Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华电电力科学研究院有限公司王勇劲获国家专利权

华电电力科学研究院有限公司王勇劲获国家专利权

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!

龙图腾网获悉华电电力科学研究院有限公司申请的专利一种风电机组叶片边缘轨迹异常故障诊断方法和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:CN120672612B

龙图腾网通过国家知识产权局官网在2025-11-11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:202511188650.8,技术领域涉及:G06T5/70;该发明授权一种风电机组叶片边缘轨迹异常故障诊断方法和系统是由王勇劲;王军锋;朱罗平;陈志荣;林茂;胡波;钟诗琪;王真;廖永浩;石岩;张才稳;刘林波设计研发完成,并于2025-08-25向国家知识产权局提交的专利申请。

一种风电机组叶片边缘轨迹异常故障诊断方法和系统在说明书摘要公布了:本申请涉及一种风电机组叶片边缘轨迹异常故障诊断方法,通过包采用改进的小波包多尺度分析叶片运行状态图像以滤波降噪;通过不变矩特征获取叶片轨迹边缘特征,实现平移、伸缩、旋转不变性识别;并利用粒子群寻优算法获取边缘轨迹偏差较大的图像,标定异常状态用于故障诊断;该方法解决了现有技术中边缘检测算子阈值无法自适应、抗噪声差,以及叶片边缘轨迹异常特征难以提取导致故障无法有效诊断的问题。提升故障诊断准确性,且通过寻优算法筛除冗余数据,兼顾智能识别的准确性与效率,为风电机组叶片故障诊断提供可靠技术支持。

本发明授权一种风电机组叶片边缘轨迹异常故障诊断方法和系统在权利要求书中公布了:1.一种风电机组叶片边缘轨迹异常故障诊断方法,其特征在于,所述方法包括: 获取风电机组的叶片图像序列,并通过改进型小波包对所述叶片图像序列进行多尺度滤波,得到滤波后图像序列; 根据所述滤波后图像序列进行边缘轨迹提取,得到叶片边缘轨迹图像序列,并对所述叶片边缘轨迹图像序列进行边缘不变矩特征提取,输出多个不变矩特征序列; 根据多个不变矩特征序列确定初始异常样本,基于所述初始异常样本的不变矩特征构建粒子群优化模型,通过所述粒子群优化模型进行迭代寻优处理,得到用于叶片故障诊断的关键异常样本; 其中,所述根据多个不变矩特征序列确定初始异常样本包括: 选取时间上连续的第一不变矩特征序列和第二不变矩特征序列,构建异常对比样本; 基于所述异常对比样本,计算各个不变矩特征的权重; 通过结合所述权重的ETD距离公式,计算所述第一不变矩特征序列和所述第二不变矩特征序列的对比差异,和第一不变矩特征序列的基准差异; 计算所述异常对比样本在时间序列的相关系数,根据所述相关系数,定义所述不变矩特征序列的序列相似性; 根据所述对比差异和所述基准差异计算差异参数比值,并基于所述差异参数比值和所述相似性,判断所述异常对比样本是否为异常样本,若是,将其定义为初始异常样本; 其中,基于所述初始异常样本的不变矩特征构建粒子群优化模型包括:将初始异常样本的不变矩特征参数作为粒子,以所述差异参数比值及所述相关系数为关键指标构建适应度函数,所述适应度函数用于反映样本异常特征的显著程度。

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华电电力科学研究院有限公司,其通讯地址为:310000 浙江省杭州市西湖区三墩镇西园一路10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”。

以上内容由龙图腾AI智能生成。

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。