基于深度层次特征提取的风机叶片故障识别方法

摘要

本发明公开一种基于深度层次特征提取的风机叶片故障识别方法，包括以下步骤：采集ImageNet图像训练深度学习神经网络，得到卷积核、权值和偏置值，同时将风机叶片大小调整至和ImageNet图像库同样大小，分为预测集和训练集，将训练集带入深度学习神经网络，提取输出层前面一层的4096个值作为特征值。把所有训练样本的4096个特征值，带入支持向量机模型进行训练。最后将测试机风机叶片图像同样通过深度学习模型提取4096个特征值，带入训练好的支持向量机模型，得到故障结果。本发明可以通过图片较好的识别风机叶片故障类型，方便管理人员做出相应的处理，有效提高风力发电厂的管理水平。