System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及发动机检测,尤其涉及一种发动机叶片损伤检测方法及系统。
技术介绍
1、风机叶片是风力发电机中非常重要的部件,其主体由复合材料制成,运行时承受脉动风载荷、离心惯性力载荷和重力载荷,在多重载荷作用下叶片上的疲劳裂纹会逐渐扩展至发生疲劳断裂,此外,风机全天运行且工作环境恶劣,易造成风机叶片产生腐蚀、磨损。如果不及时修复,叶片上的疲劳裂纹会在交变应力作用下逐渐扩展至发生疲劳断裂,使整个发电机组停止运转甚至报废。目前,孔探检测是风机叶片损伤检测的主要技术,但其主要依赖人工操作,耗时耗力、效率较低。为了提高风机叶片检测效率和准确性,本专利技术提出一种发动机叶片损伤检测方法实现对发动机叶片的快速损伤检测,有助于及时进行预防性维护,以确保机组安全运行。
技术实现思路
1、有鉴于此,本专利技术提供一种发动机叶片损伤检测方法,目的在于:1)根据点云邻域的平均距离以及距离标准差构建得到表征点云同邻域距离分布关系的分布参数,其中分布参数越大,则表示该点云与邻域点云集合的距离越大、距离分布越离散,为噪声点云的概率越大,从而对这部分点云数据进行过滤处理,并结合点云数据所属发动机叶片的倾斜角构建不同点云数据的叶片结构模型,实现属于同一发动机叶片的点云数据聚类处理,并结合点云数据所构成平面的向量角度进行区域增长,得到不同发动机叶片的发动机叶片区域点云数据,实现发动机扫描结果中叶片的点云数据提取;2)采用配准方式将扫描仪的点云扫描结果与深度相机的拍摄结果进行配准处理,构成包含位置信息以及颜色信息的点云
2、为实现上述目的,本专利技术提供的一种发动机叶片损伤检测方法,包括以下步骤:
3、s1:对发动机进行扫描处理,得到发动机点云数据,并对发动机点云数据进行滤波处理,得到滤波后的发动机点云数据;
4、s2:对滤波后的发动机点云数据进行分割处理,得到发动机叶片区域点云数据,其中融合聚类的区域增长分割为所述分割处理的主要实施方法;
5、s3:对发动机叶片区域点云数据依次进行粗粒度配准处理以及细粒度配准处理,得到发动机叶片目标完整点云数据;
6、s4:对发动机叶片目标完整点云数据进行损伤检测,确定缺陷部分点云并定位发动机叶片损伤位置。
7、作为本专利技术的进一步改进方法:
8、可选地,所述s1步骤中对发动机进行扫描处理,得到发动机点云数据,包括:
9、利用深度相机以及3d扫描仪对发动机进行扫描处理,得到发动机点云数据,其中发动机点云数据的表示形式为:
10、{gn=(ln,un)|n∈[1,n]}
11、ln=(xn,yn,zn)
12、un=(xn,yn,dn,rn,gn,bn)
13、其中:
14、gn表示扫描得到的第n个发动机点云的点云数据;在本专利技术实施例中,点云表示扫描过程中扫描得到的发动机特征点,点云数据表示发动机特征点的详细数据信息,点云包括点云编号以及点云数据;在本专利技术实施例中,3d扫描仪根据扫描结果自动生成发动机中心的坐标;
15、gn包括3d扫描仪扫描得到三维点云坐标ln=(xn,yn,zn),以及深度相机扫描得到的深度点云信息un=(xn,yn,dn,rn,gn,bn),其中(xn,yn,zn)表示第n个发动机点云in的三维点云坐标,in表示第n个发动机点云的点云编号,(xn,yn)表示第n个发动机点云in在深度相机图像中的像素坐标,dn表示第n个发动机点云in在深度相机图像中的深度值,rn,gn,bn分别表示第n个发动机点云in在深度相机图像中的rgb颜色通道颜色值。在本专利技术实施例中,由于采用深度相机和3d扫描仪两种方式对发动机进行扫描处理,由于在扫描过程中可能出现设备误差,导致相机和扫描仪所扫描的点云不一定是一一对照的,即第n个发动机点云中的到三维点云坐标以及深度点云信息只是位置接近,并不是相互对应的。
16、可选地,所述s1步骤中对发动机点云数据进行滤波处理,得到滤波后的发动机点云数据,包括:
17、对发动机点云数据进行滤波处理,得到滤波后的发动机点云数据,其中发动机点云数据的滤波处理流程为:
18、s11:计算得到发动机点云数据中任意点云与邻近区域中相邻点云之间的平均距离以及标准差,其中发动机点云数据中第n个发动机点云in与邻近区域中相邻点云之间的平均距离以及标准差为:
