摘要
本发明公开一种基于多模态信息融合的风机叶片缺陷检测方法,涉及风机叶片缺陷检测技术领域,旨在解决传统的风机叶片检测方法根据单一数据进行检测进而无法全面评估叶片健康状态的问题,包括:S1,采集风机叶片的多模态数据并进行预处理;多模态数据包括图像数据、声发射信号和振动信号;S2,提取图像数据中的缺陷特征,通过时频分析方法提取声发射信号的特征和振动信号的频域特征;S3,将图像数据中的缺陷特征、声发射信号的特征和振动信号的频域特征进行多模态特征融合;S4,构建缺陷检测模型进行缺陷检测,对风机叶片进行健康状态分析和故障预测。本发明的方法能够更全面地反映风机叶片的工作状态,提供更精准的缺陷诊断和预测。
技术关键词
多模态信息融合
缺陷检测方法
频域特征
声发射
健康状态分析
多模态特征融合
时频分析方法
风机叶片检测方法
信号
融合特征
图像
卷积神经网络提取
注意力机制
缺陷检测器
短时傅里叶变换
连续小波变换
数据
缺陷检测技术
系统为您推荐了相关专利信息
缺陷检测方法
轨道扣件
三维点云数据
邻域
浅层特征提取
剩余寿命预测方法
剩余寿命预测模型
主氦风机
智能算法
信号处理
疏散路径优化方法
图像采集模块
语音播报模块
传感器模块
时空上下文信息
诊断方法
多模态
多通道同步采样
分层特征提取
孤立森林算法