1. 您所在位置：
  2. 网站首页
  3. 专利分类
  4. 物理
发明

一种基于深度学习的风机叶片故障声学检测方法与系统

2023-08-25 07:27:45 发布于四川 1
  • 申请专利号：CN202310581575.6
  • 公开（公告）日：2025-10-31
  • 公开（公告）号：CN116631442A
  • 申请人：浙江大学
摘要：本发明公开了一种基于深度学习的风机叶片故障声学检测方法与系统。本方法首先对麦克风阵列训练数据进行波束形成、高通滤波增强并进行划分与增广；之后对训练数据提取短时傅里叶变换特征、梅尔滤波器组特征、短时图傅里叶变换特征和图域梅尔滤波器组特征；最后训练风机叶片故障检测神经网络；将实际麦克风阵列数据进行波束形成、高通滤波增强并提取信号特征，输入到训练好的神经网络中，得到故障检测结果。该系统包括服务端与客户端；客户端基于网页实现以适配不同软硬件的用户设备，客户端与服务端之间的通信基于SSH端口实现。本发明方法在实录风机叶片辐射噪声数据构建的测试集上准确率高，系统适配适配不同软硬件设备的用户设备。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116631442 A (43)申请公布日 2023.08.22 (21)申请号 202310581575.6 G06F 18/213 (2023.01) G06F 18/214 (2023.01) (22)申请日 2023.05.23 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 潘翔　张晨辉　 (74)专利代理机构 杭州求是专利事务所有限公 司 33200 专利代理师 刘静 (51)Int.Cl. G10L 25/51 (2013.01) G10L 25/24 (2013.01) G10L 25/30 (2013.01) G10L 25/45 (2013.01) G10L 21/0216 (2013.01) 权利要求书3页 说明书7页 附图2页 (54)发明名称 一种基于深度学习的风机叶片故障声学检 测方法与系统 (57)摘要 本发明公开了一种基于深度学习的风机叶 片故障声学检测方法与系统。本方法首先对麦克 风阵列训练数据进行波束形成、高通滤波增强并 进行划分与增广；之后对训练数据提取短时傅里 叶变换特征、梅尔滤波器组特征、短时图傅里叶 变换特征和图域梅尔滤波器组特征；最后训

最新专利

相关专利