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！

龙图腾网获悉厦门理工学院申请的专利一种风电叶片连接处细小缺陷的检测方法和装置以及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115541703B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211179307.3，技术领域涉及：G01N27/904；该发明授权一种风电叶片连接处细小缺陷的检测方法和装置以及设备是由胡蕴章;张旻澍;周伟杰;寇天豪设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本一种风电叶片连接处细小缺陷的检测方法和装置以及设备在说明书摘要公布了：本发明公开了一种风电叶片连接处细小缺陷的检测方法和装置以及设备。其中，所述方法包括：计算涡流阵列传感器的最优工作频率；通过最优工作频率获取不同风电叶片疲劳数据序列，将风电叶片疲劳数据序列转换为等距序列，并提取其中点值数据；通过不同风电叶片疲劳数据序列构建疲劳寿命监测化模型；采用深度学习网络及中点值数据对疲劳寿命监测化模型进行训练；根据训练后的疲劳寿命监测化模型，来对风电叶片连接处细小缺陷进行预测。本发明利用最优工作频率确保了数据的准确度、中点值在训练过程中用于反向更新深度学习网络确保模型的收敛速度以及准确率。利用上述技术手段提高模型准确率，使其能实现通过涡流阵列传感器来监测细小结构缺陷。

本发明授权一种风电叶片连接处细小缺陷的检测方法和装置以及设备在权利要求书中公布了：1.一种风电叶片连接处细小缺陷的检测方法，其特征在于，包括： 计算涡流阵列传感器的最优工作频率； 通过最优工作频率获取不同风电叶片疲劳数据序列，将所述风电叶片疲劳数据序列转换为等距序列，并提取其中点值数据； 基于所述不同风电叶片疲劳数据序列构建疲劳寿命监测化模型； 采用深度学习网络及中点值数据对构建的疲劳寿命监测化模型进行训练； 根据所述训练后的疲劳寿命监测化模型，来对所述风电叶片连接处细小缺陷进行预测； 所述采用深度学习网络及中点值数据对构建的疲劳寿命监测化模型进行训练，包括： 采用最小二乘法对所述不同风电叶片疲劳数据序列进行消除趋势处理，和采用深度学习网络对所述经消除趋势处理的不同风电叶片疲劳数据序列中的异常序列进行打标，和从所述经消除趋势处理的不同风电叶片疲劳数据序列中提取不同风电叶片疲劳数据序列的序列特征，并从特征向量中提取出均值、方差、峭度以及最大值作为深度学习网络的训练输入的方式，以及采用所述均值、方差、峭度以及最大值作为训练输入的深度学习网络对所述构建的疲劳寿命监测化模型进行训练，以及利用所述中点值数据与所述疲劳寿命监测化模型分析的结果做差反向传播至所述深度学习网络更新深度学习网络参数，经过有限次数迭代更新从而生成疲劳寿命监测化模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门理工学院，其通讯地址为：361024 福建省厦门市理工路600号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。