公开(公告)号：CN117419010A

公开(公告)日：2024-01-19

申请号：CN202311381896.8

申请日：2023-10-24

Applicant: 吉林大学

Inventor： 周求湛 ,  牟岩

IPC: F03D17/00 ,  G06F18/10 ,  G06F18/2131 ,  G06F18/25 ,  G06F18/243 ,  G06N5/01 ,  G06N20/20 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464

Abstract: 一种基于深度学习的风机叶片健康监测方法及其故障检测方法，涉及健康监测技术领域。解决现有风电叶片的监测方式无法实时、长期连续的监测的问题。监测方法为：预处理振动数据，获得低阶固有频率；根据低阶固有频率监测风机叶片的共振现象；综合对比所有风机叶片的时域波形、频谱图、幅值对比图和时间对比图，监测风机叶片的不平衡现象；提取振动信号中的时域特征和频域特征，获得组合特征；采用stacking堆叠法融合XGboost、随机森林算法和Extra Trees，获得健康监测模型；将组合特征输入到健康监测模型中，并采用加权投票机制对XGboost、随机森林算法和Extra Trees进行加权软投票，获得健康监测结果。

公开(公告)号：CN116129314A

公开(公告)日：2023-05-16

申请号：CN202310060682.4

申请日：2023-01-16

Applicant: 吉林大学

Inventor： 周求湛 ,  刘志宏 ,  牟岩

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公开了一种基于多源信息融合的周界入侵识别方法，所述方法包括如下步骤：步骤S1：搭建基于多传感器的数据采集系统；步骤S2：通过步骤S1搭建的数据采集系统采集环境信号和入侵目标信号，通过小波阈值去噪、图像增强的方式建立入侵目标和环境噪声的样本数据库；步骤S3：对步骤S2构建的样本数据库，通过多域特征提取算法提取样本数据库的环境数据和目标数据的特征值；步骤S4：将步骤S3构建的不同类型特征值利用融合网络进行多特征融合，最后送入目标识别算法，判断当前是否入侵。本发明的方法结合图像、声音和振动传感器构建目标识别技术，弥补了图像传感器被遮挡破坏时系统无法正常工作的问题，提高了周界预警系统的容错能力。