[发明专利]一种基于卷积神经网络的风力机叶片不平衡检测方法在审
| 申请号： | 201910338006.2 | 申请日： | 2019-04-25 |
| 公开（公告）号： | CN110131109A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 肖威;曹喆;高艳婧;林勇刚;刘宏伟;李伟 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | F03D17/00 | 分类号： | F03D17/00;G06N3/04;G06K9/62;G06K9/00 |
| 代理公司： | 杭州宇信知识产权代理事务所(普通合伙) 33231 | 代理人： | 刘艳艳 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的风力机叶片不平衡检测方法，包括步骤：S1、采集风力机平衡状态和不平衡状态下的发电机转矩信号、发电机转速信号和塔架的振动加速度信号并转换为频率信号；S2、对频率信号数据进行预处理，构建风力机平衡状态样本数据库和不平衡状态样本数据库；S3、搭建卷积神经网络模型，利用已分类好的样本数据库对卷积神经网络模型进行训练、调参和验证，得到训练好的卷积神经网络模型；S4、利用步骤S3训练好的卷积神经网络模型对检测数据进行识别判断，输出包括平衡、气动不平衡和质量不平衡三类结果，从而完成风力机叶片的不平衡检测。本发明能自适应地捕获到叶片的故障特征，避免了环境因素给卷积神经网络模型判断带来的干扰。 | ||
| 搜索关键词： | 卷积神经网络 不平衡检测 风力机叶片 样本数据库 不平衡状态 平衡状态 风力机 发电机转速信号 振动加速度信号 预处理 频率信号数据 发电机转矩 故障特征 环境因素 检测数据 模型判断 频率信号 自适应 构建 塔架 捕获 叶片 采集 验证 输出 分类 转换 平衡 | ||
【主权项】：
1.一种基于卷积神经网络的风力机叶片不平衡检测方法，其特征在于，包括如下步骤：S1、采集风力机平衡状态和不平衡状态下的发电机转矩信号、发电机转速信号和塔架的振动加速度信号，并将上述信号的时域信号转换为频率信号以获得对应的功率谱图；S2、对转换后的频率信号数据进行预处理，构建风力机平衡状态样本数据库和不平衡状态样本数据库；S3、搭建卷积神经网络模型，利用步骤S2中已经分类好的样本数据库对卷积神经网络模型进行训练、调参和验证，得到训练好的卷积神经网络模型；S4、采集风力机检测状态下的数据，将其定义为检测数据并进行处理，利用步骤S3训练好的卷积神经网络模型对检测数据进行识别判断，输出包括平衡、气动不平衡和质量不平衡三类结果，从而完成风力机叶片的不平衡检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910338006.2/，转载请声明来源钻瓜专利网。
