一种基于深度学习的风机叶片智能监测及优化方法

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。