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！

龙图腾网获悉湖南工程学院申请的专利一种基于深度学习的风机叶片智能监测及优化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：CN120592822B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511109046.1，技术领域涉及：F03D17/00；该发明授权一种基于深度学习的风机叶片智能监测及优化方法是由覃波;胡清泉;杨文献设计研发完成，并于2025-08-08向国家知识产权局提交的专利申请。

本一种基于深度学习的风机叶片智能监测及优化方法在说明书摘要公布了：本发明公开了一种基于深度学习的风机叶片智能监测及优化方法，涉及风力发电技术领域，包括：计算每个历史时段应变数据对应的疲劳累积值；根据所述疲劳状态预测模型预测各局部区域的当前疲劳状态，并依据所述当前疲劳状态，通过预训练强化学习模型生成多个候选载荷调节策略；确定风机叶片疲劳的短期趋势变化特征，并依据所述短期趋势变化特征与当前疲劳状态之间的差异，筛选确定目标载荷调节策略，并生成主动载荷控制信号，以对风机叶片的局部区域载荷实施主动调节；本发明通过深度学习和多尺度卷积特征提取，实现了风机叶片疲劳状态的高精度预测与主动负载调节，从而显著提升风机叶片的使用寿命和运行安全性。

本发明授权一种基于深度学习的风机叶片智能监测及优化方法在权利要求书中公布了：1.一种基于深度学习的风机叶片智能监测及优化方法，其特征在于，包括： S101：根据风机叶片局部区域的历史应变数据，结合疲劳累积速率计算方法计算得到每个历史时段应变数据对应的疲劳累积值，并以历史应变数据作为输入、疲劳累积值作为输出，训练获得疲劳状态预测模型； 其中，所述疲劳状态预测模型的训练方法，包括： 采集风机叶片局部区域的历史应变数据，按固定时长对历史应变数据进行分段处理，获得多个历史时段对应的应变数据样本； 依据Miner疲劳损伤准则和风机叶片材料的疲劳S-N曲线，分别计算每个历史时段应变数据样本对应的疲劳累积值； 构建多尺度卷积特征提取结构，分别对每个历史时段应变数据样本进行卷积操作，提取各个尺度对应的初始疲劳特征； 根据不同尺度疲劳特征之间的相关性确定融合权重，融合获得各历史时段应变数据的融合疲劳特征，以融合疲劳特征作为模型输入，以疲劳累积值作为模型输出，训练获得疲劳状态预测模型； S102：根据所述疲劳状态预测模型预测各局部区域的当前疲劳状态，并依据所述当前疲劳状态，通过预训练强化学习模型生成多个候选载荷调节策略； S103：采集风机叶片的实时振动数据，确定风机叶片疲劳的短期趋势变化特征，并依据所述短期趋势变化特征与当前疲劳状态之间的差异，从所述多个候选载荷调节策略中筛选确定目标载荷调节策略； S104：根据确定的目标载荷调节策略，通过风机主动载荷控制系统生成主动载荷控制信号，以对风机叶片的局部区域载荷实施主动调节。

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湖南工程学院，其通讯地址为：411104 湖南省湘潭市福星东路88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。