南方电网调峰调频发电有限公司检修试验分公司
Published:2026
移动端阅览
刘轩, 吴昊, 聂靓靓, et al. 基于迁移学习的小样本水电机组故障诊断实例研究[J]. 2026, 49(3): 98-102.
DOI:
刘轩, 吴昊, 聂靓靓, et al. 基于迁移学习的小样本水电机组故障诊断实例研究[J]. 2026, 49(3): 98-102. DOI: 10.13599/j.cnki.11-5130.2026.03.022.
水电机组作为清洁能源核心装备,其安全稳定运行至关重要。传统基于深度学习的故障诊断方法依赖大量标注样本,而实际场景中严重故障样本稀缺且获取成本高昂。人工智能技术与深度学习技术在旋转机械故障诊断领域展示出显著潜力,但因工程实践中训练样本难以获取,导致基于深度学习的故障诊断方法存在泛化性弱、诊断精度低等问题。本研究提出一种融合小样本学习与迁移学习的新型智能诊断框架,有效解决水电机组故障样本匮乏的难题。试验结果表明,该模型在极少量样本条件下仍能实现高精度诊断,显著优于传统方法,为水电行业智能化运维提供了快速、高效、智能、经济的解决方案。
刘晓波,黄其柏.水轮发电机组故障诊断模糊专家系统研究[J].华中科技大学学报(自然科学版),2006(01).
柴铮,汪嘉业,赵春晖,丁进良,孙优贤.面向工业监控典型监督任务的深度迁移学习方法:现状、挑战与展望[J].中国科学:信息科学,2023(05).
王超,田波,李子睿,王晓琪,吴军.基于自注意力子域自适应对抗网络的轴承变工况故障诊断方法[J].中国舰船研究,2023(05).
邬娜,王健,杨建伟,吕百乐.变工况及小样本情况下滚动轴承故障迁移学习方法综述[J].科学技术与工程,2024(10).
洪冶,蔡维由,乐振春.模糊故障树诊断及应用[J].武汉大学学报(工学版),2001(01).
徐宁,耿在明,陈致远,杨杰,成传诗,陈伟东,何强锋,邓键.基于深度迁移学习网络的水电机组故障诊断方法[J].水利水电技术(中英文),2025(06).
吴轲,吴军,舒启明,沈卫明,宋文斌.基于深度学习的旋转机械小样本故障诊断方法研究综述[J].中国舰船研究,2025(02).
陈峰,朱旻昊,车洵,石鹏飞.零样本迁移学习在电力预测中的应用[J].信息系统工程,2025(03).
张红,谢慷慷,宁霞,宋婉莹.基于迁移学习的小样本绝缘子缺陷检测方法[J].计算机应用,2025(10).
谭刚.基于混合注意力机制的水轮发电机组小样本故障诊断与状态预测研究[D].湖南大学,2023(03).
孙文昊.基于深度学习的水电机组小样本故障诊断[D].武汉大学,2024(07).
袁成建.基于迁移学习的水电机组智能故障诊断研究[D].华中科技大学,2024(07).
柳楠.小样本下变速箱智能诊断方法研究与应用[D].大连理工大学,2024(07).
刘玉刚.水轮发电机组振动监测与故障诊断系统设计与应用[D].西安理工大学,2006(02).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution