一种基于DDIM-Mamba2的风电机组故障诊断方法

本发明公开了一种基于DDIM‑Mamba2的风电机组故障诊断方法，旨在解决传统方法在样本稀缺和故障模式复杂情况下的不足。所述故障诊断方法的主要步骤如下：首先，从SCADA系统中采集风机轴承振动信号，并对数据进行预处理和去噪；其次，使用DDIM生成虚拟样本扩展数据集，将扩展后的数据绘制倒频谱图像，作为该系统模型训练的数据集；再次，通过卷积神经网络(CNN)提取空间局部特征，随后输入堆叠的6层Mamba Block模块，模型在训练过程中不断优化其权重，以准确区分不同类型的故障；最后，训练后的Mamba2模型投入实际应用，对预处理数据实时推理，输出故障类型概率分布，基于动态阈值判定结果，并对未知故障数据触发增量学习。