循环单元(bidirectional gated recurrent unit，BiGRU)双通道特征融合的风电机组故障诊断模型，该模型有别于传统的串联式结构，采取了并联式结构将改进的CNN 和BiGRU 进行结合．首先，利用批量归一化(batch normalization，BN)层代替传统CNN 中的Dropout 层，CNN 作为第1 个通道提取特征；其次，给传统BiGRU 添加1 个多层感知机网络，BiGRU 作为第2 个通道提取特征；最后，通过识别层的特征融合层将两通道连接起来，利用支持向量机代替传统的Softmax 层进行故障分类．实验结果表明，相较于其他模型，该模型的准确率更高，整体效果更好．

论文下载：

09.pdf

  浏览次数：