-
公开(公告)号：CN116596909B
公开(公告)日：2025-05-16
申请号：CN202310631464.1
申请日：2023-05-31
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于多属性感知注意力的风电叶片表面损伤检测方法，包括以下步骤：建立多类风电叶片损伤图像数据库；建立通道‑空间注意力增强的特征提取主干网络；建立损伤边界框的多属性感知损失函数；构建风电叶片损伤检测模型。本发明针对叶片损伤检测中存在的损伤边界框与真实框匹配度不佳的问题，从损伤特征提取和边界框差异度量两个方面入手，将通道空间注意力模块嵌入特征提取网络的主干中，对损伤特征进行通道和空间的增强；然后设计多属性感知损失函数用于边界框生成，该损失函数通过将边界框生成网络的注意力同时放置于边界框的多个属性，更加全面地感知边界框直接的差异，从而生成与真实框匹配度更高的损伤边界框。
-
公开(公告)号：CN119222099B
公开(公告)日：2025-02-11
申请号：CN202411774517.6
申请日：2024-12-05
Applicant: 湖南科技大学
IPC: F03D7/00 , F03D7/04 , F03D7/02 , G06F18/213 , G06F123/02
Abstract: 本发明公开了一种嵌入线性处理预测控制的风电机组独立变桨控制方法，属于风电领域，包括以下步骤：建立大型风电机组的数学模型；建立线性处理器的数学模型；建立模型预测控制器的数学模型；基于建立的模型预测控制器，将桨距角信号作为模型预测控制器的输入，进行风电机组独立变桨控制。本发明通过线性处理器在一个通信周期内将变桨信号离散成多个信号输出，减少信号频次与幅值波动，结合模型预测控制在多输入多输出系统方面的优越性，从而降低驱动机构疲劳损耗、提升叶片降载效果，适用于高精度控制和参数变化的系统。
-
公开(公告)号：CN119222099A
公开(公告)日：2024-12-31
申请号：CN202411774517.6
申请日：2024-12-05
Applicant: 湖南科技大学
IPC: F03D7/00 , F03D7/04 , F03D7/02 , G06F18/213 , G06F123/02
Abstract: 本发明公开了一种嵌入线性处理预测控制的风电机组独立变桨控制方法，属于风电领域，包括以下步骤：建立大型风电机组的数学模型；建立线性处理器的数学模型；建立模型预测控制器的数学模型；基于建立的模型预测控制器，将桨距角信号作为模型预测控制器的输入，进行风电机组独立变桨控制。本发明通过线性处理器在一个通信周期内将变桨信号离散成多个信号输出，减少信号频次与幅值波动，结合模型预测控制在多输入多输出系统方面的优越性，从而降低驱动机构疲劳损耗、提升叶片降载效果，适用于高精度控制和参数变化的系统。
-
公开(公告)号：CN116596909A
公开(公告)日：2023-08-15
申请号：CN202310631464.1
申请日：2023-05-31
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于多属性感知注意力的风电叶片表面损伤检测方法，包括以下步骤：建立多类风电叶片损伤图像数据库；建立通道‑空间注意力增强的特征提取主干网络；建立损伤边界框的多属性感知损失函数；构建风电叶片损伤检测模型。本发明针对叶片损伤检测中存在的损伤边界框与真实框匹配度不佳的问题，从损伤特征提取和边界框差异度量两个方面入手，将通道空间注意力模块嵌入特征提取网络的主干中，对损伤特征进行通道和空间的增强；然后设计多属性感知损失函数用于边界框生成，该损失函数通过将边界框生成网络的注意力同时放置于边界框的多个属性，更加全面地感知边界框直接的差异，从而生成与真实框匹配度更高的损伤边界框。
-
-
-
Search Results
4
records
(took 0.017 seconds)
