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！

龙图腾网获悉大唐可再生能源试验研究院有限公司申请的专利基于深度学习的风电机组叶片气动不平衡监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：CN121117517B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511661725.X，技术领域涉及：G06F18/20；该发明授权基于深度学习的风电机组叶片气动不平衡监测方法及系统是由郭鹏;徐志轩;吴雨晴;郭旭峰设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于深度学习的风电机组叶片气动不平衡监测方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的风电机组叶片气动不平衡监测方法及系统，属于深度学习领域，通过采集风电机组叶片在运行过程中通过分布式传感阵列生成的气流运动状态数据；对气流运动状态数据进行气动特征提取与不平衡度量化处理，得到叶片气动特征向量集；将叶片气动特征向量集与预设的叶片历史气动性能演化轨迹进行关联学习，生成气动不平衡发展预测向量；基于气动不平衡发展预测向量进行不平衡趋势动态分析，得到叶片气动不平衡的关键影响因子及影响程度序列；依据关键影响因子及影响程度序列输出叶片气动不平衡的评估结果及对应的预测性维护策略。可提升维护策略与叶片气动不平衡状态的适配性，支持风电机组叶片气动不平衡的监测与预测性维护。

本发明授权基于深度学习的风电机组叶片气动不平衡监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电机组叶片气动不平衡监测方法，其特征在于，所述方法包括： 采集风电机组叶片在运行过程中通过分布式传感阵列生成的气流运动状态数据，所述气流运动状态数据包含叶片表面不同监测点在连续采样周期内的气流速度变化序列及对应采样时刻的环境干扰记录； 对所述气流运动状态数据进行气动特征提取与不平衡度量化处理，得到叶片气动特征向量集，所述叶片气动特征向量集包含叶片不同区域的气流速度分布特征、气流方向变化特征及气动参数波动特征； 将所述叶片气动特征向量集与预设的叶片历史气动性能演化轨迹进行关联学习，生成气动不平衡发展预测向量，所述气动不平衡发展预测向量用于表征叶片气动不平衡状态随时间的演变趋势； 基于所述气动不平衡发展预测向量进行不平衡趋势动态分析，得到叶片气动不平衡的关键影响因子及影响程度序列，所述影响程度序列用于描述各关键影响因子对气动不平衡发展的贡献度变化； 依据所述关键影响因子及影响程度序列输出叶片气动不平衡的评估结果及对应的预测性维护策略。

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大唐可再生能源试验研究院有限公司，其通讯地址为：102600 北京市大兴区经济开发区科苑路18号1幢A3户型一层104室；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。