CN103323461B - 一种非接触式的风力发电机叶片运动在线检测方法 - Google Patents
一种非接触式的风力发电机叶片运动在线检测方法 Download PDFInfo
- Publication number
- CN103323461B CN103323461B CN201310234306.9A CN201310234306A CN103323461B CN 103323461 B CN103323461 B CN 103323461B CN 201310234306 A CN201310234306 A CN 201310234306A CN 103323461 B CN103323461 B CN 103323461B
- Authority
- CN
- China
- Prior art keywords
- blade
- camera
- calculation level
- coordinate
- driven generator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种非接触式的风力发电机叶片运动在线检测方法。本方法的操作步骤:一、大视场的相机标定;二、采集图像;三、计算点的匹配;四、求解计算点的位移随时间变化信息;五、结果分析。其中第三步中所述的计算点的匹配方法采用图像识别算法,精确提取标志点的图像坐标。本发明采用双相机,或多相机系统,利用立体视觉的原理结合大视场的相机标定对风力发电机叶片运动进行在线检测。该方法可以实现对风力发电机的叶片三维运动进行远距离在线测量,进而对风力发电机的运行状态进行评估。
Description
技术领域
本发明涉及一种风力发电机叶片运动的检测方法,特别是涉及一种基于三维数字图像相关的非接触式的风力发电机叶片运动在线检测方法。
技术背景
风力发电已成为世界上增长最快的可再生能源。与之伴随的就是风力发电机的叶片与传动机构的状态监测和故障诊断的问题。状态监测和故障诊断的好坏对风力发电机就显得非常重要。现有的检测方法是在叶片或传动机构上布置若干个传感器,以检测其振动情况。或者是利用声发射的方法检测其状态。现有的方法要么不够灵活,要么只能进行在有限个数的特定点上进行测量。三维数字图像相关作为一种非接触、全场测量的光学测量方法,其所需设备较为简单,而且对于测量环境的要求低。因此本发明提出一种光学测量方法结合大视场的相机标定对风力发电机叶片运动进行在线检测。
发明内容
本发明的目的在于解决已有技术存在的问题,提供一种非接触式的风力发电机叶片运动在线测量方法,以得到叶片表面任意点的三维运动信息,进而达到对风力发电机叶片和传动机构进行状态检测和故障诊断的目的。
为了实现上述目的,本发明的构思是:本发明主要是提出一种使用双相机对正在工作的风力发电机叶片进行连续数周拍摄,并利用图像识别算法,结合大视场的相机标定,对风力发电机叶片运动进行三维测量,进而实现检测的目的。
根据上述发明的构思,本发明采用下述技术方案:
一种非接触式的风力发电机叶片在线检测方法,具体特征在于:具体操作步骤如下:
步骤一:大视场的相机标定。使用全站仪对测量现场选取4个以上的控制点测量其三维坐标(要求这些点的选取位置也同时在两个相机的视场范围内),然后使用全站仪对两个相机的光心的三维坐标进行粗略测量。有控制点坐标和光心坐标可以求出对应的无穷单应,然后从无穷单应中分解出相机的初始内外参数值。最后再进行非线性优化,得到更精确的相机内外参数值。
步骤二:采集图像。调整两个相机的采集帧率,保证在风力发电叶片旋转一周之内左右相机均可以拍摄至少23张图像,然后固定该采集帧率,使用双相机同步采集图像。
步骤三:计算点的匹配。对采集到的图像进行处理,选取要计算的点,对每一个选取的计算点将采集到的图像均与左相机的第一张图像进行相关匹配。得到在每一时刻的图片上所选取的计算点在左右相机上对应的像素坐标。
步骤四:得到计算点的位移随时间变化信息。利用大视场相机标定得到的相机内外参数和匹配步骤中得到的像素坐标可以得到叶片上的计算点在各个时刻的三维坐标,将每一时刻的三维坐标都减去第一时刻的三维坐标,就得到了各计算点的位移随时间变化信息。
