基于遷移學(xué)習(xí)的風(fēng)電機組葉片損傷檢測與分析

打開文本圖片集

摘 要：針對風(fēng)電機組葉片損傷成因復(fù)雜、故障識別效率低、精度不足等問題，提出一種基于遷移學(xué)習(xí)改進的DenseNet網(wǎng)絡(luò)（DenseNet-TL）的風(fēng)電機組葉片損傷檢測方法。建立DenseNet-TL數(shù)學(xué)模型，提升特征提取能力，在該模型下對風(fēng)電機組葉片圖像進行識別分析，以確定葉片的損傷狀態(tài)。以某風(fēng)場數(shù)據(jù)集進行離線訓(xùn)練和測試，結(jié)果表明：與AlexNet、ResNet模型進行對比，該模型可有效節(jié)省訓(xùn)練時間、提高模型的泛化能力，訓(xùn)練準(zhǔn)確度平均值達到90%以上，驗證了該方法的有效性和精確性。（剩余9989字）