公开(公告)号：CN116146435A

公开(公告)日：2023-05-23

申请号：CN202211674857.2

申请日：2022-12-26

申请人： 东北大学

发明人： 王博文 ,  冯健

IPC分类号： F03D17/00 ,  F03D7/02 ,  F03D7/04

摘要： 本发明公开了一种风力发电机组的输出功率预测系统，涉及风力发电技术领域，包括预测云服务器、数据采集单元、预测模型单元和系统电控单元，所述预测云服务器用于储存单个风场、多个风场的风力发电机组备份数据，还用于对需要预测的各个风场进行全面监控，本发明通过设置预测云服务器、数据采集单元、预测模型单元和系统电控单元，构建完善的输出功率预测系统，提取其中的风电场历史功率数据、历史数值天气预报、风电机组信息、风电机组及风电场运行状态、地形地貌数据，对风力发电机组的输出功率预测数据及相应的分析结果进行管理、可视化和存储，有助于通过互联网云管控实现风力发电机组的输出功率预测管理，提高预测管理的智能化水平。

公开(公告)号：CN110146589B

公开(公告)日：2022-12-30

申请号：CN201910522202.5

申请日：2019-06-17

申请人： 东北大学

发明人： 冯健 ,  黄方佑 ,  刘金海 ,  卢森骧 ,  张化光 ,  马大中 ,  汪刚

IPC分类号： G01N27/83 ,  F17D5/02

摘要： 本发明涉及一种管道漏磁数据的高清可视化方法，步骤为：采集漏磁数据并进行预处理，得到预处理后的漏磁检测数据H；对漏磁检测数据H进行分类，得到的漏磁数据分类标签；利用漏磁数据分类标签C0进行漏磁数据分类校正及抽样曲线显示，得到修正后的分类标签Cnew；漏磁数据局部灰度映射，显示增强后漏磁数据灰度图Gnew；对漏磁数据进行伪彩转换：对于转换为灰度值后的漏磁数据，根据修正后的分类标签Cnew，采用灰度级‑彩色变换法，以不同的分类标签为划分灰度值区间，将不同标签下的灰度值分别转换到RGB色彩空间中，并显示漏磁数据伪彩色图像。本发明改善了曲线图显示效果，整体提升漏磁数据可视化效果，完整地保留了漏磁信号特征信息，并提高数据显示效率减轻内存负担。

公开(公告)号：CN113188055B

公开(公告)日：2022-11-25

申请号：CN202110600157.8

申请日：2021-05-31

申请人： 东北大学

发明人： 胡旭光 ,  马大中 ,  宋秦风 ,  孟冠军 ,  张化光 ,  刘金海 ,  王伟亮 ,  柳辉 ,  汪刚 ,  冯健

IPC分类号： F17D5/06

摘要： 本发明提供一种基于负压波衰减驱动的管道泄漏自适应动态补偿定位方法，涉及管道检测技术领域。本发明可以将现场采集的大量压力衰减数据在合理的时间内进行有效的分析，结合实验和拟合数据构成动态压力衰减模型。围绕信号边沿条件和衰减模型的预测泄漏率两项指标建立相应的目标函数，构成多目标优化数学模型，并采用多目标寻优方法对模型求解，在特征区间中找出最优特征点，方法直观、简单，且灵敏度高、漏报率低；采用不同尺度因子对两端特征不同的压力数据小波变化，提高了结果的稳定性。因此本发明采用了多目标优化的策略和自适应动态补偿的方法来解决管道中负压波衰减过大状态的泄漏检测及定位问题，可以同时达到高精度和高准确性的目标。

