【技术实现步骤摘要】
本专利技术涉及风力发电机组叶片监测，具体涉及一种基于机器视觉的叶片呼吸变形的监测方法及系统。
技术介绍
1、为了追求低度电成本，风机大型化成为当前风电行业的主流趋势，更高的塔筒和更长更柔的叶片，也给机组的安全稳定运行带来了很多挑战。近几年，大叶片频繁出现早期开裂，断裂等事故，造成了极大的经济损失；同时随着人工智能时代的到来，智慧风场、智慧运营也成为风电场发展的急切需要。叶片作为风机的核心部件，捕风能力和稳定可靠的运行，关系着整个风电机组的发电性能和安全和运维成本，因此，对叶片进行智能监测成为行业智能化发展的焦点。
2、现有的叶片监测技术主要有：（1）基于电传感的叶片加速度振动监测：在每支叶片内部各安装一个双轴的加速度传感器，实现对每支叶片运转过程中面内和面外振动信号的动态采集；（2）基于光纤光栅的叶片载荷或振动监测：采用光纤光栅技术，在叶根根部或叶中某个截面，部署3-4个光纤载荷传感器，通过标定建立叶片面内和面外载荷与光纤波长变化的传递函数，进而对叶片的载荷进行动态测量；（3）基于声音的叶片损伤监测系统：主要对叶尖区域的开裂，前缘腐蚀等失效模式进行识别和监测，对于叶片发生重大损伤，如突然的断裂、屈曲等发生的异响也可以识别到；（4）基于电阻应变片的叶片应变或载荷监测系统：通过标定建立叶片面内外载荷与应变的关系，进而对叶片载荷超限、风轮不平衡等进行诊断和识别，也可以对局部应变水平进行监测，或基于应变的振动信号，对局部结构损伤进行识别；（5）基于激光测距、毫米波雷达、视觉技术的叶片净空监测：动态监测叶尖到塔筒的距离，进而反
3、现有监测技术各有优缺点，而大叶片的失效与其长柔结构、几何、材料及结构铺层等非线性导致的复杂变形有密切的关系，现有的有限元仿真难以准确实现对叶片呼吸变形的动态变形水平进行监测，所监测的叶片变形与实际风机运行存在较大偏差，而这些动态变形与大叶片的失效不无关系。因此，目前叶片呼吸变形的在线监测是亟待解决的技术问题。
技术实现思路
1、本专利技术提供了一种基于机器视觉的叶片呼吸变形的监测方法及系统，该监测方法及系统通过多个靶标作为目标点实现整个截面呼吸变形的监测，并进行异常呼吸的诊断，为风机叶片监测提供数据支撑；同时该系统还能基于图像扫掠对叶片损伤（如穿透性损伤）进行识别和预警。
2、为了解决上述技术问题，本专利技术的技术方案为：
3、一种基于机器视觉的叶片呼吸变形的监测方法，包括以下步骤：
4、s1、在呼吸变形目标截面处的叶片腔体内壁上布置多个靶标，采集整个叶片腔体内部的视频图像信息；
5、s2、在叶片静止状态下，通过视频图像信息计算每个靶标的初始坐标，根据目标截面处所有靶标的初始坐标拟合静态目标截面轮廓，并得到静态目标截面轮廓的中心点；在叶片运行过程中，通过视频图像信息计算每一帧中目标截面处所有靶标的实时坐标，拟合每一帧的动态目标截面轮廓；
6、s3、选择任意一条通过静态目标截面轮廓中心点的直线，计算该直线与静态目标截面轮廓的两个静态直线交点，并计算该直线与每一帧中动态目标截面轮廓的两个动态直线交点；
7、s4、计算两个静态直线交点之间的静态长度值，并计算每一帧中两个动态直线交点之间的动态长度值，每一帧中动态长度值与静态长度值的差值即为两个静态直线交点对应位置处的呼吸变形值。
8、根据视频图像信息中靶标的尺寸以及靶标对应的像素，计算像素比例尺，再根据靶标的实际尺寸、像素比例尺进行呼吸变形值的换算。
9、所述静态目标截面轮廓和动态目标截面轮廓根据呼吸变形目标截面的实际形状拟合为圆形、椭圆形或翼型轮廓；静态目标截面轮廓的中心点为圆形轮廓的圆心，或者椭圆形轮廓的中心，或者翼型轮廓的中性轴点。
10、所述呼吸变形目标截面为叶片从圆形到翼型的过渡段所在截面，该过渡段所在截面轮廓拟合为圆形轮廓；在呼吸变形目标截面同一截面的腹板上部署四个及以上的靶标，且腹板上所有靶标的中心点为圆形轮廓的圆心；再结合腹板上的靶标计算呼吸变形目标截面处的单点呼吸变形值。
11、所述单点呼吸变形值的计算方法为：
12、a1、叶片静止状态下，记录下腹板上所有靶标的中心点的初始坐标；叶片运行状态下，计算每一帧中腹板上所有靶标中心点的实时坐标，每一帧中腹板上所有靶标中心点的实时坐标与初始坐标的差值为每一帧中呼吸变形目标截面的刚性位移；
13、a2、根据步骤s2和步骤s4拟合目标截面处的静态目标截面轮廓和每一帧中动态目标截面轮廓，并得到静态目标截面轮廓的中心点；
14、a3、选择任意一条以静态目标截面轮廓中心点为端点的射线，计算该射线与静态目标截面轮廓的一个静态射线交点，并计算该射线与每一帧中动态目标截面轮廓的一个动态射线交点，每一帧中动态射线交点与静态射线交点的差值即为这个静态射线交点的位移量；
15、a4、将每一帧静态射线交点的位移量减去同一帧中呼吸变形目标截面的刚性位移，即得到该静态射线交点的动态单点呼吸变形值。
16、根据呼吸变形值进行异常呼吸诊断，具体包括以下步骤：
17、b1、收集一段时间内风机正常运行期间叶片的呼吸变形数据，作为基线数据；
18、b2、筛选不同工况下呼吸变形目标截面上的呼吸变形数据，选择峰值作为基线数据的特征数据；
19、b3、将一段时间内的特征数据进行统计分析，将3倍标准差范围内的数据作为正常数据，计算3倍标准差作为报警阈值点；
20、b4、计算当前视频图像信息的转速范围，判断呼吸变形数据的峰值范围是否超过对应基线数据的阈值，若超过则预警。