步骤五:结果分析。根据所得到的各计算点的位移随时间变化信息,对风力发电机的运动状态进行评估:沿叶片的轴向方向等间距选取若干个点,在正常情况下,这些点之间在旋转平面内的位移变化会沿叶片的轴向出现递变的规律,当其中一点相对于相邻点的旋转平面内位移变化出现突变,说明该位置附近的叶片部位出现了强度损伤故障;对叶片上的计算点在旋转平面内的位移随时间变化信息进行频域分析,在风速不变的情况下,当在傅立叶变换后的信息中得出叶片在旋转一周内出现明显的角速度变化,而且这种角速度变化在任一旋转周期内都会出现,说明叶片或者风力发电机的传动系统出现了故障;当叶片上的计算点在垂直于旋转平面内的位移较大,说明风力发电机的转动轴出现了故障。
其中步骤二、三所述的非接触光学测量方法,其具体为:采用双相机,或多相机系统,利用立体视觉的原理测量目标点的三维位置,采用图像识别算法,精确提取标志点的图像坐标。
本发明与现有技术相比较,具有如下显而易见的突出实质性特点和显著技术进步:本发明的有益效果是通过一种光学的方法实现对风力发电机的叶片三维运动远距离在线测量,进而对风力发电机的状态进行评估,相比传统的方法,本发明更为灵活和高效。
附图说明
附图是本发明的测量步骤流程图。
具体实施方式
下面结合附图详细描述本发明的优选实施例:
实施例一:
参见图1,本非接触式的风力发电机叶片运动在线检测方法,其特征在于:具体操作步骤如下:
步骤一、大视场的相机标定:利用若干个个控制点的三维坐标和其对应的在左右相机的像素坐标求解相机的内外参数值;
步骤二、采集图像:调整两个相机的采集帧率,然后固定该采集帧率,使用双相机同步采集图像;
步骤三、计算点的匹配:对采集到的图像进行处理,选取要计算的点,对每一个选取的计算点采用图像识别技术,识别出计算点在左右相机所拍摄的每一张图片的像素坐标;
步骤四、得到计算点的位移随时间变化信息:利用大视场相机标定得到的相机内外参数和匹配步骤中得到的像素坐标,可得到叶片上的计算点在各个时刻的三维坐标,将每一时刻的三维坐标都减去第一时刻的三维坐标,就得到了各计算点的位移随时间变化信息;
步骤五、结果分析:根据所得到的各计算点的位移随时间变化信息,对风力发电机的运动状态进行评估:沿叶片的轴向方向等间距选取若干个点,在正常情况下,这些点之间在旋转平面内的位移变化会沿叶片的轴向出现递变的规律,当其中一点相对于相邻点的旋转平面内位移变化出现突变,说明该位置附近的叶片部位出现了强度损伤故障;对叶片上的计算点在旋转平面内的位移随时间变化信息进行频域分析,在风速不变的情况下,当在傅立叶变换后的信息中得出叶片在旋转一周内出现明显的角速度变化,而且这种角速度变化在任一旋转周期内都会出现,说明叶片或者风力发电机的传动系统出现了故障;当叶片上的计算点在垂直于旋转平面内的位移较大,说明风力发电机的转动轴出现了故障。
实施例二:
本实施例与实施例一基本相同,特别之处是:所述的大视场的相机标定方法为:使用全站仪对测量现场选取4个以上的控制点测量其三维坐标,要求这些点的选取位置也同时在两个相机的视场范围内,然后使用全站仪对两个相机的光心的三维坐标进行粗略测量;由控制点坐标、光心坐标和控制点坐标在左右相机中的像素坐标可求出对应的无穷单应,然后从无穷单应中分解出相机的初始内外参数值;最后再进行非线性优化,得到更精确的相机内外参数值。
实施例三:
本实施例与实施例一基本相同,特别之处是:步骤二、三所述的非接触光学测量方法,其具体为:采用双相机,或多相机系统,利用立体视觉的原理测量目标点的三维位置,采用图像识别算法,精确提取标志点的图像坐标。
实施例四:
在图1所示出的本实施例的测量步骤的流程图。
在对相机进行标定之前,调整两个相机的距离,使其大小与相机到风力发电机的距离大致相等,并使其对准风力发电机叶片,调整其焦距达到所拍摄的图片清晰为准。
步骤一、对所使用的相机进行内外参数标定:使用全站仪对测量现场选取4个以上的控制点测量其三维坐标(要求这些点的选取位置也同时在两个相机的视场范围内),然后使用全站仪对两个相机的光心的三维坐标进行粗略测量。有控制点坐标和光心坐标可以求出对应的无穷单应,然后从无穷单应中分解出相机的初始内外参数值。最后再进行非线性优化,得到更精确的相机内外参数值;
步骤二、采集图像:调整相机同步拍摄的采集帧率,保证在当前风速下,叶片旋转一周,左右相机所拍摄的图片均不少于23张。然后固定该采集帧率,使用双相机同步采集图像;
