基于SMOTETomek過采樣方法與領域自適應遷移學習的風電機組故障診斷

打開文本圖片集

摘 要：為在不平衡數(shù)據(jù)上得到準確分類的故障診斷模型，提出將SMOTETomek過采樣方法與領域自適應遷移學習相結(jié)合的故障診斷算法框架。首先利用滑動窗口采樣技術將數(shù)據(jù)采樣成二維時空窗口數(shù)據(jù)，然后執(zhí)行SMOTETomek過采樣操作，可保留并豐富完整的時序故障特征。針對過采樣算法引入噪聲信息的問題，引入領域自適應遷移學習算法在原始數(shù)據(jù)與過采樣后的數(shù)據(jù)之間提取不變特征，使得過采樣算法的引入的噪聲信息可被過濾掉。（剩余19100字）