东北大学秦皇岛分校张燕获国家专利权
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！
龙图腾网获悉东北大学秦皇岛分校申请的专利基于时空神经网络的风电机组故障状态检测方法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：CN115434875B 。
龙图腾网通过国家知识产权局官网在2025-07-18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：202211066553.8，技术领域涉及：F03D17/00；该发明授权基于时空神经网络的风电机组故障状态检测方法是由张燕;韩英华;赵强;汪晋宽设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。
本基于时空神经网络的风电机组故障状态检测方法在说明书摘要公布了：本发明涉及一种基于时空神经网络的风电机组故障状态检测方法、电子设备和存储介质，方法包括获取待测风电机组的传感器实时的检测数据并进行数据预处理；将所述检测数据输入到训练的时空特征提取模型，获取所述多维残差数据；采用马氏距离，对所述多维残差数据进行计算，获取时空特征提取模型的实时性能指数；将所述性能指数与所述实时检测数据输入到训练的向量回归算法模型，获取实时动态阈值；基于所述实时动态阈值与所述实时性能指数，对风电机组的故障状态进行检测。本发明的有益效果是，能够解决现有技术中风电机组故障检测耗时久、故障反馈滞后、效率低、误差大、浪费人力物力的技术问题。
本发明授权基于时空神经网络的风电机组故障状态检测方法在权利要求书中公布了：1.一种基于时空神经网络的风电机组故障状态检测方法，其特征在于，包括： S1、获取待测风电机组的传感器实时的检测数据并进行数据预处理；所述检测数据包括：风速、功率、转速、俯仰角、温度和检测时间； S2、将所述检测数据输入到训练的时空特征提取模型，获取多维残差数据；所述多维残差数据为所述实时检测数据与所述时空特征提取模型的输出的残差； 所述时空特征提取模型包括深层自编码器和门控递归单元，所述深层自编码器用于提取所述检测数据的空间特征；所述门控递归单元用于提取所述检测数据的时间特征； S3、采用马氏距离，对所述多维残差数据进行计算，获取时空特征提取模型的实时性能指数； S4、将所述性能指数与所述实时检测数据输入到训练的向量回归算法模型，获取实时动态阈值； S5、基于所述实时动态阈值与所述实时性能指数，对风电机组的故障状态进行检测。
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东北大学秦皇岛分校，其通讯地址为：066004 河北省秦皇岛市经济技术开发区泰山路143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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号