【技术实现步骤摘要】
基于门控融合Transformer的风机叶片开裂故障检测方法
[0001]本专利技术涉及机械设备故障诊断
，具体来讲是一种基于门控融合Transformer的风机叶片开裂故障检测方法。
技术介绍
[0002]随着工业和科技的发展，传统化石能源日益枯竭。风能凭借清洁环保、可持续而被广泛使用。得益于风能的优势，风力发电技术开始成为新的技术增长点并进入高速发展阶段。然而由于风力发电机工作环境的恶劣，大型风力发电机组的容量不断增大，风机结构日趋复杂，风力发电机极易出现故障，不利于风机的正常工作。
[0003]叶片是风力发电机的主要部件之一，叶片的安全有效的工作对整个风电机组的稳定运行有着重要的影响。然而恶劣的工作环境，不间断的工作以及叶片与其他机组不见的磨损会累计潜在的故障，容易导致风力发电机叶片开裂损伤。根据某公司统计，风机运行8年中，由于叶片开裂而导致的风电机组停机超过7天及以上的事故占风电机组发生事故的30%。叶片开裂危害风电机组轴系、塔筒等机组部件，如果不进行处理，将会致使事故的发生。而叶片开裂的维修所需的费用...
【技术保护点】
【技术特征摘要】
1.一种基于门控融合Transformer的风机叶片开裂故障检测方法，其特征在于，包括如下步骤：S1,构建门控残差神经网络对风机叶片数据进行特征提取；S2,构建融合模块实现特征列之间与特征通道间的信息融合；S3,构建Transformer网络对信息融合后的特征向量进行学习；S4,结合S1、S2和S3的网络模型构建基于门控融合Transformer的深度模型对风机叶片开裂故障进行检测。2.如权利要求1所述的一种基于门控融合Transformer的风机叶片开裂故障检测方法，其特征在于，所述S1的具体过程为：每个特征通过多层感知机映射为一维特征向量，其中一维向量的长度为C，并将风机叶片的每个特征通过特征映射得到的特征向量组合得到大小为S*C的二维向量，其中S为特征数量，最后将二维特征向量输入门控线性单元，并将原始的二维向量输入添加到门控线性单元的输出以执行跳跃（残差）连接。3.如权利要求1所述的一种基于门控融合Transformer的风机叶片开裂故障检测方法，其特征在于，所述S2中融合模块先后使用Cha...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。