文献类型：期刊文章

作　　者：王永平[1] 张蕾[1] 张晓琳[1] 徐立[2] 韩朋[1] 张飞[1,3]

WANG Yongping;ZHANG Lei;ZHANG Xiaolin;XU Li;HAN Peng;ZHANG Fei(Information Engineering School,Inner Mongolia University of Science and Technology,Baotou 014010,China;Department of Computer Science and Technology,Baotou Medical College of Inner Mongolia University of Science and Technology,Baotou 014010,China;School of Renewable and Clean Energy,North China Electric Power University,Beijing 102206,China)

机构地区：[1]内蒙古科技大学信息工程学院,内蒙古包头014010 [2]包头医学院计算机科学与技术系,内蒙古包头014010 [3]华北电力大学可再生与清洁能源学院,北京102206

出　　处：《内蒙古科技大学学报》

基　　金：国家自然科学基金资助项目(61562065);国家重点研发计划基金资助项目(2017YFE0109000);内蒙古自治区自然科学基金资助项目(2019MS06036);内蒙古科技大学创新基金项目(2014QDL046)。

年　　份：2022

卷　　号：41

期　　号：2

起止页码：173-179

语　　种：中文

收录情况：CAS、普通刊

摘　　要：提出一种深度学习检测方法CNN-BiGRU.采用CNN自适应地学习变量之间存在的关联特征,利用BiGRU对时间序列的敏感性,对风机叶片故障分类.对某风电场的SCADA数据进行增强、切片、标准化等预处理,实验结果表明:CNN-BiGRU分类模型能有效对叶片结冰故障进行准确检测,在时间效率和检测准确率方面较其他深度学习模型效果更好.

关 键 词：风机叶片 故障检测 卷积神经网络 双向门控循环单元  

分 类 号：TM614]