CN108981924B - 一种在役大型风力机叶片早期损伤现场检测系统 - Google Patents
一种在役大型风力机叶片早期损伤现场检测系统 Download PDFInfo
- Publication number
- CN108981924B CN108981924B CN201810843537.2A CN201810843537A CN108981924B CN 108981924 B CN108981924 B CN 108981924B CN 201810843537 A CN201810843537 A CN 201810843537A CN 108981924 B CN108981924 B CN 108981924B
- Authority
- CN
- China
- Prior art keywords
- blade
- damage
- temperature distribution
- wind turbine
- early damage
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 134
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 238000003745 diagnosis Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 15
- 238000001931 thermography Methods 0.000 claims description 14
- 239000011248 coating agent Substances 0.000 claims description 10
- 238000000576 coating method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 8
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 6
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003064 k means clustering Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000024703 flight behavior Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 238000005286 illumination Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 238000004901 spalling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
- Wind Motors (AREA)
Abstract
本发明公开一种在役大型风力机叶片早期损伤现场检测系统，包括用于现场采集叶片温度分布场的热红外采集子系统，用于对热红外采集子系统所获取的叶片温度分布场进行早期损伤识别、早期损伤定量诊断、早期损伤等级评价的地面工作站，热红外采集子系统与地面工作站通过无线传输子系统进行叶片温度分布场数据的传输。本发明检测出风力机叶片的早期损伤，并给出损伤等级评价，为叶片维护提供依据，有效地预防了风电场叶片事故的发生，且操作简单、检测效率高，具有广阔的应用前景，能为风电场提供很好的服务，并推动在役大型风力机叶片现场检测技术的发展，实用性强，值得推广。
Description
技术领域
本发明属于无损检测领域，具体涉及一种在役大型风力机叶片早期损伤现场检测系统。
背景技术
随着我国风电产业的高速发展，风力发电机组的故障隐患日益显露。叶片是风力发电机组的关键部件，承载着能量转换的重要作用，其安全可靠性对整个风电机组的稳定运行起着非常重要的作用。在风沙环境下，大型风力机叶片在高速运转过程中，由于风沙的冲蚀，叶片涂层出现砂眼、麻面等早期损伤特征，使得叶片气动性能下降。雨水进入砂眼后增加了叶片整体的湿度，降低了防雷指数，极易导致叶片受雷击，或在载荷的连续作用下产生裂纹，从而造成叶片破裂或断裂酿成叶片事故，增加了运行风险。事故发生后需要更换叶片，而叶片制造费用约占总成本的15％-20％，再加上运输和安装，大大提高了维护成本，影响了风电场的经济效益。
