在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端技术方案

本发明专利技术公开了一种在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端，方法包括S1：对全尺寸叶片图像分为n段，记这n段图像为I

【技术实现步骤摘要】
在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端
本专利技术涉及非接触检测
，尤其涉及在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端。
技术介绍
叶片作为风力发电机组的重要组成部分，易受到雨水、砂石、雷电等外部攻击，进而产生诸如裂纹、破损等不同程度的外部损伤。对叶片进行定期的损伤识别与维护，可以有效预防重大安全财产损失。目前，对于叶片外部损伤识别，较为流行的做法是无人机搭载成像系统进行半自动化巡检，以此确定损伤的性质。这类方法取得了较可取的结果，然而受风场干扰，无人机的稳定性难以保证。另外，该方法难以给定损伤的位置、面积等定量信息，对于后期维护工作不能提供较为准确的数据支撑。因此，需要发展一种不受环境因素影响，同时又高效的非接触式识别方法。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种在役风机全尺寸叶片外部损伤识别方法、系统、存储介质和终端。本专利技术的目的是通过以下技术方案来实现的：本专利技术的第一方面，提供在役风机全尺寸叶片外部损伤识别方法，包括以本文档来自技高网...

【技术保护点】
1.在役风机全尺寸叶片外部损伤识别方法，其特征在于：包括以下步骤：/nS1：对全尺寸叶片图像分为n段，记这n段图像为I

【技术特征摘要】
1.在役风机全尺寸叶片外部损伤识别方法，其特征在于：包括以下步骤：
S1：对全尺寸叶片图像分为n段，记这n段图像为I1,I2,…,In，它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t]，i＝1,2,…,n；叶尖和叶根两点的图像坐标分别记为Xs(xs,ys)和Xe(xe,ye)；
S2：对于每一分段图像，分别执行如下操作：
S21：获取叶片边界的坐标信息：给定初值φ0(x,y)＝0,(x,y)∈[xk,l,xk,r]×[yk,b,yk,t]，迭代求解如下的方程(1)



其中k为分段图像的段数；t表示时间；s＝1-μ(Ik-c)2，s是曲线演化的能量项；μ＞0，是保真项的权重；υ≥0，是长度项的权重；φ是水平集函数；是曲线边界外部的平均灰度值；
记方程(1)得到的收敛解为Φ1，那么{(x,y)|Φ1(x,y)＝0}便是叶片边界的坐标；
S22：获取损伤区域的坐标信息：以区域{(x,y)|Φ1(x,y)＞0}为新的图像，继续求解方程(1)，记得到的收敛解为Φ2；
如果Φ2的值有正有负，即曲线{(x,y)|Φ2(x,y)＝0}存在，那么该曲线内部区域对应的便是损伤部分的边界，该损伤区域范围为[xl',xr']×[yb',yt']；否则，该段叶片不存在损伤。


2.根据权利要求1所述的在役风机全尺寸叶片外部损伤识别方法，其特征在于：所述的方法还包括：
S23：获取损伤区域的定量信息；所述定量信息包括损伤区域中心位于叶尖至叶根的位置location和/或损伤区域大小size；
其中，损伤区域在叶片全尺寸图像中的坐标为[xk,l+xl',xk,r+xr']×[yk,b+yb',yk,t+yt']，其中xk,l、xk,l、yk,b、yk,t是步骤S1中第k块图像对应的边界横纵坐标；损伤区域中心位于叶尖至叶根的位置为：



损伤区域大小为：



其中，L为叶片实际长度。


3.根据权利要求1所述的在役风机全尺寸叶片外部损伤识别方法，其特征在于：所述的全尺寸叶片图像的获取方式包括：
S01：获取叶片分段图像：从叶尖至叶根依次连续分段采集在役风机叶片的图像；其中任意相邻两张图像的公共部分不小于30％；
S02：获得叶片的全尺寸图像：应用图像拼接方法，对叶片分段图像进行拼接，从而获得叶片的全尺寸图像，记该图像为其中Ω是原图像域。


4.根据权利要求1所述的在役风机全尺寸叶片外部损伤识别方法，其特征在于：所述在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,yi,t]的计算方式由下式确定：



式中，m为重叠大小；对于第1个和第n个分段图像，限定其不超过原图像域Ω。


5.在役风机全尺寸叶片外部损伤识别系统，其特征在于：包括：
图像分段模块：用于对全尺寸叶片图像分为n段，记这n段图像为I1,I2,…,In，它们在原图像域Ω中的所处位置分别为[xi,l,xi,r]×[yi,b,y...

【专利技术属性】
技术研发人员：李伟斌，胡斌，罗凤，贾琛，王跃军，赵凡，易贤，马洪林，王应宇，
申请(专利权)人：空气动力学国家重点实验室，
类型：发明
国别省市：四川;51