基于多通道振动主元特征的风电机组叶片自监督异常识别方法

王博特,王卿,刘强,金波

Self-supervised anomaly recognition method for wind turbine blade based on multi-channel vibration principal features

Bote WANG,Qing WANG,Qiang LIU,Bo JIN

表 3 不同异常识别框架下的叶片异常识别准确率对比

Tab.3 Comparison of blade anomaly detection accuracy under different anomaly recognition frameworks

框架名称 Acc/% 叶片结冰 叶片震荡 叶片扫塔 自编码器 44.23 81.72 88.71 振动有效值预测 37.98 64.15 71.60 二分类器 15.01 33.25 41.89 FFT-PCA 76.60 84.32 87.42 USAD 58.74 79.43 94.62 本模型框架 91.29 96.04 96.73