風力機葉片故障診斷方法
【技術領域】
[0001]本發(fā)明涉及風力機故障診斷技術領域，具體是風力機葉片故障診斷方法。
【背景技術】
[0002]目前，風力機葉片損傷問題是風力機葉片設計、制造、運行中所關注的一項重要內容。風力機本身所處環(huán)境的氣候條件惡劣且全天處于交變載荷下運行，導致風機部件比較容易損壞，而風電行業(yè)的快速發(fā)展對故障監(jiān)督和診斷技術提出了更加嚴格的要求。
[0003]風力機葉片的故障有多種分類方式，從其表現(xiàn)形式方面分為:葉片表面有砂眼、葉片開裂、葉片結冰、葉片表面腐蝕。對于風力機葉片故障的監(jiān)督方法分為損毀和非損毀兩類，而風力機葉片故障的非損毀監(jiān)督方法才具有實際意義。風力機葉片的諸多非損毀監(jiān)測方法能根據(jù)信號接收裝置與葉片的作用形式分為接觸式和非接觸式兩種。由測量裝置和葉片表面直接接觸來測量葉片狀態(tài)的方法稱為接觸式監(jiān)測，方法有振動監(jiān)測、聲發(fā)射、應力監(jiān)測、超聲波等；而測量裝置不和葉片產生接觸的監(jiān)測方法稱為非接觸式測量，方法有熱成像、X射線成像、數(shù)字圖像相關性分析等。
[0004]然而，在接觸式測量方法中，由于其通過傳感器所監(jiān)測的點來反應其所代表的區(qū)域必定會造成一定的誤差，且接觸式傳感器往往由于其本身的溫度范圍和安裝難度也會造成實際工況下使用的困難；對于現(xiàn)行的非接觸測量方法，比如X射線成像方法從其原理上來說現(xiàn)階段的技術水平只能將其做的較笨重，所以其現(xiàn)階段只能在實驗室對風力機葉片故障進行診斷。
[0005]在計算機視覺領域中有學者對計算機視覺對表面缺陷研宄，但大多是對靜止物體開展的。由于風力機葉片表面呈弧型結構，而且風力機在工作過程中存在變漿與偏航，導致故障呈現(xiàn)三維變化，直接導致攝像機采集到得上圖像很難辨別兩次圖像是否為同一圖像。這就導致對于風力機葉片故障生長、發(fā)展的視頻監(jiān)測工作十分復雜而且算法精度不高不能滿足生產需求。
[0006]中國發(fā)明專利CN102175449A，公開了一種基于風力機應變能響應的葉片故障診斷方法，是通過機艙傳感器設置點的應變能頻域響應獲取風力發(fā)電機組葉片故障狀損傷狀態(tài)特征值能夠精確找出風力發(fā)電機組葉片的故障損傷位置、故障損傷程度，但是對于接觸式故障診斷方法，由于通過對傳感器所安裝部位信號進行監(jiān)控來達到對葉片整體進行監(jiān)控的目的，所以故障定位準確率較低。
[0007]目前，本領域技術人員有必要開發(fā)一種能夠精確判斷葉片故障的診斷方法。

【發(fā)明內容】

[0008]本發(fā)明的目的就是為了克服現(xiàn)有風力機故障診斷的不足，提供了一種風力機葉片故障診斷方法，以解決對于風力機葉片故障生長、發(fā)展的視頻監(jiān)測工作十分復雜而且算法精度不高不能滿足生產需求的問題。
[0009]為了解決上述技術問題，本發(fā)明通過下述技術方案得以解決: 一種風力機葉片故障診斷方法，包括如下步驟:
(I)風力機葉片基兀的提取:
首先，通過邊緣提取算法對風力機葉片進行背景剔除；接著，把風力機葉片表面涂上色帶，通過色帶把風力機葉片整體劃分成N個子區(qū)域，其中N多I，任意一個子區(qū)域稱為葉片基
J L.ο
[0010]然后采取網(wǎng)格區(qū)域劃分的方法，把風力機葉片每個子區(qū)域表面人為劃分標記圓點，圓點依照葉片表面弧度進行劃分，在平直的部分劃分較稀疏，弧度大的子區(qū)域劃分較密集。
[0011 ] 最后，通過霍夫圓變換找到標記圓點的圓心，通過圓心和區(qū)域的四個角點將子區(qū)域再次劃分，把網(wǎng)格拆分成子區(qū)域，使得網(wǎng)格內部近似為在同一平面上；將該子區(qū)域進行二次劃分成圖像基元，作為故障診斷圖像使用。
[0012](2)視頻監(jiān)控:
首先利用固定在風力機塔架上的攝像設備，定時對風力機葉片基元進行取樣拍照，獲得葉片基元原始圖片。
[0013]然后，把原始圖像轉換成灰度圖。