步骤三、计算点的匹配:对采集到的图像进行处理,选取要计算的点,对每一个选取的计算点将采集到的图像均与左相机的第一张图像进行相关匹配。得到在每一时刻的图片上所选取的计算点在左右相机上对应的像素坐标。相关匹配的方法采用的是一种适用于旋转物体测量的相关匹配法,其具体为:在整像素搜索中,考虑子区的旋转,得到整像素位移;在亚像素搜索中,将叶片旋转中出现的应变信息忽略掉,将其看成是刚体运动,通过一种只考虑刚体旋转和刚体平移的Newton-Raphson迭代算法进行位移和角度的迭代;然后再把迭代得出的位移梯度的一阶结果作为初值代入传统的以二阶形函数为基础的Newton-Raphson迭代算法中得出更高精度的亚像素位移值。
其中以位移和角度为变量进行迭代的Newton-Raphson迭代公式为:
上式中,、分别代表计算点在图像上水平、竖直方向的位移,代表计算点的旋转角度,是迭代后的,是迭代前的,是衡量各图像中图像子区的相似程度的相关函数。当相关函数值最接近于1时,求得的解便是我们所求的最优解。为初值,是相关函数的一阶偏导,通常被称为Jacobian矩阵:
而是相关函数的两阶偏导,通常被称为Hessian矩阵:
按照上述进行迭代,就可以得到图像子区的旋转角度。然后将整像素搜索得到的位移值和作为初值传递给传统的以二阶形函数为基础的Newton-Raphson迭代算法中,得出更高精度的亚像素位移值,、代表计算点的位移在x方向的一阶导数值,、代表计算点的位移在y方向的一阶导数值,其中x、y的方向分别与u、v的方向相同;
步骤四、求解计算点的位移随时间变化信息:利用大视场相机标定得到的相机内外参数和匹配步骤中得到的像素坐标可以得到叶片上的计算点在各个时刻的三维坐标,将每一时刻的三维坐标都减去第一时刻的三维坐标,就得到了各计算点的位移随时间变化信息;
步骤五、结果分析:根据所得到的各计算点的位移随时间变化信息,对风力发电机的运动状态进行评估:沿叶片的轴向方向等间距选取若干个点,在正常情况下,这些点之间在旋转平面内的位移变化会沿叶片的轴向出现递变的规律,当其中一点相对于相邻点的旋转平面内位移变化出现突变,说明该位置附近的叶片部位出现了强度损伤故障;对叶片上的计算点在旋转平面内的位移随时间变化信息进行频域分析,在风速不变的情况下,当在傅立叶变换后的信息中得出叶片在旋转一周内出现明显的角速度变化,而且这种角速度变化在任一旋转周期内都会出现,说明叶片或者风力发电机的传动系统出现了故障;当叶片上的计算点在垂直于旋转平面内的位移较大,说明风力发电机的转动轴出现了故障。
虽然,上面已描述了本发明的优选实施例,但是并不因此而限定本发明。可以对这些实施例作各种修改和变化而不超出本发明的范围。因此本发明并不是由上面的具体描述限定,而是由权利要求书限定。
Claims (3)
1.一种非接触式的风力发电机叶片运动在线检测方法,其特征在于:具体操作步骤如下:
步骤一,大视场的相机标定:利用若干个控制点的三维坐标和其对应的在左右相机的像素坐标求解相机的内外参数值;
步骤二,采集图像:调整两个相机的采集帧率,然后固定该采集帧率,使用双相机同步采集图像;
步骤三,计算点的匹配:对采集到的图像进行处理,选取要计算的点,对每一个选取的计算点采用图像识别技术,识别出计算点在左右相机所拍摄的每一张图片的像素坐标;
步骤四,得到计算点的位移随时间变化信息:利用大视场相机标定得到的相机内外参数和匹配步骤中得到的像素坐标,可得到叶片上的计算点在各个时刻的三维坐标,将每一时刻的三维坐标都减去第一时刻的三维坐标,就得到了各计算点的位移随时间变化信息;
步骤五,结果分析:根据所得到的各计算点的位移随时间变化信息,对风力发电机的运动状态进行评估:沿叶片的轴向方向等间距选取若干个点,在正常情况下,这些点之间在旋转平面内的位移变化会沿叶片的轴向出现递变的规律,当其中一点相对于相邻点的旋转平面内位移变化出现突变,说明该位置附近的叶片部位出现了强度损伤故障;对叶片上的计算点在旋转平面内的位移随时间变化信息进行频域分析,在风速不变的情况下,当在傅立叶变换后的信息中得出叶片在旋转一周内出现明显的角速度变化,而且这种角速度变化在任一旋转周期内都会出现,说明叶片或者风力发电机的传动系统出现了故障;当叶片上的计算点在垂直于旋转平面内的位移较大,说明风力发电机的转动轴出现了故障。
