论文部分内容阅读
随着风电行业的快速发展,监测齿轮箱的工况并及时获得齿轮箱故障信息,保障风电机组的运行安全与维护非常必要。齿轮箱工作环境复杂,数据量大,运用传统故障诊断方法难以很好实现。本文研究深度迁移学习风电机组齿轮箱故障诊断及分类方法,运用齿轮箱故障公开数据训练后获取的故障诊断知识迁移至风电机组齿轮箱故障诊断应用中,通过对参数进行微调,得到与原始样本数据相类似的迁移模型数据,因而能够精准的对齿轮箱故障进行诊断分类。深度学习经过特征学习算法及分层特征提取数据,需大批数据去了解潜在的数据方式,迁移学习用在原始样本数据