买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜沈阳工业大学申请的专利风电叶片层间粘接缺陷在极端风况下的初始损伤预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119442971B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411549673.2，技术领域涉及：G06F30/28；该发明授权风电叶片层间粘接缺陷在极端风况下的初始损伤预测方法是由周勃;孙宁;郑皓成;王义娜;何赟泽;俞方艾设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本风电叶片层间粘接缺陷在极端风况下的初始损伤预测方法在说明书摘要公布了：本申请提出风电叶片层间粘接缺陷在极端风况下的初始损伤预测方法，属于风力发电机组状态监测技术领域，包括：将风特征参数的样本点输入到敏感度分析模型中，得到风特征参数对叶片主梁部位的层间粘结缺陷的敏感度，敏感度分析模型采用神经网络与Sobol方法建立，用最大损伤处与非最大损伤处的应变余能密度的KL散度作为训练数据；将一阶Sobol效应指数、总效应Sobol指数最高的前N个风特征参数作为高敏感因素；将高敏感因素的实际测量范围输入到叶片层间粘结缺陷部位的内聚力有限元模型中，得到应变余能密度，将应变余能密度作为叶片的损伤程度。本申请能够识别风电叶片层间粘接缺陷在极端风况下的产生早期损伤的高风险区域。

本发明授权风电叶片层间粘接缺陷在极端风况下的初始损伤预测方法在权利要求书中公布了：1.风电叶片层间粘接缺陷在极端风况下的初始损伤预测方法，其特征在于，包括：根据风场当地的极端风况，获取风特征参数的样本点；将风特征参数的样本点输入到预建立的敏感度分析模型中，得到风特征参数对叶片主梁部位的层间粘结缺陷的敏感度，所述预建立的敏感度分析模型采用BP神经网络与Sobol方法建立，并使用最大损伤处与非最大损伤处的应变余能密度的KL散度作为训练数据；根据所述风特征参数以及敏感度，计算一阶Sobol效应指数以及总效应Sobol指数，使得一阶Sobol效应指数和或总效应Sobol指数最高的前N个风特征参数作为高敏感因素；将高敏感因素的实际测量范围输入到预建立的叶片层间粘结缺陷部位的内聚力有限元模型中，得到分层损伤区域损伤单元的应变余能密度，将所述应变余能密度作为叶片的损伤程度，计算叶片的损伤程度与无缺陷叶片的设计载荷之间的比值，若所述比值大于预设定阈值，则预测结果为叶片的对应位置处发生初始损伤。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人沈阳工业大学，其通讯地址为：110870 辽宁省沈阳市经济技术开发区沈辽西路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。