2.根据权利要求1所述的一种非接触式的风力发电机叶片运动在线检测方法,其特征在于步骤一中所述的大视场的相机标定方法为:使用全站仪对测量现场选取4个以上的控制点测量其三维坐标,要求这些点的选取位置也同时在两个相机的视场范围内,然后使用全站仪对两个相机的光心的三维坐标进行粗略测量;由控制点坐标、光心坐标和控制点坐标在左右相机中的像素坐标可求出对应的无穷单应,然后从无穷单应中分解出相机的初始内外参数值;最后再进行非线性优化,得到更精确的相机内外参数值。
3.根据权利要求1所述的一种非接触式的风力发电机叶片运动在线检测方法,其特征在于步骤二、三所述的非接触光学测量方法,其具体为:采用双相机,或多相机系统,利用立体视觉的原理测量目标点的三维位置,采用图像识别算法,精确提取目标点的图像坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310234306.9A CN103323461B (zh) | 2013-06-14 | 2013-06-14 | 一种非接触式的风力发电机叶片运动在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310234306.9A CN103323461B (zh) | 2013-06-14 | 2013-06-14 | 一种非接触式的风力发电机叶片运动在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103323461A CN103323461A (zh) | 2013-09-25 |
CN103323461B true CN103323461B (zh) | 2015-05-27 |
Family
ID=49192346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310234306.9A Active CN103323461B (zh) | 2013-06-14 | 2013-06-14 | 一种非接触式的风力发电机叶片运动在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103323461B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109959335A (zh) * | 2017-12-22 | 2019-07-02 | 北京金风科创风电设备有限公司 | 测量塔顶位移的方法、装置和系统 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105339756B (zh) * | 2013-04-08 | 2019-08-06 | C3D增强实感解决方案有限公司 | 使用多个相机设备的距离评估 |
CN105954021B (zh) * | 2016-05-31 | 2018-04-06 | 重庆理工大学 | 一种汽车后桥差速器中螺旋锥齿轮齿面接触区的检测方法 |
CN106768933A (zh) * | 2016-12-02 | 2017-05-31 | 上海电机学院 | 一种基于遗传算法的风电机组叶片故障诊断方法 |
CN106989812B (zh) * | 2017-05-03 | 2020-11-03 | 湖南科技大学 | 基于摄影测量技术的大型风机叶片模态测试方法 |
CN107452024B (zh) * | 2017-07-24 | 2020-03-27 | 西安交通大学 | 一种用于旋转物体全场运动追踪的视觉测量方法 |
CN108506170A (zh) * | 2018-03-08 | 2018-09-07 | 上海扩博智能技术有限公司 | 风机叶片检测方法、系统、设备及存储介质 |
CN109900712B (zh) * | 2019-04-17 | 2022-03-29 | 中国人民解放军国防科技大学 | 基于摄像测量的风电叶片机械故障在线检测系统及其方法 |
CN109900713B (zh) * | 2019-04-17 | 2022-01-18 | 中国人民解放军国防科技大学 | 摄像引导的无人机风电叶片缺陷动态检测系统及其方法 |
CN110146024B (zh) * | 2019-06-06 | 2023-03-14 | 重庆大学 | 基于自适应搜索的双精度位移测量方法 |