目前，针对在役大型风力机叶片检测主要采用定期人工巡检和无人机航拍的方式。定期人工巡检的方式主要采用望远镜或观鸟镜等设备实施，然而叶片安装在50-80m以上高空，检测起来不方便，且受作业人员水平等人为因素影响大，无人机航拍的方式解决了上述问题，且具有作业效率高、劳动强度低等优势。
然而，上述无人机航拍的方式存在以下不足：首先，现有的无人机航拍方式常采用可见光摄像机进行叶片图像的采集，受光照影响大，导致图像损伤识别困难，降低了检测的成功率；其次，现有的无人机飞行航迹忽略了对在役叶片前缘和后缘的检测，而前缘和后缘通常是最容易出现早期损伤的位置；再次，现有的对损伤等级的划分主要是从损伤类别或损伤内容给出的评价，没有从叶片涂层剥落的面积和最大尺寸进行损伤等级的划分。本发明正是在现有技术的基础上，对此进行技术创新和完善，公开一种基于温度场的在役大型风力机叶早期损伤现场检测系统。
发明内容
有鉴于此，本发明提供了一种在役大型风力机叶片早期损伤现场检测系统，以解决上述提出的一系列主要技术问题。
本发明的技术方案是：
一种在役大型风力机叶片早期损伤现场检测系统，包括用于现场采集叶片温度分布场的热红外采集子系统，用于对热红外采集子系统所获取的叶片表面温度分布场进行早期损伤识别、早期损伤定量诊断、早期损伤等级评价的地面工作站，所述热红外采集子系统与地面工作站通过无线传输子系统进行叶片温度分布场数据的传输。
优选的，所述无线传输子系统包括信号连接的发送模块和接收模块，发送模块装载于无人机上，接收模块设置在地面工作站上。
优选的，所述热红外采集子系统包括红外热成像传感器，所述红外热成像传感器装载于无人机上，所述红外热成像传感器与发送模块电连接。
优选的，所述地面工作站利用叶片表面温度分布场进行早期损伤识别的具体步骤包括：
步骤a：读取热红外采集子系统所获取的包含等温线的温度分布场数据；
步骤b：根据温度分布场数据，获取温度梯度，即温度变化最大的方向，以温度梯度变化最大位置的最高温度和最低温度分别作为温度的上阈值和下阈值；
步骤c：在温度的上阈值和下阈值的基础上，提取等温线；
步骤d：提取出的闭合等温线包含的范围即为损伤区域，从而实现早期损伤的识别。
优选的，采用K-means聚类算法和Canny算子结合的边缘提取算法提取等温线。
优选的，所述叶片表面包括前缘、吸力面壳体、后缘和压力面壳体四个部分。
优选的，所述地面工作站利用叶片表面温度分布场进行早期损伤定量诊断的步骤包括：
步骤a：读取提取等温线后的温度分布场数据；
步骤b：运用连通区域标记的面积测量算法，统计提取的闭合等温线区域的像素个数，求取损伤区域面积；
步骤c：利用质心计算公式，确定损伤区域质心的像素坐标；
步骤d：根据热红外采集子系统在采集过程中提供的位置信息和损伤区域质心的像素坐标，对损伤位置进行定位；
步骤e：综合损伤区域面积大小和损伤位置，实现叶片早期损伤定量诊断。
优选的，所述地面工作站利用叶片表面温度分布场进行叶片早期损伤等级评价的步骤包括：
步骤a：读取叶片早期损伤定量诊断结果，统计前缘损伤面积之和及最大损伤面积；
步骤b：计算前缘损伤面积之和与前缘表面积的比值，作为前缘损伤比例；
步骤c：以欧洲标准ISO4628—涂层性能评级方法的剥落面积等级为判别准则，通过对前缘损伤比例做对比，确定前缘损伤等级；
步骤d：以欧洲标准ISO4628—涂层性能评级方法的剥落大小等级为判别准则，通过对最大损伤面积做对比，确定前缘损伤等级；
步骤e：综合步骤c和d作出的前缘损伤分级评价，将严重程度最高者确定为前缘的最终损伤等级；
步骤f：分别对叶片表面的吸力面壳体、后缘和压力面壳体三个部分执行步骤a-e，确定叶片表面各部分的损伤等级；
步骤g：综合叶片表面四个部分的损伤等级，以严重程度最高者确定为被测叶片的损伤等级；
步骤h：建立包括叶片ID号、损伤位置、损伤大小和损伤等级的体检病历档案。
优选的，所述热红外采集子系统现场采集叶片温度分布场的步骤包括：
步骤a：检测前，通过风电机组所在平面坐标系和GPS坐标系的转换，建立无人机悬停高度在GPS坐标系内的数学表达式，根据不同功率的风电机组，计算相应的悬停高度h；
步骤b：根据选用红外热成像传感器的视场角和分辨率参数，及不同规格叶片的最大弦长，经现场测试以获取完整的大型风力机叶片温度场分布图和确保无人机的安全飞行为准则确定合适的相对距离d；
步骤c：调整被测叶片姿态垂直于水平地面，叶尖朝上；
步骤d：通过GPS定位，控制热红外采集子系统的无人机悬停在被测叶片叶根的前缘(h，d)处；
