Resumen

Las tecnologías para detección de fallas son realmente útiles para mejorar la confiabilidad de las turbinas eólicas, reduciendo costos de operación y mantenimiento de las granjas eólicas. Las turbinas eólicas no pueden operar con fallas, de manera que se pueden obtener algunas pocas muestras de datos, lo que en los modelos tradicionales de diagnóstico resulta insuficiente para obtener resultados precisos y efectivos.  El aprendizaje few-shot puede resolver eficazmente el problema del sobreajuste causado por menos muestras de fallas en el entrenamiento del modelo. Este estudio se enfoca en proponer un modelo para el diagnóstico de fallas con pocas muestras de datos del tren de transmisión de las turbinas eólicas,  denominado meta-línea de base agnóstica del modelo (MAMB).

• Materias:Turbinas Análisis de datos de tiempo de falla Molinos Localización de fallas (Ingeniería) Energía eólica
• Subjects:Turbines Failure time data analysis Feed milling Troubleshooting (Engineering) Wind energy
• Palabras claves:Aprendizaje few-shot, Diagnóstico erroneo; Metaaprendizaje independiente del modelo; Turbinas de viento
• Keywords:Few-shot learning; Fault diagnosis; Model-agnostic meta-learning; Wind turbines