基于對抗訓練與Transformer的風力發(fā)電機故障分類方法

摘要： 風力發(fā)電機故障分類的復雜性和多樣性嚴重影響風能發(fā)電效率，傳統(tǒng)的人工方法效率低下，準確率較低，已有的深度學習模型在真實環(huán)境中易受數(shù)據(jù)噪聲干擾而表現(xiàn)不佳。為提升風力發(fā)電機故障分類模型在真實環(huán)境下的分類性能與魯棒性，提出一種基于對抗訓練與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)增強注意力機制對局部特征的學習，保留易被忽略的局部信息，提升模型對...