基于深度学习融合多源数据的风电塔筒螺栓声时预测

本文通过深度学习算法将多种影响螺栓状态的数据进行融合,并对螺栓声进行预测,为判断螺栓状态作准备。首先将风力机状态监测系统采集的塔筒振动、倾角、环境温度及声时信息进行数据处理,再把数据输入到CNN-BiLSTM模型中完成训练,最后通过监测数据对模型进行实验测试,并通过LSTM模型和BilSTM模型进行对比验证,结果表明:CNN-BiLSTM预测精度最高,可用于螺栓状态提前预警。