摘要
本发明涉及风力发电技术领域,尤其涉及基于多源数据融合的长柔叶片监测方法及系统,本发明采用多源数据融合技术,通过在风机叶片上布置传感器节点采集光纤应变、振动、环境与图像数据,经预处理生成综合特征数据,再由多模态自编码器提取潜在特征向量,结合离线有限元仿真数据和物理约束条件,利用物理信息神经网络映射为预测受力数据。随后,多模态深度融合网络与层级强化学习生成控制决策,实时调节叶片状态并通过闭环反馈机制优化模型。本发明实现了对叶片污染、结冰等特殊工况的精准监测与主动调控。
技术关键词
综合传感器
环境监测数据
多模态深度
训练卷积神经网络
闭环反馈机制
决策
仿真数据
滑动平均滤波
传感器节点
监测方法
离散小波变换
风机叶片
多源数据融合技术
叶片监测系统
主成分分析技术
受力
层级
系统为您推荐了相关专利信息
炉具
注意力机制
特征提取模块
深度学习卷积神经网络
图片
特异性皮炎
图像分割方法
通用图像数据
训练卷积神经网络
图像数据预处理
环境监测数据
数字孪生体
地理信息系统
建模方法
序列
活动识别方法
训练卷积神经网络
声音采集设备
活动识别系统
麦克风
图像智能识别系统
农作物虫害
电子信息技术
环境监测数据
策略数据库