一种高速风机叶片外形检测方法技术

本发明专利技术涉及外形检测的技术领域，公开了一种高速风机叶片外形检测方法，包括：利用超声波发射装置向高速风机叶片发射超声波，对返回的回波信号进行信号预处理；构建基于高速风机叶片形变识别的支持向量机模型，利用支持向量机模型对预处理后的回波信号是否存在叶片形变进行检测，利用时频转换方法将存在叶片形变的回波信号转换为时频图；将模型训练参数作为神经网络模型的参数，若检测到叶片形变，则将回波信号的时频图输入到神经网络模型中，神经网络模型输出高速风机叶片产生形变的位置和形变大小。本发明专利技术所述方法通过利用叶片形变检测模型检测叶片是否发生形变，若检测到叶片发生形变，则利用神经网络模型识别叶片的形变位置以及形变大小。置以及形变大小。

【技术实现步骤摘要】
一种高速风机叶片外形检测方法


[0001]本专利技术涉及外形检测的
，尤其涉及一种高速风机叶片外形检测方法。

技术介绍

[0002]现代工业生产系统设备规模越来越大，关键设备故障频繁、停工损失及维修费用也大幅度上升。因此，提高设备运行的安全性、可靠性，降低维护和生产费用成为工业过程关注的焦点。目前大多数设备是依靠人工点检或基本的显示仪表检测，不能够有效地预测和预防设备将出现的故障，作为机电设备中不可或缺的重要动力组成，风机自其产生阶段开始就作为了主要工业生产装备部件。
[0003]高速风机叶片在工作中承受着高速旋转的作用，同时转轴的旋转也会带来离心力，引起发电机组振动，因此叶片承受着转轴转动产生的离心力、气流经动叶片时产生的流体冲击力，导致高速风机叶片经常发生变形。
[0004]鉴于此，本专利技术提出一种高速风机叶片外形检测方法，通过利用叶片形变检测模型检测高速风机叶片是否发生形变，若检测到高速风机叶片发生形变，则利用神经网络模型识别叶片产生形变的位置以及形变大小。

