公开(公告)号：CN116244581A

公开(公告)日：2023-06-09

申请号：CN202310178961.0

申请日：2023-02-28

Applicant: 湖南大唐先一科技有限公司

Inventor： 牛晓瑞 ,  白全生 ,  周宇 ,  肖祥武 ,  李偲希

IPC: G06F18/213 ,  G06F18/2431 ,  G06Q10/20 ,  G06Q50/06 ,  G06F18/214

Abstract: 本发明属于风电叶片故障预警的技术领域，公开了一种基于人工智能平台的风电叶片故障预警方法及系统，包括数据采集模块、特征选择模块、数据处理模块、特征筛选模块、计算分析模块和告警模块；本发明通过对风电机组运行过程中叶片状态进行实时预测，引入了监测指标与计算指标多维数据融合分析，并且采用了经验规则预警与算法预警相结合的方式，克服已有的风电叶片预警精度不高，易受人为因素影响的不足，有效增强了风电叶片预警系统的稳定性和鲁棒性。

公开(公告)号：CN117113040A

公开(公告)日：2023-11-24

申请号：CN202310837269.4

申请日：2023-07-07

Applicant: 湖南大唐先一科技有限公司

Inventor： 李偲希 ,  牛晓瑞 ,  白全生 ,  周宇 ,  肖祥武

IPC: G06F18/21 ,  G01M13/045 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及滚动轴承全寿命周期状态监测技术领域，具体为一种滚动轴承全寿命周期状态监测方法及系统。主要包括特征提取、健康状态评估和剩余寿命预测三个部分。首先，在特征提取时，为实现后续健康状态和剩余寿命的准确评估，分别从时域、频域和时频域等角度尽可能多地提取相关特征；健康评估阶段利用多维度健康指标融合用于判断轴承健康状态；最后剩余寿命预测时，本文将健康状态评估阶段提取出的有效特征输入长短期记忆神经网络，以提高模型的稳定性和预测精度，本方法实现了将传统的模式识别的故障诊断方法与深度学习的有效结合。