公开(公告)号：CN108982652B

公开(公告)日：2022-05-20

申请号：CN201810928650.0

申请日：2018-08-15

申请人： 东北大学

发明人： 刘金海 ,  杨金崎 ,  汪刚 ,  张化光 ,  马大中 ,  卢森骧 ,  冯健 ,  贾茹 ,  杨鑫

IPC分类号： G01N27/83

摘要： 一种多频激励场阵列电磁无损检测金属表面裂纹的方法，方法：1)在待测试件的中心位置处生成一个标准缺陷；2)将激励装置与待测试件连接，搭建检测模型；3)在线圈接受激励的同时进行分量的采集，提取出每个数据的检测信号，使用EMD进行经验模态分解，得到本征模函数信号；4)根据分量数据特征，实现裂纹缺陷的角度、轴向长度、周向长度以及径向长度的精准识别，进而换算出缺陷的实际尺寸；本发明使用缠绕着通电矩形线圈的U型磁轭对待检构件磁化激发出缺陷漏磁场，实现缺陷上方磁场扰动的信号采集，并对金属表面缺陷进行检测与识别，提高检测结果的可靠性，对于缺陷形状较复杂试件的电磁无损检测具有较强的使用价值。

公开(公告)号：CN109142514B

公开(公告)日：2022-04-01

申请号：CN201811147009.X

申请日：2018-09-29

申请人： 东北大学

发明人： 冯健 ,  邱帅 ,  汪刚 ,  刘金海 ,  马大中 ,  张化光 ,  卢森骧 ,  吴振宁

IPC分类号： G01N27/90 ,  G01B7/02 ,  G01B7/26

摘要： 本发明提供一种基于脉冲涡流阵列的缺陷检测装置及方法，涉及无损检测技术领域。本方法的过程如下：信号发生器产生周期性脉冲信号，经功率放大器放大后，施加到激励线圈两端。检测线圈阵列单元采集被测试件上方磁场信号，输出给信号调理单元；信号调理单元对信号进行滤波、放大后输出给A/D转换单元，最后，送入DSP数据处理模块，求取缺陷的尺寸信息。本发明装置对检测阵列数据了进行了聚类和均值处理，有效抑制了检测阵列线圈倾斜或提离对缺陷检测的影响；采用了一个线圈作为激励、多个检测线圈组成阵列的结构，即减小了磁场的干扰，又实现了更为全面的缺陷信息检测；将时域特征量和频域特征量相结合，提高了缺陷检测精度。

公开(公告)号：CN109100416B

公开(公告)日：2022-02-01

申请号：CN201811105826.9

申请日：2018-09-21

申请人： 东北大学

发明人： 刘金海 ,  盛锴 ,  汪刚 ,  张化光 ,  马大中 ,  冯健 ,  卢森骧 ,  吴振宁

IPC分类号： G01N27/82 ,  G06F30/20 ,  G06K9/00 ,  G06K9/62 ,  G06F119/02

摘要： 本发明提供一种基于正交多频电磁检测的铁磁性管道内壁缺陷检测装置，涉及管道缺陷检测技术领域。该装置由多频正弦激励信号发生模块给正交电磁检测探头提供激励信号，对管道进行磁化，霍尔传感器模块捕捉管道内磁场变化并输出多频电磁检测信号，经信号调理电路进行滤波、放大后进入A/D转换模块实现模数转换，再送入FPGA中央处理单元进行分频处理，最后送到缺陷异常判断模块和基于K‑近邻算法的缺陷尺寸预测模块，进行异常状态数据剔除和缺陷尺寸预测。本发明能实现无接触检测，实现表面、近表面、通孔等不同深度缺陷的检测，实现轴向、周向缺陷尺寸的检测，可以通过检测信号的特征量较为准确的预测到缺陷的尺寸。

公开(公告)号：CN109086793B

公开(公告)日：2021-11-16

申请号：CN201810675216.6

申请日：2018-06-27

申请人： 东北大学

发明人： 刘金海 ,  汪刚 ,  马大中 ,  冯健 ,  张化光 ,  任妍 ,  洪晓伟

IPC分类号： G06K9/62

摘要： 本发明的一种风力发电机的异常识别方法，将SCADA数据中异常的属性剔出，保留的其他属性经k‑means聚类；将属性分别经t‑SNE降低成固定维数；将降维后的有效数据进行皮尔森相关系数计算排序，转换为图片作为CNN的输入，通过对图片二分类实现风机的正异常判断。该异常识别方法在建立风机异常识别模型时，输入输出涉及所有属性，模型可以有效识别多类属性同时发生多种异常，模型具有通用性，适用于任何风场；采用先聚类后类内降维的数据预处理方法，去除了不必要的干扰，提高准确性；采用卷积神经网络进行属性异常识别可抑制噪声干扰，准确发现风机属性图片微小变化，较强的区别特征的能力和鲁棒性使其具有更好的准确性。