技术实现思路

[0005]本专利技术提供一种高速风机叶片外形检测方法，目的在于(1)利用超声波检测叶片形变；(2)利用神经网络模型识别叶片产生形变的位置以及形变大小。
[0006]实现上述目的，本专利技术提供的一种高速风机叶片外形检测方法，包括以下步骤：
[0007]S1：利用超声波发射装置向高速风机叶片发射超声波，对返回的回波信号进行信号预处理；
[0008]S2：构建基于高速风机叶片形变识别的支持向量机模型，利用支持向量机模型对预处理后的回波信号是否存在叶片形变进行检测，利用时频转换方法将存在叶片形变的回波信号转换为时频图；
[0009]S3：构建以信号时频图为输入，叶片形变位置以及形变大小为输出的神经网络模型，获取神经网络模型训练集，利用梯度下降法训练得到模型的训练参数；
[0010]S4：将模型训练参数作为神经网络模型的参数，若检测到叶片形变，则将回波信号的时频图输入到神经网络模型中，神经网络模型输出高速风机叶片产生形变的位置和形变大小。
[0011]作为本专利技术的进一步改进方法：
[0012]所述S1步骤中利用超声波发射装置向高速风机叶片发射超声波，包括：
[0013]超声波发射装置向高速风机叶片表面发射超声波，则超声波信号x(t)为：
[0014]x(t)＝h(m)*e(t
‑
m+1),m＝1,2,
…
,M
[0015][0016]其中：
[0017]h(t)表示超声波信号在传递过程中产生的传递波，将传递波离散化为h(m)，M表示传递波的长度；
[0018]e(t
‑
m+1)表示传递波的反射序列；
[0019]β表示超声波的信号幅值，将其设置为1；
[0020]α表示超声波的信号带宽，将其设置为103；
[0021]f表示超声波发射装置的中心频率，将其设置为100Hz；
[0022]表示超声波发射装置的初始相位，将其设置为π/6；
[0023]τ表示超声波的偏移时间，将其设置为0.03；
[0024]t表示超声波信号的时域信息；
[0025]超声波能量到达高速风机叶片反射回来，形成高速风机叶片表面的回波B，若高速风机叶片表面存在形变缺陷或颗粒物质，则超声波遇到叶片表面形变缺陷或颗粒会发生反射，形成高速风机叶片表面的形变波D，将高速风机叶片表面的回波B以及高速风机叶片表面的形变波D作为接收到的回波信号u(t)，其中t表示信号的时域信息。
[0026]所述S1步骤中对返回的回波信号进行小波降噪的信号预处理，包括：
[0027]利用小波降噪技术对回波信号进行降噪处理，得到预处理后的回波信号，所述小波滤波技术流程为：
[0028]1)选择小波函数ω(t)，固定尺度因子a，利用所选择的小波函数对回波信号u(t)进行小波变换处理，在本专利技术一个具体实施例中，所选择的小波函数为dbN小波函数，所述小波变换处理公式为：
[0029][0030]其中：
[0031]b表示小波函数的位移因子；
[0032]q
u(t)
(a,b)表示小波变换得到的小波系数；
[0033]2)改变小波函数的位移因子并重复步骤1)，得到在尺度因子a下的小波系数；
[0034]3)改变尺度因子a，重复步骤1)2)，得到回波信号在不同尺度因子、位移因子下的小波系数q
u(t)
(a,b)，直到
[0035]4)确定小波阈值为σ；
[0036]5)删除小于小波阈值σ的小波系数，选择大于小波阈值σ的小波系数，利用小波逆变换方法将小波系数重构为回波信号，将重构得到的回波信号作为预处理后的回波信号f(t)，则小波逆变换方法的公式为：
[0037][0038]其中：
[0039]q
u(t)
(a,b)
′
为大于小波阈值的小波系数；
[0040]f(t)为重构得到的回波信号。
[0041]所述S2步骤中利用支持向量机模型对预处理后的回波信号是否存在叶片形变进
行检测，包括：
[0042]获取n个高速风机叶片，并利用超声波发射装置向获取的高速风机叶片发射超声波，得到n组样本数据，在本专利技术一个具体实施例中，2n/3个高速风机叶片存在叶片形变，且已知所获取的高速风机叶片是否存在叶片形变、形变位置以及形变大小，所述样本数据为：
[0043]data＝{(x1,y1,d1,loc1),(x2,y2,d2,loc2),
…
,(x
i
,y
i
,d
i
,loc
i
),
…
,(x
n
,y
n
,d
n
,loc
n
)}
[0044]其中：
[0045]x
i
表示所获取的第i个高速风机叶片的超声波回波信号；
[0046]y
i
表示所获取的第i个高速风机叶片是否存在叶片形变，y
i
＝{
‑
1,1}，当y
i
＝
‑
1表示第i个高速风机叶片不存在叶片形变，当y
i
＝1表示第i个高速风机叶片存在叶片形变；
[0047]d
i
表示所获取的第i个高速风机叶片的叶片形变大小，若y
i
＝
‑
1，d
i
＝0；
[0048]loc
i
表示所获取的第i个高速风机叶片的叶片形变位置，若y
i
＝
‑
1，loc
i
＝0；
[0049]提取样本数据data中的所有(x...