步骤e：设被测叶片长度为a，无人机进入自动控制模式，以预先确定的速度v＝1m/s垂直运动到叶尖位置(h+a，d)，采集叶片前缘的温度分布场；
步骤f：无人机在水平方向沿顺时针旋转90°后，以速度v垂直运动到叶根位置，采集叶片吸力面壳体的温度分布场；
步骤g：无人机再次在水平方向沿顺时针旋转90°，以速度v垂直运动到叶尖位置，采集叶片后缘的温度分布场；
步骤h：无人机继续在水平方向沿顺时针旋转90°，以速度v垂直运动到叶根位置，采集叶片压力面壳体的温度分布场。
与现有技术相比，本发明提供的一种在役大型风力机叶片早期损伤现场检测系统，检测出风力机叶片的早期损伤，并给出损伤等级评价，为叶片维护提供依据，有效地预防了风电场叶片事故的发生，其有益效果是：
1、本发明有效地、全面地对在役大型风力机叶片的磨损、裂纹等早期损伤进行了检测，且不受光照的影响，提高了检测成功率，并以欧洲标准ISO4628—涂层性能评级方法为判别准则，对在役大型风力机叶片早期损伤做出分级评价，使风力机叶片能够得到及时维修，避免叶片恶性事故的发生，有效降低了风力机叶片的维护成本；
2、本发明操作简单、检测效率高，具有广阔的应用前景；
3、本发明可为风电场提供很好的服务，并推动在役大型风机叶片现场检测技术的发展，实用性强，值得推广。
附图说明
图1为本发明的总体结构示意图；
图2为本发明的热红外采集子系统结构示意图；
图3为本发明的热红外采集子系统运行轨迹示意图；
图4为本发明的地面工作站的系统功能结构图。
附图标记：
00、被测叶片；10、热红外采集子系统；20、无线传输子系统；30、地面工作站；11、无人机；12、红外热成像传感器；21、发送模块；22、接收模块；31、早期损伤识别模块；32、早期损伤定量诊断模块；33、叶片早期损伤等级评价模块。
具体实施方式
本发明提供了一种在役大型风力机叶片早期损伤现场检测系统，下面结合图1到图4的结构示意图，对本发明进行说明。
如图1所示，本发明提供的一种在役大型风力机叶片早期损伤现场检测系统，包括用于现场采集叶片温度分布场的热红外采集子系统，用于对热红外采集子系统所获取的叶片表面温度分布场进行早期损伤识别、早期损伤定量诊断、早期损伤等级评价的地面工作站，所述热红外采集子系统与地面工作站通过无线传输子系统进行叶片温度分布场数据的传输。
进一步的，所述无线传输子系统包括信号连接的发送模块和接收模块，发送模块装载于无人机上，接收模块设置在地面工作站上。
进一步的，所述热红外采集子系统包括红外热成像传感器，所述红外热成像传感器装载于无人机上，所述红外热成像传感器与发送模块电连接。
进一步的，所述地面工作站利用叶片表面温度分布场进行早期损伤识别的具体步骤包括：
步骤a：读取热红外采集子系统所获取的包含等温线的温度分布场数据；
步骤b：根据温度分布场数据，获取温度梯度，即温度变化最大的方向，以温度梯度变化最大位置的最高温度和最低温度分别作为温度的上阈值和下阈值；
步骤c：在温度的上阈值和下阈值的基础上，提取等温线；
步骤d：提取出的闭合等温线包含的范围即为损伤区域，从而实现早期损伤的识别。
进一步的，采用K-means聚类算法和Canny算子结合的边缘提取算法提取等温线。
进一步的，所述叶片表面包括前缘、吸力面壳体、后缘和压力面壳体四个部分。
进一步的，所述地面工作站利用叶片表面温度分布场进行早期损伤定量诊断的步骤包括：
步骤a：读取提取等温线后的温度分布场数据；
步骤b：运用连通区域标记的面积测量算法，统计提取的闭合等温线区域的像素个数，求取损伤区域面积；
步骤c：利用质心计算公式，确定损伤区域质心的像素坐标；
步骤d：根据热红外采集子系统在采集过程中提供的位置信息和损伤区域质心的像素坐标，对损伤位置进行定位；
步骤e：综合损伤区域面积大小和损伤位置，实现叶片早期损伤定量诊断。
进一步的，所述地面工作站利用叶片表面温度分布场进行叶片早期损伤等级评价的步骤包括：
步骤a：读取叶片早期损伤定量诊断结果，统计前缘损伤面积之和及最大损伤面积；
步骤b：计算前缘损伤面积之和与前缘表面积的比值，作为前缘损伤比例；
步骤c：以欧洲标准ISO4628—涂层性能评级方法的剥落面积等级为判别准则，通过对前缘损伤比例做对比，确定前缘损伤等级；
步骤d：以欧洲标准ISO4628—涂层性能评级方法的剥落大小等级为判别准则，通过对最大损伤面积做对比，确定前缘损伤等级；
步骤e：综合步骤c和d作出的前缘损伤分级评价，将严重程度最高者确定为前缘的最终损伤等级；
