买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜浙江运达风电股份有限公司申请的专利一种基于深度学习的风力发电机叶片损伤检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114565006B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111465662.2，技术领域涉及：G06F18/2433；该发明授权一种基于深度学习的风力发电机叶片损伤检测方法及系统是由张军华;罗勇水;赵海燕;李学平;艾真伟;孙萍玲;毛涵韬设计研发完成，并于2021-12-03向国家知识产权局提交的专利申请。

本一种基于深度学习的风力发电机叶片损伤检测方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的风力发电机叶片损伤检测方法及系统，包括采集叶片数据并进行预处理；优化算法更新模型参数；将数据输入到深度学习预测模型，自适应提取数据特征；计算健康指标真实值和预测值；计算均方根误差并对叶片进行判定；计算数据的熵值和能量值，并判定叶片异常；将数据输入深度学习诊断模型，自适应提取故障特征及标签；将故障标签与故障数据库匹配，得到叶片诊断结果并输出至风场控制中心，同步更新故障数据库。本发明通过自适应提取数据信号特征，根据健康指标准确、及时的监测叶片早期损伤，并检测叶片损伤类型、位置及程度，无需依赖人工先验经验，通过优化算法更新模型参数，使该方法检测精度更高、适应性更广。

本发明授权一种基于深度学习的风力发电机叶片损伤检测方法及系统在权利要求书中公布了：1.一种基于深度学习的风力发电机叶片损伤检测方法，其特征是，包括以下步骤： S1：实时采集叶片的原始音频、振动数据并进行预处理，并将预处理后的数据划分为训练样本集X、验证样本集Y和测试样本集Z； S2：优化算法更新深度学习模型和机器学习预测模型的参数，深度学习模型包括深度学习预测模型和深度学习诊断模型； S3：将S1中训练样本集X数据输入到深度学习预测模型，自适应提取数据特征； S4：根据S3中提取的数据特征计算健康指标的真实值，将健康指标的真实值数据输入到机器学习预测模型，获取健康指标的预测值； S5：根据健康指标的真实值和健康指标的预测值计算均方根误差，将均方根误差与预先设定的误差阈值进行比较，当均方根误差小于预先设定的误差阈值时，判定叶片正常，本次检测结束；当均方根误差大于预先设定的误差阈值时，进入S6； S6：计算数据的熵值和能量值，并将熵值和能量值与预先设定的熵阈值和能量阈值进行比较，当熵值大于熵阈值且能量值大于能量阈值时，判定叶片异常，进入S7；否则判定叶片正常，本次检测结束； S7：将S1的预处理后的数据输入深度学习诊断模型，自适应提取故障特征及故障标签； S8：将故障标签与叶片故障数据库匹配，得到叶片的损伤位置、损伤类型、损伤程度，并将诊断的结果输出至风场控制中心，并同步更新叶片故障数据库。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江运达风电股份有限公司，其通讯地址为：311106 浙江省杭州市钱江经济开发区顺风路558号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。