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！

龙图腾网获悉燕山大学申请的专利基于自适应权重损失函数的风电机组叶片结冰检测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：CN115270945B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202210853322.5，技术领域涉及：G06F18/2415；该发明授权基于自适应权重损失函数的风电机组叶片结冰检测方法是由江国乾;岳儒旭;谢平;武鑫;李小俚;何群设计研发完成，并于2022-07-08向国家知识产权局提交的专利申请。

本基于自适应权重损失函数的风电机组叶片结冰检测方法在说明书摘要公布了：本发明公开了一种基于自适应权重损失函数的风电机组叶片结冰检测方法，属于风电机组状态检测领域，首先从数据采集与监视控制系统获取叶片结冰数据，删除其中的无效数据将其划分为训练集、验证集和测试集；然后构建基于注意力网络的叶片结冰状态检测模型，设计自适应权重损失函数对检测模型进行训练；在模型训练阶段，将数据集分成多个批次，根据不同批次中的结冰数据个数对其进行分类，以批次所属不同类别为基础，为结冰数据自适应分配权重，提高结冰状态检测模型对于结冰数据的识别率，从而增强检测模型的总体分类性能。与传统损失函数相比，本发明设计的自适应权重损失函数无需设置超参数，具有更好的自适应性，同时也提高了结冰检测的准确性。

本发明授权基于自适应权重损失函数的风电机组叶片结冰检测方法在权利要求书中公布了：1.一种基于自适应权重损失函数的风电机组叶片结冰检测方法，其特征在于该方法包括以下步骤： 步骤一：从数据采集与监视控制SCADA系统获取风电机组叶片结冰数据，并根据数据不同类别标记标签，其中正常数据标记为标签0、结冰数据标记为标签1、无效数据标记为标签-1；将结冰检测数据集划分为训练集、验证集和测试集； 步骤二：建立基于时空注意力网络的风电机组叶片结冰状态检测模型，所述的时空注意力网络是指以全卷积网络FCNN和长短时记忆网络LSTM的并联结构为基础的模型； 步骤三：构建自适应权重损失函数，对步骤二得到的叶片结冰状态检测模型进行训练；利用构建的损失函数为训练集中结冰数据和正常数据所分别自适应分配的权重，增强模型对于结冰数据的分类能力，从而提升模型在测试集上的总体分类性能；步骤三中包括如下子步骤： 3.1将结冰检测数据集的训练集划分成多个批次的数据，划分出的批次称为样本组，将训练集按样本组导入模型进行训练； 3.2分析各样本组中的结冰数据分布，对于包含有结冰数据的样本组，求取单个样本组中结冰数据个数的平均值，具体为： ； 式中X为所有包含结冰数据的样本组中该类数据总数，N为含有结冰数据样本组的组数； 3.3在对不同样本组所含结冰数据的分布进行分析后，将样本组根据其所包含的结冰数据个数进行分类，共分为无结冰数据样本组、稀疏样本组以及稠密样本组等3类；其中无结冰数据样本组仅含正常数据，稀疏样本组包含结冰数据个数小于步骤3.2中所计算的平均值A，稠密样本组包含的结冰数据个数高于平均值A； 3.4为无结冰数据样本组设计权重分配式，具体为： ； 式中，m表示单个样本组中正常数据的个数； 将β代入到损失函数的公式,具体为： ； 式中的表达式为： ； 式中p表示数据被预测为结冰状态的概率； 3.5为稀疏样本组设计权重分配式，具体为： ； 式中，m和n分别表示单个样本组中正常数据和结冰数据的个数； 将β代入到损失函数的公式,具体为： ； 其中表达式为： ； 式中p表示数据被预测为结冰状态的概率； 3.6为稠密样本组设计权重分配式；引入两个自适应调节系数λ和γ，其中λ为样本组中结冰数据的个数和正常数据的个数之比，γ为样本组中正常数据的个数与结冰数据的个数之比；具体表达式为： ； ； m和n分别表示单个样本组中正常数据和结冰数据的个数； 稠密样本组的权重分配公式为： ； 将β代入到损失函数的公式,具体为： ； 式中的表达式为： ； 式中p表示数据被预测为结冰状态的概率； 步骤四：利用测试集，对步骤三中训练好的模型分类效果进行评估。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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。