一种基于深度学习的风电设备故障智能诊断方法
本发明属于风电设备故障诊断技术领域,且公开了一种基于深度学习的风电设备故障智能诊断方法,通过建立动态交互双分支特征提取网络,将齿轮箱啮合机理、轴承滚动摩擦规律等核心机械机理及多物理场参数深度融入模型,突破传统方案仅依赖数据统计特征的局限;结合机理引导的小波降噪技术与多模态物理约束校验机制,可有效剔除风扰、电磁干扰等无关噪声,精准捕捉早期轻微故障特征;同时,依托域自适应算法与多源域迁移学习,剥离设备个体差异与工况波动干扰,解决变风速、变载荷场景下的误判漏诊问题,显著提升跨设备、跨风场的诊断适配性,确保在不同气候区、不同运行工况下稳定输出可靠诊断结果。