Feb, 2019

WaveletAE: 一种在风力发电机叶片结冰检测中增强小波自编码器

PDF
TL;DR该研究提出了一种基于多变量时间序列监控的 Wavelet 增强自编码器模型（WaveletAE），用于检测风力发电机组的失效，以实现在理解多尺度特征的过程中更好地识别风电机叶片积冰。实证研究表明，该模型比其他现有的时间序列异常检测方法更为出色。
wind powerwind farmsblade ice accretiondata-driven approachestime series anomaly detection
发现论文，激发创造
  • 风力发电机组异常检测的迁移学习应用

    通过跨风力发电机的迁移学习，结合自编码器和重构误差的阈值，实现风力发电机中的异常检测，发现调整模型阈值可以比基准模型表现更好，而微调解码器或自编码器则进一步提升模型性能。

    Apr, 2024

  • 风力涡轮机叶片异常检测的非接触式传感：基于聚焦 - SVDD 和复数自编码器的方法

    本文利用频率调制连续波（FMCW）雷达作为一种非破坏性感知模式来增强制造质量保障，并开发了一种新的异常检测管道，它能在去除正常数据先验信息后专注于异常特征的属性

    Jun, 2023

  • 学习类小波自编码器加速深度神经网络

    提出了 Wavelet-like 自编码器用于基于图像分解的深度神经网络加速，并结合一个标准分类网络，该框架不仅能够保持图像的主要组成部分，也可应用于任意卷积神经网络的分类，具有解释性。

    Dec, 2017

  • 一个用于电力分配网络中的网络攻击检测的无监督对抗自动编码器

    本研究提出了一种无监督对抗自编码器（AAE）模型，用于检测不平衡电力分配网格中的虚假数据注入攻击（FDIAs），并在 IEEE 13 巴士和 123 巴士系统上展示了其在检测网络攻击方面的卓越性能。

    Mar, 2024

  • ResWCAE：基于残差小波条件自编码器的生物特征模式图像去噪

    通过提出一种轻量级、稳健的深度学习体系结构 Res-WCAE with Kullback-Leibler 散度正则化，专为指纹图像去噪设计，在高噪声情况下对比多种先进去噪方法进行了实验，结果表明 Res-WCAE 在嵌入式 IoT 设备中的生物特征认证系统中表现优异。

    Jul, 2023

  • 利用形状特征工程提高风速和风力预测的准确性和鲁棒性的新方法

    通过改变卷积神经网络 - 长短期记忆（CNN-LSTM）和自回归模型的输入数据形状，这项研究探索了一种新的特征工程方法以提高对噪声的处理能力，并取得了显著的改善，使其能够以 83％的准确率预测长达 24 个时间步的未见数据，同时在短期、中期和长期预测方面始终表现出较高的准确性，优于单个模型的性能，为进一步研究形状导向的特征工程在不同预测时间范围内的噪声降低策略铺平了道路。

    Jan, 2024

  • 风力涡轮机叶片视觉损伤自动检测系统

    针对风能产业中风力发电机叶片破损的问题，提出了一种基于机器学习的破损检测模型，并探讨该模型在生产中实际运用的性能和效果，借助该模型可以降低风能发电的运营成本。

    May, 2022

  • 使用物理信息神经网络和证据不确定性量化预测风力发电机功率

    使用物理信息神经网络对来自 4 台风力发电机的历史数据进行回归建模，同时引入高效的证据层对预测进行不确定性估计，证明其与绝对误差一致，并为功率曲线定义了一个置信区间。

    Jul, 2023

  • 语义边缘自动编码器中的非降波尔变换在安全改进和消噪不同语言中的应用

    该研究通过将非降维小波变换与词嵌入语义边际自编码器相结合，提供了一种改进安全措施和去噪多语言的新策略。

    Jul, 2023

  • 一种新型的水电机组故障定位与数据优化方法

    基于稀疏自编码器（SAE）- 生成对抗网络（GAN）- 小波降噪（WNR）- 流形增强深度学习（SG-WMBDL）的水电站故障定位方法，通过提供高质量样本数据、降噪和捕捉局部特征，结合自适应增强的多深度学习，实现了具有非线性和非平滑特性的水电站故障的精准定位。

    May, 2024