-
公开(公告)号：CN118964926A
公开(公告)日：2024-11-15
申请号：CN202410944331.4
申请日：2024-07-15
Applicant: 深圳华中科技大学研究院
IPC: G06F18/213 , G06F18/214 , G06F18/2135 , G06N3/0985 , G06N3/084
Abstract: 本申请属于神经网络领域，具体公开了一种基于小样本的风机叶片损伤识别方法及装置，方法包括：采集风机叶片的音频时域信号，将所述音频时域信号转换为频域信号；对所述频域信号进行特征提取，得到无量纲化的倍频程特征，将所述倍频程特征作为模型训练的数据集；将所述数据集输入至初始神经网络模型中，利用MAML算法对所述初始神经网络模型进行梯度更新并不断调整所述初始神经网络模型的参数，直至模型收敛得到训练好的风机叶片损伤识别模型，并利用训练好的风机叶片损伤识别模型进行风机叶片损伤识别，得到风机叶片的识别结果。通过本申请可提高模型训练效率和训练精度，进而提高风机叶片的识别准确度。
-
公开(公告)号：CN113298134B
公开(公告)日：2023-07-28
申请号：CN202110551534.3
申请日：2021-05-20
Applicant: 华中科技大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06N3/0499 , G06N3/084 , G11B20/10 , G01H11/06 , G01M13/00
Abstract: 本发明公开了一种基于BPNN的风机叶片远程非接触健康监测系统和方法，属于风力发电技术与机器学习领域，所述系统中服务器通过网络接收数字信号并将其转化为音频信号加以保存，并对音频信号进行预处理得到降噪信号；采用预设倍频程提取降噪信号中的声音特征并输入至训练好的BP神经网络，以对风机叶片的健康状态进行判断并输出判断结果；当判断结果标识风机叶片存在缺陷时发出报警；还为用户提供交互界面，以使用户能够实时查看判断结果、听取音频信号、对标识缺陷的故障信号进行二次确认、标注，以及调取并分析故障历史记录。本发明使得风力发电监控系统实时性好便于安装维护，能避免由于突发事故导致的经济损失、安全威胁、社会影响。
-
公开(公告)号：CN118965154A
公开(公告)日：2024-11-15
申请号：CN202410974059.4
申请日：2024-07-19
Applicant: 深圳华中科技大学研究院
IPC: G06F18/2415 , G06F18/213 , G06N3/04 , G06N3/0464 , G06N3/084 , G06F18/214 , G06V10/764 , G06V10/774
Abstract: 本申请属于风机叶片检测领域，具体公开了一种基于音频和图像的风机叶片损伤识别方法及装置，方法包括：获取风机叶片的音频信号和图像数据；利用倍频程算法将所述音频信号的频谱划分为多个频程，并提取所述多个频程的声压级特征；将所述声压级特征输入到训练好的反向传播神经网络模型BPNN中，得到所述风机叶片损伤情况的音频识别结果；将所述图像数据输入到训练好的轻量化卷积神经网络模型中，得到所述风机叶片损伤情况的图像识别结果；对所述音频识别结果和图像识别结果进行综合判断，得到所述风机叶片损伤情况的综合识别结果。通过本申请，可提高风机叶片损伤检测的精确度。
-
公开(公告)号：CN113298134A
公开(公告)日：2021-08-24
申请号：CN202110551534.3
申请日：2021-05-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于BPNN的风机叶片远程非接触健康监测系统和方法，属于风力发电技术与机器学习领域，所述系统中服务器通过网络接收数字信号并将其转化为音频信号加以保存，并对音频信号进行预处理得到降噪信号；采用预设倍频程提取降噪信号中的声音特征并输入至训练好的BP神经网络，以对风机叶片的健康状态进行判断并输出判断结果；当判断结果标识风机叶片存在缺陷时发出报警；还为用户提供交互界面，以使用户能够实时查看判断结果、听取音频信号、对标识缺陷的故障信号进行二次确认、标注，以及调取并分析故障历史记录。本发明使得风力发电监控系统实时性好便于安装维护，能避免由于突发事故导致的经济损失、安全威胁、社会影响。
-
-
-
Search Results
4
records
(took 0.021 seconds)
