一种基于SMOTE的CNN风电机组故障诊断方法.pdfVIP

第41卷第2期算机仿真2024年2月

9348(2024)02-0091-04

文章编号：1006

种基于SMOTE的CNN风电机组故障诊断方法

罗毅，郝伟琪

（华北电力大学控制与计算机工程学院，北京102206）

摘要：针对风电机组故障样本数据集不平衡、训练时容易忽略少数类样本、出现过拟合等问题，提出了一种基于SMOTE算法

的卷积神经网络故障诊断方法，首先利用SMOTE算法消除实际样本的不平衡性；然后将卷积层首层设置为大卷积核，其余

为小卷积核的结构，并引人dropout算法；最后在输出端利用Softmax分类器输出故障诊断的结果。上述方法能够充分发挥

卷积神经网络的数据特征提取能力，抑制过拟合现象。试验表明，上述方法可有效提高风电机组故障诊断的准确率。

关键词：卷积神经网络；故障诊断；风电机组；不平衡数据集

中图分类号：TP277文献标识码：B

AMethodforWindTurbineFaultDiagnosis

ofCNNBasedonSMOTE

LUOYi,HAOWei-qi

(SchoolofControlandComputerEngineering,NorthChinaElectricPowerUniversity,Beijing102206,China)

ABSTRACT:Forthedatasetofwindturbinefaultsamplesisunbalanced,itseasytoignoretheminoritysamples

andoverfittingwhentraining,thispaperproposesaconvolutionalneuralnetworkfaultdiagnosismethodbasedonthe

SMOTEalgorithm.First,theSMOTEalgorithmisusedtoeliminatetheimbalanceofactualsamples.Then,thefirst

layeroftheconvolutionallayerissetasalargeconvolutionalkernel,therestaresmallconvolutionalkernels,andin-

troducethedropoutalgorithmatthesametime.Finally,theSoftmaxclassifierisusedtooutputthediagnosticresults

attheoutputend.Theabovemethodcangivefullplaytothefeatureextractionabilityoftheconvolutionalneuralnet-

workandsuppresstheover-fittingphenomenon.Experimentalresultsshowthatthismethodcaneffectivelyimprove

theaccuracyofwindturbinefaultdiagnosis.

KEYWORDS:Convolutionalneuralnetwork;Faultdiagnosis;Windturbine;Unbalanceddataset

故障树分析法[6]等。该类方法依赖于已知故障和丰富的经

1

引言