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！

龙图腾网获悉潍坊学院申请的专利一种压气机叶轮效率一致性的检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：CN121345809B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511891838.9，技术领域涉及：F04D27/00；该发明授权一种压气机叶轮效率一致性的检测方法是由马超;张健健;王孝丽;刘莹;郭姗姗;战强;孟昊;马宝东;李国祥;孙楠楠;杨名洋设计研发完成，并于2025-12-16向国家知识产权局提交的专利申请。

本一种压气机叶轮效率一致性的检测方法在说明书摘要公布了：本申请公开了一种压气机叶轮效率一致性的检测方法，包括：步骤1，样本预处理与点云扫描；步骤2：色彩空间转换，将RGB色彩空间转换为HSV色彩空间并利用色度H维度的特性；步骤3，偏差参数计算，通过计算平均偏差量化叶形偏差的整体水平，计算最大偏差量化叶形偏差的极端程度，计算大偏差比率量化叶形偏差的敏感区分布密度；步骤4，效率偏差预测，通过建立叶形偏差与效率偏差的量化关联模型，将几何偏差数据转化为直观的性能偏差结果；步骤5，性能一致性判定，根据效率偏差结果判定。通过建立叶形偏差与效率偏差的量化关联模型，结合色彩空间转换实现偏差精准提取，最终实现高效、高精度的性能一致性检测。

本发明授权一种压气机叶轮效率一致性的检测方法在权利要求书中公布了：1.一种压气机叶轮效率一致性的检测方法，其特征在于：包括以下步骤： 步骤1，样本预处理与点云扫描； 步骤2：色彩空间转换，将RGB色彩空间转换为HSV色彩空间并利用色度H维度的特性，实现叶形偏差的精准量化提取，同时剔除背景干扰； 步骤3，偏差参数计算，通过计算平均偏差量化叶形偏差的整体水平，计算最大偏差量化叶形偏差的极端程度，计算大偏差比率量化叶形偏差的敏感区分布密度，构建叶形偏差的全面表征体系； 步骤4，效率偏差预测，通过建立叶形偏差与效率偏差的量化关联模型，将几何偏差数据转化为直观的性能偏差结果； 步骤5，性能一致性判定，根据效率偏差结果判定； 所述步骤3具体实现过程还包括以下步骤： 步骤31，叶形偏差映射完成后，确定以下参数： 叶轮轮径：根据待检测叶轮型号输入叶轮轮径d； 叶片包括前缘区域和尾缘区域，前缘区域是距离叶片进口端10%弦长的区域；尾缘区域是距离叶片出口端10%弦长的区域； 大偏差识别标准：； 步骤32，消除叶轮尺寸大小影响的平均叶形偏差：统计主叶片、分流叶片所有有效扫描点的偏差数值，计算算术平均值； 步骤33，最大偏差计算：提取主叶片、分流叶片有效扫描点中的最大偏差数值，并消除叶轮尺寸的影响，量化压气机叶轮中最严重的叶形偏离程度； ，为叶形偏差，将图片背景的白色在色度H维度上均标记为“NaN”； 步骤34，前缘区域和尾缘区域内为了量化严重叶形偏差在敏感区的分布密度，从而反映叶形偏差对气动性能的潜在影响程度，需要计算叶片最大偏差比率，即计算前缘区域和尾缘区域超过设定阈值的大偏差像素数量与前缘区域和尾缘区域总有效像素数量的比值； 步骤35，输出结果，输出计算得到表征叶形性能一致性偏差的关键参数； 所述步骤32实现的具体过程如下： 统计图片中对应叶形偏差图片的有效像素个数：，图片中所有叶形偏差Sij不为NaN的像素数量即为有效像素总数Num，其中i、j是图片像素的行列索引，i是行号，j是列号，用于定位图片中某一个具体像素，m、n是图片的总行数和总列数，代表整个扫描图片的像素规模，Sij：第i行、第j列像素对应的叶形偏差； 计算图片中叶形偏差之和：，统计图片中主叶片有效区域所有像素的叶形偏差之和； 综合主叶片和分流叶片消除叶轮尺寸大小影响的平均叶形偏差： ，其中ΔSsum_m为主叶片的总叶形偏差，ΔSsum_S为分流叶片的总叶形偏差，Numm为主叶片的有效像素个数，Nums为分流叶片的有效像素个数； 所述步骤34实现的具体过程如下： 获取矩阵，对应叶形偏差的元素的列序号，并构成叶片有效像素的向量矩阵： ，其中Jk是矩阵中的第k个元素； 统计J向量中的元素数目：； 识别距离叶片前缘区域和尾缘区域对应像素的行坐标向量矩阵： 前缘区域的行坐标向量矩阵，先从叶片有效区域矩阵J中，筛选出偏差绝对值最大的前缘区域像素，用矩阵Jtop10%标记这些极端偏差的位置： ，其中Jr是矩阵Jtop10%中的第r个元素，k是矩阵J的元素序号，l是前缘区域的最大偏差像素的数量，r是矩阵Jtop10%的元素序号，取值1到l； 尾缘区域的行坐标向量矩阵，先从叶片有效区域矩阵J中，筛选出偏差绝对值最小的尾缘区域像素；用矩阵Jbottom10%标记这些最优区域的位置，聚焦叶形最接近标准模型的区域： ，其中Js是矩阵Jbottom10%中的第s个元素，s是矩阵Jbottom10%的元素序号，取值范围是N-l+1到N； 前缘区域和尾缘区域的列索引：； 列索引的模：； 选取叶片前缘区域和尾缘区域的像素偏差中提取所有满足大偏差阈值q的偏差值构成矩阵Slocat_large： ，其中Sij_large是叶片敏感区内第i行、第j列像素对应的叶形偏差值，且叶形偏差值Sij_large≥q，第1个、第2个、第3个……第t个敏感区像素对应的叶形偏差值； 识别矩阵Slocat_large中满足叶形大偏差条件的元素，并将其记为1，不满足大偏差条件的元素将其记为0： ； 统计矩阵Slocat_large中满足大偏差条件的像素的个数： ； 计算叶片前缘区域和尾缘区域满足大偏差条件的像素数目占图片中对应叶形偏差图片的像素个数，即计算大偏差占比： ； 所述步骤4的具体实现过程如下： 叶形效率偏差是平均叶形偏差和大叶形偏差叠加作用的结果，因此偏差效率计算公式写成如下形式： ； 其中代表了平均叶形偏差对效率影响的贡献，代表了最大叶形偏差以及大偏差占比对效率影响的综合贡献； 所述步骤4的具体实现过程如下： 效率偏差的拟合关联式为： ； 其中，拟合系数A=0.2537，基础偏差B=-0.0018； 以为自变量形式进行拟合时，在调整a和b的增益系数后，与保持较好的线性关系，因此的拟合关联式为： ； 其中拟合系数C=0.0112，额外损失基础值D=-0.00002，最大偏差减去平均偏差的增益系数a=0.25，大偏差占比的增益系数b=0.15； 总的叶片效率预测偏差为： ； 。

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潍坊学院，其通讯地址为：261061 山东省潍坊市高新区东风东街5147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”。

以上内容由龙图腾AI智能生成。