【技术保护点】

【技术特征摘要】
1.一种高速风机叶片外形检测方法，其特征在于，所述方法包括：S1：利用超声波发射装置向高速风机叶片发射超声波，对返回的回波信号进行信号预处理；S2：构建基于高速风机叶片形变识别的支持向量机模型，利用支持向量机模型对预处理后的回波信号是否存在叶片形变进行检测，利用时频转换方法将存在叶片形变的回波信号转换为时频图；S3：构建以信号时频图为输入，叶片形变位置以及形变大小为输出的神经网络模型，获取神经网络模型训练集，利用梯度下降法训练得到模型的训练参数；S4：将模型训练参数作为神经网络模型的参数，若检测到叶片形变，则将回波信号的时频图输入到神经网络模型中，神经网络模型输出高速风机叶片产生形变的位置和形变大小。2.如权利要求1所述的一种高速风机叶片外形检测方法，其特征在于，所述S1步骤中利用超声波发射装置向高速风机叶片发射超声波，包括：超声波发射装置向高速风机叶片表面发射超声波，则超声波信号x(t)为：x(t)＝h(m)*e(t
‑
m+1),m＝1,2,
…
,M其中：h(t)表示超声波信号在传递过程中产生的传递波，将传递波离散化为h(m)，M表示传递波的长度；e(t
‑
m+1)表示传递波的反射序列；β表示超声波的信号幅值，将其设置为1；α表示超声波的信号带宽，将其设置为103；f表示超声波发射装置的中心频率，将其设置为100Hz；表示超声波发射装置的初始相位，将其设置为π/6；τ表示超声波的偏移时间，将其设置为0.03；t表示超声波信号的时域信息；超声波能量到达高速风机叶片反射回来，形成高速风机叶片表面的回波B，若高速风机叶片表面存在形变缺陷或颗粒物质，则超声波遇到叶片表面形变缺陷或颗粒会发生反射，形成高速风机叶片表面的形变波D，将高速风机叶片表面的回波B以及高速风机叶片表面的形变波D作为接收到的回波信号u(t)，其中t表示信号的时域信息。3.如权利要求2所述的一种高速风机叶片外形检测方法，其特征在于，所述S1步骤中对返回的回波信号进行小波降噪的信号预处理，包括：利用小波降噪技术对回波信号进行降噪处理，得到预处理后的回波信号，所述小波滤波技术流程为：1)选择小波函数ω(t)，固定尺度因子a，利用所选择的小波函数对回波信号u(t)进行小波变换处理，所述小波变换处理公式为：
其中：b表示小波函数的位移因子；q
u(t)
(a,b)表示小波变换得到的小波系数；2)改变小波函数的位移因子并重复步骤1)，得到在尺度因子a下的小波系数；3)改变尺度因子a，重复步骤1)2)，得到回波信号在不同尺度因子、位移因子下的小波系数q
u(t)
(a,b)，直到4)确定小波阈值为σ；5)删除小于小波阈值σ的小波系数，选择大于小波阈值σ的小波系数，利用小波逆变换方法将小波系数重构为回波信号，将重构得到的回波信号作为预处理后的回波信号f(t)，则小波逆变换方法的公式为：其中：q
u(t)
(a,b)
′
为大于小波阈值的小波系数；f(t)为重构得到的回波信号。4.如权利要求3所述的一种高速风机叶片外形检测方法，其特征在于，所述S2步骤中利用支持向量机模型对预处理后的回波信号是否存在叶片形变进行检测，包括：获取n个高速风机叶片，并利用超声波发射装置向获取的高速风机叶片发射超声波，得到n组样本数据，所述样本数据为：data＝{(x1,y1,d1,loc1),(x2,y2,d2,loc2),
…
,(x
i
,y
i
,d
i
,loc
i
),
…
,(x
n
,y
n
,d
n
,loc
n
)}其中：x
i
表示所获取的第i个高速风机叶片的超声波回波信号；y
i
表示所获取的第i个高速风机叶片是否存在叶片形变，y
i
＝{
‑
1,1}，当y
i
＝
‑
1表示第i个高速风机叶片不存在叶片形变，当y
i
＝1表示第i个高速风机叶片存在叶片形变；d
i
表示所获取的第i个高速风机叶片的叶片形变大小，若y
i
＝
‑
1，d
i
＝0；loc
i
表示所获取的第i个高速风机叶片的叶片形变位置，若y
i
＝
‑
1，loc
i
＝0；提取样本数据data中的所有(x
i
,y
i
)作为支持向量机模型的训练数据集SVM_data：SVM_data＝{(x1,y1),(x2,y2),
…
,(x
i
,y
i
),
…
,(x
n
,y
n
)}所述支持向量机模型的训练过程为：1)构造支持向量机模型训练的目标函数：目标函数的约束条件为：其中：
θ＝(θ1；θ2；
…
；θ
n
)表示拉格朗日乘子；C表示常数；...

【专利技术属性】
技术研发人员：谭高辉，马倩倩，王虎，袁雅，李国锋，
申请(专利权)人：湖南弘辉科技有限公司，
类型：发明
国别省市：