19、
20、其中:
21、ωn表示以发动机点云in为中心的邻近区域内所有点云所构成的点云集合;在本专利技术实施例中,点云的邻近区域为以点云的三维点云坐标为中心,预设阈值为半径的球形区域;
22、num(ωn)表示点云集合ωn中点云的数目;
23、d∈ωn,d表示点云集合ωn中任意点云;
24、l(d)表示点云d的三维点云坐标,其中l(d)=(xd,yd,zd);
25、dis(ln,l(d))表示三维点云坐标ln与l(d)的坐标距离;
26、μn表示发动机点云数据中第n个发动机点云in与邻近区域中相邻点云之间的平均距离;
27、σn表示发动机点云数据中第n个发动机点云in与邻近区域中相邻点云之间的距离标准差;
28、s12:计算得到发动机点云数据中任意点云的分布参数,其中发动机点云数据中第n个发动机点云in的分布参数为:
29、
30、其中:
31、表示发动机点云数据中第n个发动机点云in的分布参数;
32、exp(·)表示以自然常数为底的指数函数;
33、s13:生成发动机点云数据中任意点云的滤波系数,其中发动机点云数据中第n个发动机点云in的滤波系数αn为:
34、
35、其中:
36、表示预设的标准分布参数;
37、s14:构成滤波后的发动机点云数据:{gn=αn(ln,un)|n∈[1,n]}。在本专利技术实施例中,根据点云邻域的平均距离以及距离标准差构建得到表征点云同邻域距离分布关系的分布参数,其中分布参数越大,则表示该点云与邻域点云集合的距离越大、距离分布越离散,为噪声点云的概率越大,因此将分布参数较大的点云的滤波系数设置为1,在发动机点云数据中过滤该点云。
38、可选地,所述s2步骤中对滤波后的发动机点云数据进行点云数据分割,得到发动机叶片区域点云数据,包括:
39、对滤波后的发动机点云数据进行点云数据分割,得到发动机叶片区域点云数据,其中点云数据分割流程为:
40、s21:获取发动机叶片结构,并建立滤波后的发动机点云数据中每个点云的发动机叶片结构模型,遍历计算得到滤波后的发动机点云数据中任本文档来自技高网...
【技术保护点】
1.一种发动机叶片损伤检测方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种发动机叶片损伤检测方法,其特征在于,所述S1步骤中对发动机进行扫描处理,得到发动机点云数据,包括:
3.如权利要求2所述的一种发动机叶片损伤检测方法,其特征在于,所述S1步骤中对发动机点云数据进行滤波处理,得到滤波后的发动机点云数据,包括:
4.如权利要求3所述的一种发动机叶片损伤检测方法,其特征在于,所述S2步骤中对滤波后的发动机点云数据进行点云数据分割,得到发动机叶片区域点云数据,包括:
5.如权利要求1所述的一种发动机叶片损伤检测方法,其特征在于,所述S3步骤中对发动机叶片区域点云数据进行粗粒度配准处理,包括:
6.如权利要求5所述的一种发动机叶片损伤检测方法,其特征在于,所述S3步骤中对发动机叶片区域点云数据的粗粒度配准处理结果进行细粒度配准处理,包括:
7.如权利要求1所述的一种发动机叶片损伤检测方法,其特征在于,所述S4步骤中对发动机叶片目标完整点云数据进行损伤检测,定位发动机叶片损伤位置,包括:
8
...【技术特征摘要】
1.一种发动机叶片损伤检测方法,其特征在于,所述方法包括:
2.如权利要求1所述的一种发动机叶片损伤检测方法,其特征在于,所述s1步骤中对发动机进行扫描处理,得到发动机点云数据,包括:
3.如权利要求2所述的一种发动机叶片损伤检测方法,其特征在于,所述s1步骤中对发动机点云数据进行滤波处理,得到滤波后的发动机点云数据,包括:
4.如权利要求3所述的一种发动机叶片损伤检测方法,其特征在于,所述s2步骤中对滤波后的发动机点云数据进行点云数据分割,得到发动机叶片区域点云数据,包括:
<...【专利技术属性】
技术研发人员:刘小鸿,陈衍祥,宁光勇,田坤,袁红玉,陆汉强,
申请(专利权)人:株洲瀚捷航空科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。