一种风机叶片在线视觉监测与故障诊断方法技术

本发明专利技术提供了一种风机叶片在线视觉监测与故障诊断方法，其整体提升风电行业的安全性和可靠性，并降低巡检劳动强度，显著提高经济效益和社会效益。其在固定位置设置拍摄系统，拍摄系统包括镜头和光源，镜头为大焦距镜头，将拍摄系统对准叶尖转动轨迹区域的一处位置，使得拍摄系统捕获叶尖位置的一设定形状的区域的抓拍图像，在需要拍摄的叶尖的对应位置区域进行区分标记，获取抓拍图像的位置，位置为所抓拍图像中叶尖的标记区域的中心点的坐标，之后进行位置偏差法处理，位置偏差即为依次抓拍的前后两张图像叶尖标记中心点间的位置偏差Ld，通过位置偏差Ld和偏差阈值Ld_T比较，从而判断叶片是否发生故障。而判断叶片是否发生故障。而判断叶片是否发生故障。

【技术实现步骤摘要】
一种风机叶片在线视觉监测与故障诊断方法


[0001]本专利技术涉及风电叶片的
，具体为一种风机叶片在线视觉监测与故障诊断方法。

技术介绍

[0002]目前对风力机组的研究大多集中在轮箱内轴、轴承部件、发电机等方面，而对接收风能、受力较大的叶片的研究相对较少，特别是还没有一种有效的对风力机叶片直接监测的方法。风机叶片作为风电机组系统能量的关键输入部件，其功能状态的好坏对整机系统的性能、状态及安全生产都产生重大的影响。如果不能采取有效的方法对其运行状态进行实时的监测，及时发现叶片存在的故障并作出处理，不断积累一定会酿成事故，致使整个风机组完全损坏。
[0003]随着经济社会的发展和科技的不断进步，风力叶片长度也是不断增加，虽然较大的长度可以适应更大功率的发电机，但是在运行时叶片前部及叶尖部承受的作用力更是急剧增大。这就大大增加了叶片的故障风险。因此，我们需要对叶片的运行状态进行监测，以有效地降低叶片故障的发生、及时合理安排维修计划，避免因叶片故障导致风机组系统瘫痪，减少经济损失。
[0004]当前的一些有损或无损检测方法，受环本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风机叶片在线视觉监测与故障诊断方法，其特征在于：在固定位置设置拍摄系统，拍摄系统包括镜头和光源，镜头为大焦距镜头，将拍摄系统对准叶尖转动轨迹区域的一处位置，使得拍摄系统捕获叶尖位置的一设定形状的区域的抓拍图像，在需要拍摄的叶尖的对应位置区域进行区分标记，获取抓拍图像的位置，位置为所抓拍图像中叶尖的标记区域的中心点的坐标，之后进行位置偏差法处理，位置偏差即为依次抓拍的前后两张图像叶尖标记中心点间的位置偏差Ld，通过位置偏差Ld和偏差阈值Ld_T比较，从而判断叶片是否发生故障。2.如权利要求1所述的一种风机叶片在线视觉监测与故障诊断方法，其特征在于，其包括如下步骤：步骤一、传感器检测到风机叶片运行到抓拍位置时，将产生触发信号，并且把触发信号传送给PLC控制系统，经过分析处理PLC控制系统会向信息采集系统发出抓拍信号，此时，相机和光源同步动作，光源发出闪光，增强拍摄光强度，相机在此瞬间采集一帧图像；步骤二、系统会自动对采集到的图像进行预处理，为后续图像处理判断做好准备，图像处理系统会自动匹配寻找标记，如果标记第一次定位失败，为了保证检测可靠性，会对图像进行二次检测和特征提取，如果再次提取失败，则证明叶片状态异常、叶片存在折断故障，此时报警系统响应，发出报警，并把故障叶片图像保存到数据库以备查阅；步骤三、如果第一次特征提取或者第二次特征提取成功，系统会根据位置偏差法的检测公式来计算位置偏差Ld，并将位置偏差计算结果Ld和设定的位置偏差阈值Ld_T相比较，如果比较结果是计算结果Ld小于Ld_T，说明叶片状态正常，诊断系统进入等待状态，等待下一次的位置偏差计算结果并进行下一次判断；如果比较结果是计算结果Ld大于Ld_T，说明叶片状态可能存在异常，为了避免叶片偶然因素对诊断结果的干扰，根据故障延时判断方法，必须对叶片状态进行一次新的判断，以此来保证诊断的准确性。之后重复步骤三：如果第二次判断叶片正常，则判断系统初始化(i＝0，j＝0)，诊断系统进入等待状态，如果第二次判断叶片异常，把判断系统初始化，一方面报警系统响应，另一方面故障类型预判系统会对故障类型进行预判，预判出叶片是轴向弯曲、圆周弯曲还是其他故障，预判结果会被传送到控制中心为维护人员提供参考。3.如权利要求2所述的一种风机叶片在线视觉监测与故障诊断方法，其特征在于，位置偏差法流程如下：设在拍摄的图片中，标记区域为矩形区域，且矩形区域的区域为region，其面积为A，则其(i+j)阶几何矩为m
i，j
＝∑
(r，c)∈R
r
i
c
j
，其中(r，c)为region内坐标点，R表示region区域，i，j表示行列坐标的次幂；进行归一化处理以排除面积因素对region特征的影响，归一化矩为(n
1，0
，n
0，1
)表示region重心即中心的坐标；设前后经过抓拍线提取到的图像叶尖标记中心点p、q在图像坐标系下的坐标为(r1，c1)、(r2，c2)，则位置偏差Ld为该位置偏差即为p、q之间的欧氏距离，两中心的坐标的值在不断地变化，即下一帧抓拍的图像时，r2＝r1,c2＝c1而r1、c1为正在处理的叶尖区域中心坐标点值，如此周而复始。4.如权利要求3所述的一种风机叶片在线视觉监测与故障诊断方法，其特征在于：其还
需要设定偏差阈值Ld_T，理论上，位置偏差Ld为0，但实际检测过程中由于存在标记区域大小、位置、形状等人工误差与抓拍响应时间有所差异的问题，导致Ld会在一个范围内波动，因此需要设置一个合理的位置偏差阈值Ld_T；该公式是在经过大量理论和定量分析之后得到的。式中，num为数据总数；nu为数据总数的1/10，取整(nu≥4)；Ld[mun]为数据集合；Ld_max[nu]为数据从大到小排列前nu个数据的集合；Ld_min[nu]为数据从小到大前nu个数据的集合；使系统每个周期将Ld_T更新一次，周期为num，大小根据叶片转速或一天总触发次数而定。5.如权利要求4所述的一种风机叶片在线视觉监测与故障诊断方法，其特征在于：在进行故障判断时，即时判断与过程判断相结合；即时判断为触发一次判断一次即Ld与Ld_T比较一次，目的是发现故障；过程判断作用是以Ld_T数据统计分析结果反映叶片在某一段时间的运行状态，进行基本数据挖掘；设过程判断周期为n，大小可根据情况设定，则数据集合为Ld_T[n]；设过程判断周期为n，过程判断均值m如式:过程判断的波动率如式:设整数a、b分别为过程判断中大于和小于m值的数据个数，则大于m的数据集合为Ld_T1[a]，小于m的数据集合为Ld_T2[b]。均值分别为m1，m2，如，正负波动率为σ
p
和σ
n
；设过程判断最大和最小Ld_T为Ld_T

【专利技术属性】
技术研发人员：王传鑫，王晓宁，杨继明，陈岩磊，徐明寿，李涛，房利鹏，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：