21、本专利技术还提供了一种基于机器视觉的叶片呼吸变形的监测系统，所述监测系统除靶标外，还包括：
22、摄像头，其设置有多个，多个摄像头分布安装于叶片腔体内并采集视频图像信息；
23、采集与处理单元，其与摄像头连接并采集视频图像信号，采集与处理单元中部署有数据处理模块、故障诊断模块、智能采集模块和储存模块，其中数据处理模块对采集到的视频图像信息进行数据处理，故障诊断模块对处理后的数据进行诊断并预警，智能采集模块自动进行指定时长和间隔的数据动态采集；
24、上位机，其和采集与处理单元连接，接收视频图像信息和分析结果。
25、所述靶标上设置有三层标识，三层标识分别为从下到上依次堆叠的白色正方形标识、黑色圆形标识和反光十字标识，且白色正方形标识的尺寸大于黑色圆形标识的尺寸，黑色圆形标识的尺寸大于反光十字标识的尺寸。
26、该监测系统中的摄像机除进行呼吸变形图像采集外，还从叶根到叶尖进行动态扫掠，基于动态扫掠的图像以及图像识别技术，对叶片损伤进行识别，具体方法为本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的叶片呼吸变形的监测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：根据视频图像信息中靶标的尺寸以及靶标对应的像素，计算像素比例尺，再根据靶标的实际尺寸、像素比例尺进行呼吸变形值的换算。
3.根据权利要求1所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：所述静态目标截面轮廓和动态目标截面轮廓根据呼吸变形目标截面的实际形状拟合为圆形、椭圆形或翼型轮廓；静态目标截面轮廓的中心点为圆形轮廓的圆心，或者椭圆形轮廓的中心，或者翼型轮廓的中性轴点。
4.根据权利要求1所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：所述呼吸变形目标截面为叶片从圆形到翼型的过渡段所在截面，该过渡段所在截面轮廓拟合为圆形轮廓；在呼吸变形目标截面同一截面的腹板上部署四个及以上的靶标，且腹板上所有靶标的中心点为圆形轮廓的圆心；再结合腹板上的靶标计算呼吸变形目标截面处的单点呼吸变形值。
5.根据权利要求4所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：所述单点呼吸变形值的
6.根据权利要求1-5中任一项所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：根据呼吸变形值进行异常呼吸诊断，具体包括以下步骤：
7.一种根据权利要求1-5中任一项所述的基于机器视觉的叶片呼吸变形的监测系统，其特征在于：所述监测系统除靶标外，还包括：
8.根据权利要求7所述的基于机器视觉的叶片呼吸变形的监测系统，其特征在于：所述靶标上设置有三层标识，三层标识分别为从下到上依次堆叠的白色正方形标识、黑色圆形标识和反光十字标识，且白色正方形标识的尺寸大于黑色圆形标识的尺寸，黑色圆形标识的尺寸大于反光十字标识的尺寸。
9.根据权利要求7所述的基于机器视觉的叶片呼吸变形的监测系统，其特征在于：监测系统中的摄像机除进行呼吸变形图像采集外，还从叶根到叶尖进行动态扫掠，基于动态扫掠的图像以及图像识别技术，对叶片损伤进行识别，具体方法为：
10.根据权利要求7所述的基于机器视觉的叶片呼吸变形的监测系统，其特征在于：监测系统中的摄像机除进行呼吸变形图像采集外，还从叶根到叶尖进行动态扫掠，基于动态扫掠的图像以及图像识别技术，对叶片损伤进行识别，具体方法为：
...【技术特征摘要】
1.一种基于机器视觉的叶片呼吸变形的监测方法，其特征在于包括以下步骤：
2.根据权利要求1所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：根据视频图像信息中靶标的尺寸以及靶标对应的像素，计算像素比例尺，再根据靶标的实际尺寸、像素比例尺进行呼吸变形值的换算。
3.根据权利要求1所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：所述静态目标截面轮廓和动态目标截面轮廓根据呼吸变形目标截面的实际形状拟合为圆形、椭圆形或翼型轮廓；静态目标截面轮廓的中心点为圆形轮廓的圆心，或者椭圆形轮廓的中心，或者翼型轮廓的中性轴点。
4.根据权利要求1所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：所述呼吸变形目标截面为叶片从圆形到翼型的过渡段所在截面，该过渡段所在截面轮廓拟合为圆形轮廓；在呼吸变形目标截面同一截面的腹板上部署四个及以上的靶标，且腹板上所有靶标的中心点为圆形轮廓的圆心；再结合腹板上的靶标计算呼吸变形目标截面处的单点呼吸变形值。
5.根据权利要求4所述的基于机器视觉的叶片呼吸变形的监测方法，其特征在于：所述单点呼吸变形值的计算方法为：
...【专利技术属性】
技术研发人员：朱小芹，李东辉，刘军，袁旭，敖瑞，郭晓亮，李洪任，王东利，程庆阳，
申请(专利权)人：陕西中科启航科技有限公司，
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。