基于声学特征分析的风力发电机叶片裂痕检测系统

AITNT
正文
推荐专利
基于声学特征分析的风力发电机叶片裂痕检测系统
申请号:CN202411449551
申请日期:2024-10-17
公开号:CN119491796B
公开日期:2025-08-26
类型:发明专利
摘要
本发明涉及风力发电机检测技术领域,具体涉及基于声学特征分析的风力发电机叶片裂痕检测系统,包括声学信号采集模块、材料疲劳状态监测模块、信号分离与识别模块、裂痕定位模块,其中:所述声学信号采集模块采集叶片运行过程中产生的声学信号;所述材料疲劳状态监测模块将材料特性变化与材料损伤数据库进行对比,判断当前叶片的材料疲劳状态;所述信号分离与识别模块区分正常运行的声学信号与异常声学信号;将裂痕信号与材料疲劳信号进行区分;所述裂痕定位模块通过三角定位算法确定裂痕位置。本发明,通过材料行为与声学信号的协同分析,大幅提高了异常信号的分离精度,从而更准确地检测裂痕信号。
技术关键词
风力发电机叶片 裂痕检测系统 声学特征分析 疲劳状态监测 声学信号采集模块 声学传感器 监督学习模型 疲劳损伤状态 识别模块 应变传感器 定位模块 多模态传感器 无线通信网络互联 回归分析法 热敏传感器 异常信号 定位算法
系统为您推荐了相关专利信息
1
一种针对大型风力发电机叶片疲劳的监测系统
大型风力发电机叶片 图像接收模块 监测系统 摆臂 多尺度Retinex算法
2
一种抑制海上风力发电机对船载导航雷达回波干扰的方法
海上风力发电机 回波 干扰特征 周期性特征 杂波抑制功能
3
一种降低风力发电机疲劳载荷的风电调频控制方法
风电调频控制方法 建立风电机组 风力发电机叶片 传动链结构 状态空间模型
4
一种基于深度学习的沉管隧道渗漏声纹识别系统
声纹识别系统 声学信号采集模块 信号预处理模块 深度学习识别 特征提取模块
5
基于多模态数据的疲劳状态监测方法、装置、设备及介质
疲劳状态监测方法 深度学习模型 数据 疲劳状态识别 生理
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号