[發明專利]基于選擇性搜索分割的風機葉片表面缺陷診斷方法

在審

• 申請號: 201710287756.2
• 申請日: 2017-04-27
• 公開（公告）號: CN107144569A
• 公開（公告）日: 2017-09-08
• 發明（設計）人: 曹暉;于雅潔;劉尚;白瑞仙;張盼盼
• 申請（專利權）人: 西安交通大學
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06T7/00;G06T7/11
• 代理公司: 西安智大知識產權代理事務所61215
• 代理人: 何會俠

技術領域

本發明屬于風機葉片缺陷診斷技術領域，具體涉及基于選擇性搜索的分割技術以及基于圖片的風機葉片表面缺陷診斷方法，通過風機葉片圖片來判斷風機葉片表面缺陷。

背景技術

葉片是風力發電機組關鍵部件之一，在工作過程中受到強風負荷、沙粒沖刷、大氣氧化與潮濕空氣腐蝕等因素的影響，不可避免會出現氣孔、裂縫、磨損、腐蝕等問題，如不及時進行處理會導致葉片斷裂，嚴重威脅著機組安全運行，因此對風力發電機葉片實施狀態檢測與故障診斷研究具有重要意義。風機葉片檢測可避免葉片在運行過程中可能出現故障，降低由于突發事故產生的不必要損失及停機維護檢修帶來的發電損失，減少葉片維修維護成本，直接影響著機組的整體可靠穩定與綜合效益。

目前風機葉片的故障診斷方法主要采用人工巡檢的方式，無法滿足實時監測，及時進行故障診斷的需求，而且對于大規模風力發電場，這種巡檢方式效率低下。另外也有采用故障信號分析的方法，如時域和頻域分析方法，但其具有局部局限性，通常只能宏觀的診斷出故障是否發生，無法對表面缺陷的類型。

發明內容

為了解決傳統風機葉片故障識別中的一些不足，本發明從圖像的角度提出一種基于選擇性搜索分割的風機葉片表面缺陷診斷方法，對待拍攝到的風機葉片使用選擇性搜索分割獲得候選區域；提取候選區域的圖像特征，通過支持向量機分類器，判定待檢測風機葉片的狀態。

為了達到上述目的，本發明采用的技術方案如下：

一種基于選擇性搜索分割的風機葉片表面缺陷診斷方法，包括以下步驟：

步驟1：通過選擇性搜索分割從現場拍攝的風機葉片故障圖像中獲得待檢測的區域；

(1)通過基于圖的圖像分割，得到初始化的區域R＝{r₁,…,r_n}，n為初始化的區域個數，具體步驟如下；

a.將現場拍攝的風機葉片故障圖像用加權圖表示，加權圖由節點集V和邊集E組成，表示為G＝(V,E)，節點集V＝{v₁,…,v_m}，m為節點個數，邊集E＝{b₁,…,b_l}，l為邊的條數；

b.以非遞減方式將l條邊按照權值排序；

c.每個節點屬于一個區域，得到最初的分割區域集合R⁽⁰⁾；

d.記第k條邊連接的兩個節點為v_i和v_j，記第k次分割的區域集合為R^(k-1)，如果R^(k-1)中v_i和v_j分別屬于兩個區域且第k條邊的權重w(b_k)大于兩個區域內間距，則R^(k)＝R^(k-1)，k＝k+1，反之，合并兩個區域，在R^(k-1)中去掉這兩個區域并加入新合并的區域，變成新的分割集合R^(k)；

e.重復步驟d,直到k＝m，得到初始化的區域R＝R^(m)；

(2)初始化相似度集合為空集；

(3)計算相鄰區域的相似度s(r_i,r_j)，S＝S∪s(r_i,r_j)；其中S(r_i,r_j)＝S_g(r_i,r_j)+S_t(r_i,r_j)+S_a(r_i,r_j)+S_c(r_i,r_j)，S_g(r_i,r_j)為灰度特征相似度，S_t(r_i,r_j)為紋理相似性，S_a(r_i,r_j)為面積相似性，S_c(r_i,r_j)為相交相似性；

a.從每個初始區域中得到一個一維的灰度分布直方圖，該直方圖共有25個區間，和分別表示第i個和第j個區域第k個區間的灰度分布直方圖特征；