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：东南大学
摘要：本发明涉及一种风机叶片损伤识别方法，包括：采集风机运行过程中的振动信号和声压信号，将振动及声压信号处理成一维样本数据和二维样本数据；建立训练网络模型：采用堆栈去噪自编码器对一维样本数据进行特征提取，采用卷积去噪自编码器对二维样本数据进行特征提取；通过第一层全连接网络将分别将一维样本、二维样本的特征进行融合，得多维融合特征，通过第二层全连接网络将声压信号、振动信号对应的多维融合特征进行二次融合，获得融合特征矩阵，并通过分类器进行分类，获得分类模型；将待检测叶片裂纹的风机的振动信号输入到训练好的网络模型中，根据输出结果判断叶片的裂纹状态。本发明在叶片的损伤识别精度以及模型鲁棒性方面具有优势。
主权项：1.一种风机叶片损伤识别方法，其特征在于，包括以下步骤：S1、采集风机运行过程中的振动信号和声压信号，将振动及声压信号处理成一维样本数据和二维样本数据；S2、建立训练网络模型：采用堆栈去噪自编码器对所述一维样本数据进行特征提取，采用卷积去噪自编码器对所述二维样本数据进行特征提取；通过第一层全连接网络将分别将一维样本、二维样本的特征进行融合，得多维融合特征，通过第二层全连接网络将声压信号、振动信号对应的所述多维融合特征进行二次融合，获得融合特征矩阵，并通过分类器进行分类，获得分类模型；S3、将待检测叶片裂纹的风机的振动信号输入到训练好的网络模型中，根据输出结果判断叶片的裂纹状态；步骤S2中，所述卷积去噪自编码器以重构信号与原信号的差值最小为目标函数，对网络的权重进行优化迭代，所述卷积去噪自编码器包含两个卷积层和两个反卷积层，所述反卷积层的梯度传递如下： 式中，L为目标函数，K为反卷积核，y为反卷积层输出；其中，x为反卷积层输入，t反卷积层输入信号长度，m为反卷积时的叠加步长。
全文数据：
权利要求：
百度查询： 东南大学 一种风机叶片损伤识别方法
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