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。