CN110207970A (zh) * | 2019-06-25 | 2019-09-06 | 西北工业大学 | 一种基于视觉信息处理的叶片故障诊断试验装置 |
CN110296691B (zh) * | 2019-06-28 | 2020-09-22 | 上海大学 | 融合imu标定的双目立体视觉测量方法与系统 |
CN110553716B (zh) * | 2019-10-12 | 2020-07-10 | 西安交通大学 | 一种基于计算机视觉的成圈叶片结构振动固有频率的测量方法 |
CN112461125B (zh) * | 2020-10-29 | 2023-02-28 | 北京空间机电研究所 | 一种密闭浮空气球位置姿态光学测量系统及测量方法 |
CN112943559A (zh) * | 2021-01-28 | 2021-06-11 | 华北电力大学(保定) | 一种振动监测方法 |
CN112966207A (zh) * | 2021-01-28 | 2021-06-15 | 北京清源能控科技有限公司 | 一种基于图像采集的振动监测方法 |
CN112884727A (zh) * | 2021-01-28 | 2021-06-01 | 华北电力大学(保定) | 一种风力机叶片振动监测方法 |
CN115471501B (zh) * | 2022-10-31 | 2023-10-13 | 长江勘测规划设计研究有限责任公司 | 利用机器视觉在线识别发电机气隙分布状态的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1647801A2 (fr) * | 2004-10-12 | 2006-04-19 | Snecma | Dispositif de mesure du déplacement axial du sommet des aubes d'une turbomachine pour des essais au sol et procédé d'utilisation du dispositif |
CN101750017A (zh) * | 2010-01-18 | 2010-06-23 | 战强 | 大视场中多移动目标位姿的视觉检测方法 |
CN102270339A (zh) * | 2011-07-21 | 2011-12-07 | 清华大学 | 一种空间各异模糊核三维运动去模糊的方法及系统 |
CN103791891A (zh) * | 2014-03-07 | 2014-05-14 | 福州大学 | 一种基于单相机的电器三维动态特性测试装置及方法 |
-
2013
- 2013-06-14 CN CN201310234306.9A patent/CN103323461B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1647801A2 (fr) * | 2004-10-12 | 2006-04-19 | Snecma | Dispositif de mesure du déplacement axial du sommet des aubes d'une turbomachine pour des essais au sol et procédé d'utilisation du dispositif |
CN101750017A (zh) * | 2010-01-18 | 2010-06-23 | 战强 | 大视场中多移动目标位姿的视觉检测方法 |
CN102270339A (zh) * | 2011-07-21 | 2011-12-07 | 清华大学 | 一种空间各异模糊核三维运动去模糊的方法及系统 |
CN103791891A (zh) * | 2014-03-07 | 2014-05-14 | 福州大学 | 一种基于单相机的电器三维动态特性测试装置及方法 |
Non-Patent Citations (4)
Title |
---|
3D digital image correlation methods for full-field;Mark N.Helfrick et al;《Mechanical Systemsand Signal Processing》;20100924;第25卷(第3期);全文 * |
