買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學申請的專利基于逆有限元變形重構和深度學習的塔筒結構監測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115508066B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211128284.3，技術領域涉及：G01M13/00；該發明授權基于逆有限元變形重構和深度學習的塔筒結構監測方法是由錢鵬;徐海洋;張大海;應有設計研發完成，并于2022-09-16向國家知識產權局提交的專利申請。

本基于逆有限元變形重構和深度學習的塔筒結構監測方法在說明書摘要公布了：本發明公開了一種基于逆有限元變形重構和深度學習的塔筒結構監測方法。方法包括：在風機塔筒上布設應變傳感器，采集模擬損傷引起的應變分布數據；通過逆有限元變形重構算法重構模擬損傷下的三維位移分布；轉換為二維位移分布并輸入卷積神經網絡模型中訓練，獲得訓練完成的卷積神經網絡模型；采集風機塔筒的實際損傷引起的應變分布數據，并重構轉換為二維位移分布；輸入訓練完成的卷積神經網絡模型中，輸出風機塔筒的損傷位置和損傷程度信息，實現風機塔筒的結構監測。本發明能通過監測風機塔筒上部分位置點的應變信息重構出風機塔筒整體結構的位移分布，并能夠識別出塔筒是否存在損傷并指示損傷位置和程度信息，為風電機組的安全服役提供保障。

本發明授權基于逆有限元變形重構和深度學習的塔筒結構監測方法在權利要求書中公布了：1.一種基于逆有限元變形重構和深度學習的塔筒結構監測方法，其特征在于：包括如下步驟：S1、在風機塔筒的內壁上均勻間隔布設若干應變傳感器，通過各個應變傳感器采集風機塔筒的不同位置和不同程度的模擬損傷引起的應變分布數據；S2、針對各個應變傳感器采集的風機塔筒的一個位置處的一種程度的模擬損傷引起的應變分布數據，通過逆有限元變形重構算法重構出風機塔筒的一個位置處的一種程度的模擬損傷下的風機塔筒結構的整體三維位移分布；各個應變傳感器采集風機塔筒的不同位置和不同程度的模擬損傷引起的應變分布數據獲得各自的風機塔筒結構的整體三維位移分布；S3、構建卷積神經網絡模型，將風機塔筒的不同位置和不同程度的模擬損傷下的風機塔筒結構的整體三維位移分布均轉換為整體二維位移分布，將風機塔筒的不同位置和不同程度的模擬損傷下的風機塔筒結構的整體二維位移分布輸入卷積神經網絡模型中進行訓練，獲得訓練完成的卷積神經網絡模型；S4、在風機塔筒產生實際損傷后，通過風機塔筒上的各個應變傳感器采集風機塔筒上的實際損傷引起的應變分布數據，并通過逆有限元算法重構出風機塔筒的實際損傷下的風機塔筒結構的整體三維位移分布并轉換為整體二維位移分布；將風機塔筒的實際損傷下的風機塔筒結構的整體二維位移分布輸入訓練完成的卷積神經網絡模型中，訓練完成的卷積神經網絡模型輸出風機塔筒的損傷位置和損傷程度信息，實現風機塔筒的結構監測；所述的步驟S3中，將風機塔筒的不同位置和不同程度的模擬損傷下的風機塔筒結構的整體二維位移分布輸入卷積神經網絡模型中進行訓練，針對風機塔筒的一個位置處的一種程度的模擬損傷下的風機塔筒結構的整體二維位移分布，整體二維位移分布中包括風機塔筒的模擬損傷的實際損傷位置和實際損傷程度，卷積神經網絡模型處理后輸出風機塔筒的模擬損傷的預測損傷程度和預測損傷位置，分別計算卷積神經網絡模型輸出的風機塔筒的模擬損傷的預測損傷位置和預測損傷程度與風機塔筒的模擬損傷的實際損傷位置和實際損傷程度之間的誤差；直至多次迭代計算獲得的卷積神經網絡模型輸出的風機塔筒的模擬損傷的預測損傷位置和預測損傷程度與風機塔筒的模擬損傷的實際損傷位置和實際損傷程度之間的誤差均小于預設誤差閾值，完成卷積神經網絡模型的訓練，獲得訓練完成的卷積神經網絡模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：316021 浙江省舟山市定海區浙大路1號浙江大學舟山校區；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。