文档名：改进CNN的风力机叶片故障诊断方法
摘要：针对图像分辨率低的风力机叶片图像会导致故障诊断过程中精度和速度降低等问题,提出了一种基于小波变换、深度可分离卷积和卷积块注意力机制模块的轻量级改进VGG-19模型;使用DB4小波和基于形态学的增强技术来提高风力机叶片图像的质量,然后将VGG-19中的传统卷积层替换为深度可分离卷积层,以减少网络参数的数量并提高训练效率,最后引入卷积注意力机制模块(ConvolutionalBlockAttentionModule,CBAM)来提高风力机叶片故障诊断的准确性;研究结果表明:所提模型的准确率为93.91%,与其他传统卷积神经网络(ConvolutionalNeuralNetworks,CNN)模型LeNet、AlexNet、GoogleNet、ResNet-50和VGG-19相比分别提高了15.06%、8.57%、3.10%、-1.13%和7.13%;测试时间为每幅图像0.046秒,较传统CNN模型每幅图像分别减少了-0.004秒、-0.002秒、0.006秒、0.015秒和0.010秒的检测时间;该模型结构轻巧,相比于其他传统CNN具有更高的准确性和更快的检测速度.
Abstract：Alightweight-improvedVGG-19modelbasedonwavelettransform,depth-separableconvolutionandconvolutionalblockattentionmechanismmoduleisproposed,aimingattheproblemthatwindturbinebladeimageswithlowimageresolutioncanleadtoreducedaccuracyandspeedinthefaultdiagnosisprocess;DB4waveletandmorphology-basedenhancementtechniquesareusedtoimprovethequalityofthewindturbinebladeimages;thenthetraditionalconvolutionallayerinVGG-19isreplacedwithadepth-separableconvolutionallayertoreducethenumberofnetworkparametersandimprovethetrainingefficiency;andfinallytheConvolutionalBlockAttentionModule(CBAM)isintroducedtoimprovethefaultdiagnosisofwindturbineblades.Theresultsshowthattheaccuracyoftheproposedmodelis93.91%,themaintraditionalConvolutionalNeuralNetworks(CNN)modelsareLeNet,AlexNet,GoogleNet,ResNet-50andVGG-19,andtheproposedmodelimprovesoverthemby15.06%,8.57%,3.10%,-1.13%and7.13%;thetesttimeis0.046secondsperimage,whichisareductionof-0.004,-0.002,0.006,0.015,and0.010secondsperimage,respectively;themodelislightweightinstructureandhashigheraccuracyandfasterdetectionspeedcomparedtoothertraditionalCNNs.
作者：黄灿冰 熊妮 吴伟 刘诗剑 张巧[5] 杨锡运[5]Author：Can-bingHuang NiXiong WeiWu Shi-jianLiu QiaoZhang[5] Xi-yunYang[5]
作者单位：中电投喜德电力有限公司国网四川省电力公司天府新区供电公司国家电投集团四川电力有限公司国家电投集团西南能源研究院有限公司华北电力大学控制与计算机工程学院
刊名：风机技术
Journal：Compressor,Blower&FanTechnology
年，卷(期)：2024, 66(2)
分类号：TP277TM315
关键词：故障检测 风力机叶片 模糊图像检测 深度学习 VGG-19 注意力机制
Keywords：FaultDiagnosis WindTurbineBlades FuzzyImageDetection DeepLearning VGG-19 AttentionMechanism
机标分类号：TP391TH165.3TP277
在线出版日期：2024年5月21日
基金项目：改进CNN的风力机叶片故障诊断方法[
期刊论文] 风机技术--2024, 66(2)黄灿冰 熊妮 吴伟 刘诗剑 张巧 杨锡运针对图像分辨率低的风力机叶片图像会导致故障诊断过程中精度和速度降低等问题,提出了一种基于小波变换、深度可分离卷积和卷积块注意力机制模块的轻量级改进VGG-19模型;使用DB4小波和基于形态学的增强技术来提高风力机叶...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
改进CNN的风力机叶片故障诊断方法 A Fault Diagnosis Method of Wind Turbine Blades Based on Improved CNN
改进CNN的风力机叶片故障诊断方法.pdf
- 文件大小:
- 1.45 MB
- 下载次数:
- 60
-
高速下载
|
|