全景摄像机标定;张浩鹏等;《哈尔滨工程大学学报》;20091130;第30卷(第11期);第1239-1245页 * |
基于数字图像处理的叶片三维大位移测量研究;ABC;《南京航空航天大学博士学位论文》;20110803;第917-927页 * |
用图像处理技术进行结构动态位移监测的研究;胡建军等;《华中科技大学学报》;20021231;第19卷(第4期);第34-37页 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109959335A (zh) * | 2017-12-22 | 2019-07-02 | 北京金风科创风电设备有限公司 | 测量塔顶位移的方法、装置和系统 |
CN109959335B (zh) * | 2017-12-22 | 2021-09-21 | 北京金风科创风电设备有限公司 | 测量塔顶位移的方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103323461A (zh) | 2013-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103323461B (zh) | 一种非接触式的风力发电机叶片运动在线检测方法 | |
CN109900712B (zh) | 基于摄像测量的风电叶片机械故障在线检测系统及其方法 | |
CN103134477B (zh) | 一种基于双目立体视觉的直升机旋翼桨叶运动参数测量方法 | |
CN106092057B (zh) | 一种基于四目立体视觉的直升机旋翼桨叶动态轨迹测量方法 | |
CN103759716B (zh) | 基于机械臂末端单目视觉的动态目标位置和姿态测量方法 | |
CN103729883B (zh) | 一种三维环境信息采集与重构系统及方法 | |
WO2018095213A1 (zh) | 一种基于变密度正弦条纹的转轴转速测量装置及方法 | |
CN104034263B (zh) | 一种锻件尺寸的非接触测量方法 | |
CN109900713B (zh) | 摄像引导的无人机风电叶片缺陷动态检测系统及其方法 | |
CN105157609A (zh) | 基于两组相机的大型零件全局形貌测量方法 | |
CN102221331B (zh) | 一种基于不对称双目立体视觉技术的测量方法 | |
CN103335604A (zh) | 一种工作状态下风轮叶片全场三维变形在线监测方法 | |
CN104567728A (zh) | 激光视觉轮廓测量系统及测量方法、立体靶标 | |
CN1971206A (zh) | 基于一维靶标的双目视觉传感器校准方法 | |
CN104482924B (zh) | 旋成体目标位姿视觉测量方法 | |
CN103292722A (zh) | 一种非接触式风电叶片全场三维变形测量方法 | |
CN108460788A (zh) | 一种用于大型风力叶片运动追踪的视频测量方法 | |
CN111536981B (zh) | 一种嵌入式的双目非合作目标相对位姿测量方法 | |
CN112414324B (zh) | 一种基于双目立体视觉的直升机旋翼桨叶扭转角测量方法 | |
CN110702343B (zh) | 一种基于立体视觉的挠度测量系统及方法 | |
CN106500625A (zh) | 一种远心立体视觉测量装置及其应用于物体三维形貌微米级精度测量的方法 | |
Grosse-Schwiep et al. | Measurement of rotor blade deformations of wind energy converters with laser scanners | |
CN106056121A (zh) | 基于sift图像特征匹配的卫星装配工件快速识别方法 | |
CN115909025A (zh) | 一种小天体表面采样点地形视觉自主检测识别方法 | |
Wang et al. | Target-less approach of vibration measurement with virtual points constructed with cross ratios |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |