来源：期刊VIP网 时间：
作者：吕世文;张宏立;马萍;王聪;
单位：新疆大学电气工程学院;
摘要：针对风力发电机运行过程产生数据量大、传统数据驱动方法无法有效在线对故障进行诊断的问题，提出一种改进深度置信网络（Deep Belief Network,DBN）模型对风力发电机故障进行在线诊断。首先，建立风力发电机基准模型，针对DBN网络结构参数调整困难的问题，引入麻雀搜索算法（Sparrow Search Algorithm,SSA)对模型参数进行优化。其次，针对噪声背景下诊断效果下降的问题，提出利用降噪自编码器（Denoise Auto Encoder Decoder,DAE）对含噪声传感器数据进行降噪处理。最后，利用所提模型对风力发电机运行中产生数据进行分析，实现风力发电机的在线故障诊断。实验结果表明，所提模型能对风力发电机各故障进行有效在线故障诊断，在噪声环境下具有较好的鲁棒性。
关键词：风力发电机;;在线故障诊断;;深度置信网络;;麻雀搜索算法;;降噪自编码器
基金资助：国家自然科学基金项目（52065064,51967019）
