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！

龙图腾网获悉西华大学申请的专利一种基于小波聚类算法的风电叶片状态监测与故障预警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：CN121256530B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511811624.6，技术领域涉及：G06F18/2411；该发明授权一种基于小波聚类算法的风电叶片状态监测与故障预警系统是由李昱良设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种基于小波聚类算法的风电叶片状态监测与故障预警系统在说明书摘要公布了：本发明公开了一种基于小波聚类算法的风电叶片状态监测与故障预警系统，涉及风电叶片故障诊断领域。该系统通过振动传感器和声发射传感器同步采集叶片运行数据，采用多域联合特征提取方法融合时域、频域和时频域特征，并利用改进的自动获取局部聚类信息的小波聚类算法对特征向量进行无监督聚类分析，自动识别损伤模式。通过建立支持向量机诊断模型实现故障分类，并创新性地引入基于叶片旋转周期性的声发射事件率波动校验机制，通过振动与声发射信号相互验证损伤的真实性。本发明解决了传统方法特征提取不充分、聚类效果差、误报率高的问题，实现了多损伤模式的精准识别与早期预警，有效提升了对故障识别的准确性。

本发明授权一种基于小波聚类算法的风电叶片状态监测与故障预警系统在权利要求书中公布了：1.一种基于小波聚类算法的风电叶片状态监测与故障预警系统，其特征在于，所述系统包括： 标定模块，用于对正常无损伤以及存在一类已知典型损伤的风电叶片试件进行标定，获得标定结果，其中，所述已知典型损伤包括M类； 数据采集模块，用于采集所述风电叶片试件在模拟运行环境下的原始振动信号和原始声发射信号； 特征提取模块，用于提取所述原始振动信号的时域特征和频域特征，以及用于基于第一小波变换提取所述原始声发射信号的时频域特征，将所述时域特征、所述频域特征和所述时频域特征融合，生成融合特征向量； 小波聚类模块，用于基于小波聚类算法对所述融合特征向量进行聚类分析，获得N个聚类类别，基于标定结果为任意一聚类类别赋予一物理意义； 故障诊断与预警模块，用于： 将所述时域特征、所述频域特征和所述时频域特征与各自对应的物理意义进行标记，获得训练集； 构建SVM模型，基于所述训练集对SVM模型进行训练，获得诊断模型； 基于现场实际运行的待检测叶片的实际振动信号和实际声发射信号，利用所述诊断模型对所述待检测叶片进行故障诊断，获得诊断结果； 动态学习模块，用于动态优化所述诊断模型的参数。

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西华大学，其通讯地址为：610039 四川省成都市金牛区土桥金周路999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。