公开(公告)号：CN109325544B

公开(公告)日：2021-10-19

申请号：CN201811182189.5

申请日：2018-10-11

申请人： 东北大学

发明人： 张化光 ,  孙允 ,  刘金海 ,  冯健 ,  卢森骧 ,  汪刚 ,  马大中

IPC分类号： G06K9/62

摘要： 本发明提供一种基于中层特征的管道异常分类方法，涉及管道无损检测和数据挖掘领域。该方法包括：步骤1.管道漏磁信号的预处理；步骤2.获取漏磁数据样本集；步骤3.生成漏磁数据样本的显性特征；步骤4.基于BOW模型生成漏磁数据样本的中层特征：对每个样本圈框并计算差分特征向量；对待聚类差分特征向量集进行K‑Means聚类，得到k个视觉单词；统计每个视觉单词在每个样本中的频数，得到每个样本的中层特征向量；步骤5.基于联合稀疏表示的特征融合算法，将样本的显性特征与中层特征融合，形成联合稀疏矩阵，利用分类判别函数对样本分类。本发明解决了现有技术中管道异常的特征提取和分类准确性低、检测效果不理想的技术问题。

公开(公告)号：CN113159985A

公开(公告)日：2021-07-23

申请号：CN202110324102.9

申请日：2021-03-26

申请人： 东北大学

发明人： 王嘉媛 ,  黄博南 ,  冯健 ,  孙秋野 ,  刘鑫蕊 ,  马大中 ,  杨珺 ,  刘振伟 ,  王智良

IPC分类号： G06Q50/06 ,  G06F30/27 ,  G06F111/04 ,  G06F113/06

摘要： 本发明公开了一种电热综合能源系统的两阶段优化调度方法，属于综合能源系统经济调度技术领域。首先建立包含电热替代型负荷在内的综合需求响应模型，并定义机组波动评价指标，将它们应用到上下层两阶段优化调度过程中。在上层优化调度阶段，以风电消纳最大为目标，建立功率平衡关系式和目标函数。在下层优化调度阶段，以系统煤耗量最小为目标优化设备出力，建立功率平衡关系式和目标函数。并通过改进的粒子群算法求解上下层两阶段优化调度过程中的待优化变量。该方法充分利用了综合需求响应和储能装置发挥其调度灵活性，在提升系统的调峰能力和风电消纳率的同时平滑机组出力，相较于传统的为消纳风电而频繁的调整机组出力更有利于系统的稳定运行。

公开(公告)号：CN106950276B

公开(公告)日：2020-05-05

申请号：CN201710168186.5

申请日：2017-03-21

申请人： 东北大学

发明人： 张化光 ,  冯健 ,  刘金海 ,  汪刚 ,  马大中 ,  卢森骧 ,  张鑫博

IPC分类号： G01N27/83

摘要： 本发明提供一种基于卷积神经网络的管道缺陷深度的反演方法，随机生成管道缺陷轮廓：生成n组管道缺陷深度矩阵，基于磁偶极子模型仿真得到n组管道缺陷轮廓的轴向漏磁信号，获取实测的k组管道缺陷深度矩阵，并采用磁场传感器测量其相应的轴向漏磁信号，构造卷积神经网络模型，采用仿真的管道缺陷轮廓的轴向漏磁信号和实测的管道缺陷轮廓的轴向漏磁信号对卷积神经网络模型进行训练，得到最终的卷积神经网络模型，将未知深度的管道缺陷的轴向漏磁信号进行预处理后，输入最终的卷积神经网络模型，得到未知深度的管道缺陷的深度预测值，本发明方法有效地减少了网络训练所需要的参数，减少了对缺陷反演所需的时间。