基于改进CNN和BiGRU双通道特征融合的风电机组故障诊断模型

作者：张李炜; 李孝忠^*

来源：天津科技大学学报, 2023, 38(01): 55-69.

DOI：10.13364/j.issn.1672-6510.20220119

• 卷积神经网络
• 双向门控循环单元
• SCADA数据
• 故障诊断

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(convolutionalneuralnetwork,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(batchnormalization,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．

• 单位
  天津科技大学