专利标题 公开号/公告号 公开日期 摘要 专利状态
一种适用于空间多维的结构形变监测系统及监测方法 CN202410097521.7 - 本发明提供了一种适用于空间多维的结构形变监测系统及监测方法，该结构形变监测装置包括距离测量仪、连接装置、固定支架、激光测距仪、活动支架、红外线仪和反射板；距离测量仪安装于稳定结构体上；激光测距仪可移动安装于固定支架上，并通过固定支架与被监测结构相连；红外线仪可转动式设置在活动支架，且红外线仪所发射的红外线能延伸至距离测量仪上；反射板固定安装于活动支架上，以保证距离测量仪所发射的测量光束能够通过反射板进行反射。本发明提供的结构形变监测方法通过将激光测距仪固定于稳定结构体上，将楔形物体固定于被监测结构上，由激光测距仪测出变形前、后的距离，利用相似三角形比例关系可以得出两个结构物之间相对的变形量。 实质审查
一种风机叶轮不平衡监测方法及监测系统 CN202311609044.X - 本发明提供了一种风机叶轮不平衡监测方法及监测系统，该监测方法包括实时获取风机中各叶片叶尖与风机塔筒间的样本数据，形成各叶片叶尖的数据集；对各叶片叶尖的数据集中的样本数据分别进行数据拟合，得出各叶片叶尖的运行轨迹；比较各叶片叶尖运行轨迹间的偏移距离，寻找出最大偏移距离L，进行风机叶轮平横预警的判断。该监测系统用于完成该监测方法。本发明能够及时监测叶片叶尖的运行轨迹，当风机中各叶片叶尖运行轨迹间的最大偏移距离超过安全阈值时，及时报警干预，从而解决出现气动不平衡的问题。 实质审查
一种利用北斗融合激光数据监测风机叶片动态特征的方法 CN202311502060.9 - 本发明提供了一种利用北斗融合激光数据监测风机叶片动态特征的方法，包括步骤S1、分别获取风机塔筒的形变结构力学特性曲线f（D）＝d和风机叶片的形变结构力学特性曲线g（l）＝L；步骤S2、由f（D）＝d推导出风机运转中风机叶片尖端扫掠最低平面处的塔筒的形变位移d′＝f（D′）；由g（l）＝L推导出风机运转中风机叶片尖端的形变位移L′＝g（l′）；获得风机叶片收桨角度γ；步骤S3、根据步骤S2获取的d′、L′和γ数据得到风机运转中风机叶片的实时净空距离。本发明能够获得风机叶片的实时净空距离，便于及时反馈和控制风机，保障风机运行安全。 实质审查
一种用于地铁隧道的自动巡检系统 CN202310930520.1 - 本发明公开了一种用于地铁隧道的自动巡检系统，包括沿着地铁隧道长度方向设置的导轨，所述导轨上设有移动载体；移动载体上设有执行机构；所述执行机构包括动力控制盒和弧形伸缩探测杆，所述动力控制盒连接弧形伸缩探测杆；所述弧形伸缩探测杆包括一级弧形板和二级弧形板，所述一级弧形板可滑动式设置在动力控制盒上，所述二级弧形板可滑动式设置在一级弧形板上，所述一级弧形板和二级弧形板上均设有探测传感器组件。优点是，本发明中的弧形伸缩探测杆由一级弧形板和二级弧形板组成，从而实现对地铁隧道表面以及轨道的近距离检测，获取更准确的检测结果，配合导轨和移动载体，实现了对地铁隧道的长时间自动巡检。 实质审查
一种基于GNSS和IMU的风机轨迹高频监测方法 CN202310812972.X 2023-09-19 本发明提供一种基于GNSS和IMU的风机轨迹高频监测方法，将GNSS和IMU结合进行风机安全监测，用IMU输出的方位角判断风机塔筒初始中心、风机塔筒实时中心与GNSS接收机的关系，将角度误差转换为位移误差量；针对风机塔筒初始中心、风机塔筒实时中心与GNSS接收机三者在或不在一条直线上的两种情况，分别提供风机塔筒位移量的计算方式；当三者在一条直线上时可以直接计算风机中心点的位移量，IMU的姿态角仅用于姿态判断，并不直接参与位移解算，减少误差积累；当三者不在一条直线上时，采用简单方法进行位移计算，无需利用状态转移矩阵进行复杂运算，减少运算量，更适合高频解算。 专利权的授权