[0014]原始圖像轉換成灰度圖方法如下:
首先，將原始圖形經過灰度處理，由彩色圖變?yōu)榛叶葓D，得到葉片基元的原始圖像。
[0015]然后，通過輪廓提取方法對灰度圖像進行葉片基元輪廓提取，得到葉片基元的二值圖像，該二值圖像中葉片基元為白色背景，其余部分為黑色背景。
[0016]再次，對二值圖像進行形態(tài)學處理后得到圖像的二值去噪圖像，找到圖像中區(qū)域最大的部分即為葉片所在部分，取出其他部分即得到葉片的二值圖像。
[0017]最后，找到原始圖像中對應葉片二值圖像中為白色的部分即提取出整個葉片的圖像。
[0018](3)判別故障:
首先收集常見風力機故障葉片，然后對風力機故障葉片提取圖像特征，接著對故障圖片進行分類，最后設計葉片故障種類數(shù)據(jù)庫，將葉片故障診斷的算法應用到風力機葉片故障診斷中，進行智能識別故障，若判別為嚴重故障，告知需要檢修；若判斷為細微故障，告知監(jiān)督故障發(fā)展和類型變化，若葉片裂紋生長，則告知檢修。
[0019]采用上述技術方案的本發(fā)明與現(xiàn)有技術相比:
利用圖像定位點對風力機葉片進行基元劃分，可以有效的對葉片表面故障進行定位，并且，由于把風力機葉片的曲面表面劃分成近似平面區(qū)域，采用二維故障平面圖像的特征代替三維曲面圖像，可以大大簡化在風力機故障辨識中的計算工作量及計算精度。
[0020]通過對工業(yè)攝像頭采集的圖像進行分析處理找到被監(jiān)測葉片的故障以達到生產監(jiān)控的目的，克服了風力機工作環(huán)境為室外且周圍光線環(huán)境復雜、風力機葉片過長致使在一張照片中不可能拍攝到全部葉片、不可避免的引入背景信息、由于葉片的變漿導致拍攝角度不固定等單純使用圖像處理方法的不足。其特點是設備簡單、體積小巧、價格低廉。
[0021]本發(fā)明的優(yōu)選方案如下:
進一步對子區(qū)域至少兩次劃分，提取葉片基元，通過對葉片基元的故障診斷來確定故障發(fā)生部位或對故障的生長情況進行監(jiān)督。
[0022]對攝像設備進行拍攝控制，利用葉片位置輸出信號作為攝像的開關信號，當葉片達到預期位置時啟動攝像設備對葉片圖像進行采集。
[0023]對于攝像設備的開關條件要求滿足葉片的監(jiān)測區(qū)域占據(jù)圖像的主要部分，并調整攝像設備的攝像范圍，每次只使一個檢測區(qū)域全部進入攝像范圍，用至少兩個攝像設備共同完成對葉片的整體監(jiān)督。
[0024]在風力機運行過程中，攝像設備對葉片圖像進行采集和分析，攝像設備采集到的是至少三個葉片依次經過被攝像設備捕捉到的圖像和攝像設備取景范圍內沒有葉片時所拍攝到的環(huán)境圖像，該攝像設備能從不同的圖像中自動區(qū)分出風力機葉片的圖像，避免對風力機葉片故障的誤判。
[0025]對故障判別采用基于雙樹復小波圖像特征提取法。
[0026]對故障判別采用基于流形學習的圖片數(shù)據(jù)降維法。
[0027]對故障判別采用基于改進流形學習算法的圖片數(shù)據(jù)降維法。
【附圖說明】
[0028]圖1為本發(fā)明的葉片故障診斷流程圖。
[0029]圖2為本發(fā)明的葉片故障診斷示意圖。
[0030]圖中:1 一風力機；2—風力機葉片；3—葉片基兀；4一攝像設備；5—風力機塔架。
[0031]名詞解釋:
雙樹復小波是指采用兩個小波樹進行分析處理使得算法具有近似平移不變性和分解系數(shù)對應性以及方向各異性。
[0032]流形學習是指從高維歐氏空間采樣的數(shù)據(jù)中恢復出低維流形結構，同時求出相應的嵌入映射，以實現(xiàn)數(shù)據(jù)的約簡、降維或可視化。
【具體實施方式】
[0033]下面結合圖1至圖2給出的實施例對本發(fā)明作進一步闡述，但實施例不對本發(fā)明構成任何限制。
[0034]一種風力機葉片故障診斷方法，包括如下步驟:
(I)風力機葉片基元3的提取:
首先，通過邊緣提取算法對風力機葉片2進行背景剔除；接著，把風力機葉片2表面涂上色帶，通過色帶把風力機葉片整體劃分成N個子區(qū)域，其中N多I，任意一個子區(qū)域稱為葉片基元3。例如:N取10