公开(公告)号：CN115081530B

公开(公告)日：2024-12-31

申请号：CN202210755770.1

申请日：2022-06-30

Applicant: 湖南第一师范学院 ,  湖南天桥嘉成智能科技有限公司

Inventor： 满君丰 ,  王非凡 ,  王靛 ,  胡凯凯 ,  陈亚楠 ,  杨恒伏 ,  傅红普 ,  周文健

IPC: G06F18/2431 ,  G06F18/2113 ,  G06F18/214 ,  F03D80/40

Abstract: 本发明属于风力发电技术领域，公开了一种风机叶片结冰检测方法、系统、介质及设备，所述风机叶片结冰检测方法包括在XGBoost算法的基础上结合tri‑training三体训练法半监督学习算法，合理运用标签不准确的数据；根据专家知识在原有特征基础上构建新的特征，采用Pearson相关系数为模型进行特征筛选，选择Focal Loss作为算法迭代更新的损失函数。本发明通过剔除掉非结冰因素导致风机限功运行的样本点，提高了模型的准确率和泛化性能。本发明融合了新的特征，采用Pearson相关系数对特征进行降维，降低了模型复杂度，提升了叶片结冰识别效率。

公开(公告)号：CN115081530A

公开(公告)日：2022-09-20

申请号：CN202210755770.1

申请日：2022-06-30

Applicant: 湖南第一师范学院

Inventor： 满君丰 ,  王非凡 ,  王靛 ,  胡凯凯 ,  陈亚楠 ,  杨恒伏 ,  傅红普 ,  周文健

IPC: G06K9/62 ,  F03D80/40

Abstract: 本发明属于风力发电技术领域，公开了一种风机叶片结冰检测方法、系统、介质及设备，所述风机叶片结冰检测方法包括在XGBoost算法的基础上结合tri‑training三体训练法半监督学习算法，合理运用标签不准确的数据；根据专家知识在原有特征基础上构建新的特征，采用Pearson相关系数为模型进行特征筛选，选择Focal Loss作为算法迭代更新的损失函数。本发明通过剔除掉非结冰因素导致风机限功运行的样本点，提高了模型的准确率和泛化性能。本发明融合了新的特征，采用Pearson相关系数对特征进行降维，降低了模型复杂度，提升了叶片结冰识别效率。