基于對(duì)抗訓(xùn)練與Transformer的風(fēng)力發(fā)電機(jī)故障分類方法

摘要： 風(fēng)力發(fā)電機(jī)故障分類的復(fù)雜性和多樣性嚴(yán)重影響風(fēng)能發(fā)電效率，傳統(tǒng)的人工方法效率低下，準(zhǔn)確率較低，已有的深度學(xué)習(xí)模型在真實(shí)環(huán)境中易受數(shù)據(jù)噪聲干擾而表現(xiàn)不佳。為提升風(fēng)力發(fā)電機(jī)故障分類模型在真實(shí)環(huán)境下的分類性能與魯棒性，提出一種基于對(duì)抗訓(xùn)練與Transformer的故障分類方法。首先通過引入一維卷積與門控線性單元(GLU)增強(qiáng)注意力機(jī)制對(duì)局部特征的學(xué)習(xí)，保留易被忽略的局部信息，提升模型對(duì)...