一种相控阵雷达监测风力发电机叶片净空方法及装置 CN202310429204.6 2023-06-20 本发明公开了一种相控阵雷达监测风力发电机叶片净空方法及装置，所述方法包括如下步骤：在塔基处设置相控阵雷达装置，所述相控阵雷达装置通过线性排列的多个雷达按照设定的时间差依次发射波束，波束叠加形成加强信号的主波束，主波束形成叶片监测区域；同步调节雷达发射波束的仰角，确保叶片监测区域覆盖风机叶片叶尖部分的运行轨迹；实时采集叶片测距数据并解算得到叶片净空距离，当叶片净空距离小于设定的净空安全值则发出警报。优点是，采用多波束叠加的相控阵雷达对风机叶片净空进行实时监测，具备穿透能力强、高采样率和高分辨率特点，较现有监测风机叶片净空方法，大大提高了监测的范围、速度、数据量、精度和可靠性。 专利权的授权
一种音频消噪方法 CN202310260337.5 - 本发明提供了一种音频消噪方法，包括对采集的含噪样本训练数据进行预处理；对于进行预处理后的含噪样本训练数据进行多尺度特征提取，提取其时域特征、频域特征和倒谱域特征，得到复合特征矩阵，并对复合特征矩阵中的特征数据进行降维处理，得到降维的多尺度特征数据；建立深度神经网络模型，通过降维的多尺度特征数据对深度神经网络模型进行训练，直至深度神经网络模型的网络自适应掩蔽能力收敛至接近理想自适应时频掩蔽阈值；通过训练后的深度神经网络模型对含噪音频进行去噪处理等步骤。本发明通过自适应时频掩蔽做为神经网络估计目标的方法，用于训练深度神经网络模型，可以更好的消除工业领域内采集到的音频信号中目标音频以外的噪声。 实质审查
一种基于雷达数据的风机叶片净空距离监测方法 CN202310138689.3 2023-06-20 本发明公开一种基于雷达数据的风机叶片净空距离监测方法，包括步骤S1至步骤S5：步骤S1：在风机上安装雷达，雷达用于观测风机的叶尖划过最低点形成的轨迹；步骤S2：建立三维空间坐标系；步骤S3：通过雷达扫描叶尖最低点，对叶尖划过最低点形成的轨迹在平面的投影直线进行拟合；步骤S4：求解三维空间坐标系的原点到投影直线的距离；步骤S5：通过步骤S4中得到的距离求解叶片的净空距离。本发明的监测方法通过对点云分类和点云分割算法进行研究，实现对风机叶片运行状态中位置信息监测由点到面到三维空间的提升，完成对不同环境及荷载条件下叶片变形的高精度、稳定可靠的监测。 专利权的授权
一种基于雷达的风机叶片净空距离计算方法 CN202310138681.7 2023-06-20 本发明公开一种基于雷达的风机叶片净空距离计算方法，根据雷达（即微波雷达）安装的位置、姿态和监测值，充分利用塔筒、叶片和微波雷达之间的几何关系，将微波雷达测得的多个值转换成单个的，更接近现场实际情况的风机叶片净空距离值，且本方法的计算方法理论严密，便于实现，能够简单的、高效的、精确的计算出多个微波雷达监测情况下的风机叶片净空距离值，可以为风机叶片净空距离监测提供重要的技术支撑。 专利权的授权
一种风力发电机叶片状态识别方法、设备及存储介质 CN202310105480.7 - 本发明提供了一种风力发电机叶片状态识别方法、设备及存储介质，所述方法的步骤包括对原始音频信号依次进行预加重处理、维纳滤波处理、分帧处理、加窗处理以及短时能量处理，得到音频信号；再对音频信号做梅尔频率倒谱系数提取，得到音频信号特征；将所述音频信号特征输入神经网络进行风力发电机叶片状态识别与分类训练，得到风力发电机叶片状态识别神经网络模型，基于所述风力发电机叶片状态识别神经网络模型实现风力发电机叶片状态识别。优点是，维纳滤波处理与短时能量计算有效地对风力发电机叶片声信号的背景风噪进行降低与消除；分帧处理和加窗处理，消除了细微噪声。 实质审查