江西理工大学鄂殿玉获国家专利权
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！
龙图腾网获悉江西理工大学申请的专利一种基于CFD和深度学习的搅拌槽桨叶故障诊断方法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：CN119203843B 。
龙图腾网通过国家知识产权局官网在2025-09-26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：202411579872.8，技术领域涉及：G06F30/28；该发明授权一种基于CFD和深度学习的搅拌槽桨叶故障诊断方法是由鄂殿玉;吴宜柳;崔佳鑫;肖逸飞;史广思设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。
本一种基于CFD和深度学习的搅拌槽桨叶故障诊断方法在说明书摘要公布了：本发明提出一种基于CFD和深度学习的搅拌槽桨叶故障诊断方法，该方法包括：拍摄搅拌槽桨叶拍摄桨叶在不同断裂情况下的不同时刻的流场图片并使用图像处理算法对图片进行处理并得到流场迹线图片；利用SCDM软件对正常桨叶进行建模并对模型进行网格划分，基于网格化后的模型，利用CFD数值模拟方法模拟桨叶在正常和不同的断裂情况，得到不同情况下的流场迹线图片信息；基于不同情况下的流场迹线图片信息和所有模拟结果构建深度学习模型；将拍摄的上方液面迹线流形，导入到深度学习模型中进行计算得出数据并进行故障情况诊断。本发明用于间接检测搅拌槽桨叶故障，为实际工业过程中判断搅拌槽桨叶是否正常运转提供一定的参考和指导作用。
本发明授权一种基于CFD和深度学习的搅拌槽桨叶故障诊断方法在权利要求书中公布了：1.一种基于CFD和深度学习的搅拌槽桨叶故障诊断方法，其特征在于，所述方法包括如下步骤： 步骤1、利用高速摄像机拍摄搅拌槽桨叶，获取桨叶在不同断裂情况下的不同时刻的流场图片，使用图像处理算法对不同时刻的流场图片进行处理，并得到流场迹线图片，将流场迹线图片作为深度学习模型的输入数据集； 步骤2、利用SCDM软件对正常桨叶进行几何三维建模得到三维模型，并对三维模型进行网格划分，基于网格化后的三维模型中提取的数据，利用CFD数值模拟方法模拟桨叶在正常情况和各类断裂情况下的工况，以分别得到正常情况和各类断裂情况下的流场迹线图片信息； 步骤3、根据正常情况和各类断裂情况下的流场迹线图片信息构建深度学习模型； 步骤4、将利用高速摄像机拍摄到的上方液面迹线流形，导入到所述深度学习模型中进行计算得出诊断数据以进行故障诊断。
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江西理工大学，其通讯地址为：341000 江西省赣州市红旗大道86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”。
以上内容由龙图腾AI智能生成。
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。
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。
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
请提出您的宝贵建议，有机会获取IP积分或其他奖励