龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：电子科技大学(深圳)高等研究院;电子科技大学
摘要：本发明涉及神经网络技术领域，尤其涉及一种风电场级风力涡轮机叶片故障检测方法，该方法包括：获取风电场级风力涡轮机的目标检测模型和多个风力涡轮机中每个风力涡轮机的待测数据集，目标检测模型包括：N个BiLSTM层、N‑1个dropout层和全连接层，相邻两个BiLSTM层之间通过dropout层连接，最后一个BiLSTM层的输出端连接全连接层；对每个风力涡轮机的待测数据集进行预处理，得到多个子数据集；对多个子数据集进行归一化处理，得到多个目标子数据集；通过目标检测模型对多个目标子数据集进行检测处理，得到每个风力涡轮机的叶片故障类型信息。该方法提高广泛风电场中的风机的检测精度、准确度和泛化能力。
主权项：1.一种风电场级风力涡轮机叶片故障检测方法，其特征在于，包括：获取风电场级风力涡轮机的目标检测模型和多个风力涡轮机中每个风力涡轮机的待测数据集，其中，所述目标检测模型包括：N个双向长短期记忆网络层BiLSTM层、N-1个随机失活层dropout层和全连接层，N＞1，相邻两个所述BiLSTM层之间通过一个所述dropout层连接，N个所述BiLSTM层中的最后一个BiLSTM层的输出端连接全连接层；对所述每个风力涡轮机的待测数据集进行预处理，得到多个子数据集；对所述多个子数据集进行归一化处理，得到多个目标子数据集；通过所述目标检测模型对所述多个目标子数据集进行检测处理，得到所述每个风力涡轮机的叶片故障类型信息。
全文数据：
权利要求：
百度查询： 电子科技大学(深圳)高等研究院 电子科技大学 风电场级风力涡轮机叶片故障检测方法、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号