[發(fā)明專利]一種基于機器視覺的風力機葉片在線監(jiān)測方法

在審

• 申請?zhí)枺?/td>: 202011282447.4
• 申請日: 2020-11-17
• 公開（公告）號: CN112283050A
• 公開（公告）日: 2021-01-29
• 發(fā)明（設計）人: 陳建平;金正洋
• 申請（專利權）人: 天津科技大學
• 主分類號: F03D17/00
• 分類號: F03D17/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于機器視覺的風力機葉片在線監(jiān)測方法，其特征在于，該方法包括如下步驟：

步驟一.圖像數(shù)據(jù)積累階段：

首先，采用相機對經(jīng)過標記的正在運行的風力機葉片的尖端進行拍照，并對各類異常運行和正常運行的葉片圖像進行積累；

之后，對所積累的各類異常運行和正常運行的檢測圖像進行數(shù)字圖像處理，獲得清晰和占用空間小的葉尖特征圖像，建立各類異常運行和正常運行的葉尖特征圖像數(shù)據(jù)庫；

步驟二.分類模型構建階段：

針對步驟一中所建立的各類異常運行和正常運行的葉尖特征圖像數(shù)據(jù)庫中的每一張圖像，對特征圖像及其對應的正常或異常標注開展深度學習，構建針對基于機器視覺的風力機葉片故障診斷模型；

步驟三.工程應用階段：

將基于機器視覺的風力機葉片在線監(jiān)測系統(tǒng)安裝在風電場的風力機上，并且在葉片尖端繪制統(tǒng)一的葉片標記(如圓環(huán))，利用基于機器視覺的風力機葉片在線監(jiān)測系統(tǒng)對待測風力機葉片進行在線監(jiān)測，每當葉片運行到特定位置時，圖像采集模塊就會獲得視野中風力機葉片尖端的圖像，之后將圖像通過數(shù)據(jù)傳輸模塊傳遞到運行狀態(tài)監(jiān)測模塊中，運行狀態(tài)監(jiān)測模塊先對圖像進行數(shù)字圖像處理，獲得清晰和占用空間小的葉尖特征圖像，一方面將該圖像存入葉尖特征圖像數(shù)據(jù)庫中，一方面將其傳入故障診斷模塊中，在故障診斷模塊中，利用步驟二中建立的風力機葉片故障診斷模型，確定每一張圖像的運行狀態(tài)，是正常運行還是異常運行，如果輸出形態(tài)正常結果，則不做任何處理，反饋風力機運行正常；如果輸出形態(tài)異常結果，輸出報警信號，同時在檢修人員未到達事故現(xiàn)場的時候，對故障風力機進行順槳操作，防止損害進一步擴大。

2.根據(jù)權利要求1所述的方法，其特征在于，需積累已知正常運行或者異常運行的在線監(jiān)測圖像。

3.根據(jù)權利要求1所述的方法，其特征在于，需對每張由相機獲取的圖像進行類型標注。

4.根據(jù)權利要求1所述的方法，其特征在于，對相機直接獲取的圖像進行數(shù)字圖像處理，獲取清晰和占用空間小的葉尖特征圖像作為分類模型的輸入。

5.根據(jù)權利要求1所述的方法，其特征在于，對測試圖像采用深度學習的方法開展分類模型的構建。

6.根據(jù)權利要求1所述的方法，其特征在于，獲取分類模型后，不再需要實時對模型進行訓練，只需定期更新模型，在工程應用中只傳輸和保存圖像，實時根據(jù)已構建的分類模型，開展自動化分類。

7.根據(jù)上述任一項權利要求所述的方法，其特征在于，所述風力機葉片在葉片尖端部位繪制了統(tǒng)一的標記(如圓環(huán))。

8.根據(jù)上述任一項權利要求所述的方法，其特征在于，所述風力機葉片的各類已知異常狀態(tài)包括風力機葉片運行不當導致的過大揮舞振動和擺振振動、開裂、折斷等。

9.根據(jù)上述任一項權利要求所述的方法，其特征在于，所述圖像采集模塊主要包括相機、鏡頭、光源、相機觸發(fā)系統(tǒng)以及用于防塵、防水和支撐的相機外殼等組件。