步骤f：分别对叶片表面的吸力面壳体、后缘和压力面壳体三个部分执行步骤a-e，确定叶片表面各部分的损伤等级；
步骤g：综合叶片表面四个部分的损伤等级，以严重程度最高者确定为被测叶片的损伤等级；
步骤h：建立包括叶片ID号、损伤位置、损伤大小和损伤等级的体检病历档案。
进一步的，所述热红外采集子系统现场采集叶片温度分布场的步骤包括：
步骤a：检测前，通过风电机组所在平面坐标系和GPS坐标系的转换，建立无人机悬停高度在GPS坐标系内的数学表达式，根据不同功率的风电机组，计算相应的悬停高度h；
步骤b：根据选用红外热成像传感器的视场角和分辨率参数，及不同规格叶片的最大弦长，经现场测试以获取完整的大型风力机叶片温度场分布图和确保无人机的安全飞行为准则确定合适的相对距离d；
步骤c：调整被测叶片姿态垂直于水平地面，叶尖朝上；
步骤d：通过GPS定位，控制热红外采集子系统的无人机悬停在被测叶片叶根的前缘(h，d)处；
步骤e：设被测叶片长度为a，无人机进入自动控制模式，以预先确定的速度v＝1m/s垂直运动到叶尖位置(h+a，d)，采集叶片前缘的温度分布场；
步骤f：无人机在水平方向沿顺时针旋转90°后，以速度v垂直运动到叶根位置，采集叶片吸力面壳体的温度分布场；
步骤g：无人机再次在水平方向沿顺时针旋转90°，以速度v垂直运动到叶尖位置，采集叶片后缘的温度分布场；
步骤h：无人机继续在水平方向沿顺时针旋转90°，以速度v垂直运动到叶根位置，采集叶片压力面壳体的温度分布场。
如图1-4所示的基于温度场的在役大型风力机叶早期损伤现场检测系统是本发明的一个实施例。
参见图1，该系统由热红外采集子系统10、无线传输子系统20和地面工作站30构成。
检测前，调整被测叶片00的姿态为叶尖朝上、叶根朝下垂直于水平地面。
如图2所示，所述由装载于无人机11的红外热成像传感器12构成的热红外采集子系统10，以图3所示箭头指示的运行轨迹匀速运动，按照前缘、吸力面壳体、后缘和压力面壳体的顺序，以实现被测叶片00的全面检测。
其中，所述的运行轨迹为手动控制无人机11从地面出发沿塔架方向运行到叶根的前缘(h，d)处悬停，准备开始检测。
其中，无人机11在自动控制模式下，以v＝1m/s垂直运动到叶尖位置(h+a，d)，完成叶片前缘温度分布场的采集，同时将采集的数据和位置信息经无线传输子系统20的发送模块21传输到接收模块22，进而在地面工作站30进行存储。
其中，无人机11在水平方向沿顺时针旋转90°后，垂直运动到叶根位置，完成叶片吸力面壳体温度分布场的采集，同时将采集的数据和位置信息经无线传输子系统20的发送模块21传输到接收模块22，进而在地面工作站30进行存储。
其中，无人机11再次沿水平方向沿顺时针旋转90°，垂直运动到叶尖位置，完成叶片后缘温度分布场的采集，同时将采集的数据和位置信息经无线传输子系统20的发送模块21传输到接收模块22，进而在地面工作站30进行存储。
其中，无人机11再次沿水平方向沿顺时针旋转90°，垂直运动到叶根位置，完成叶片压力面壳体温度分布场的采集，同时将采集的数据和位置信息经无线传输子系统20的发送模块21传输到接收模块22，进而在地面工作站30进行存储。
其中，手动控制无人机11从叶根位置沿塔架方向运行到地面，结束检测。
如图4所示，地面工作站30读取被测叶片00的前缘温度分布场数据，在早期损伤识别模块31采用K-means聚类算法和Canny算子结合的边缘提取算法，完成等温线的自动提取和温度的自动判读，进而实现早期损伤的识别；提取到的损伤特征信息在早期损伤定量诊断模块32，运用曲线拟合法和连通区域标记的面积测量算法对损伤大小做定量分析，并通过无人机11提供的位置信息对损伤位置进行定位；最后在叶片早期损伤等级评价模块33中，以欧洲标准ISO4628—涂层性能评级方法为判别准则，分别进行剥落面积等级评价和剥落大小等级评价。
其中，地面工作站30对被测叶片00吸力面壳体、后缘、压力面壳体的温度分布场数据均执行如上操作。
综合被测叶片00前缘、吸力面壳体、后缘和压力面壳体的损伤等级评价，以严重程度最高者为被测叶片00早期损伤等级，建立包括叶片ID号、损伤位置、损伤大小和损伤等级的体检病历档案，从而为叶片的维护提供依据，提高风电厂的经济效益。
综上所述，本发明提供的一种在役大型风力机叶片早期损伤现场检测系统，有效地、全面地对在役大型风力机叶片的磨损、裂纹等早期损伤进行检测，且不受光照的影响，提高了检测成功率；以欧洲标准ISO4628—涂层性能评级方法为判别准则，对早期损伤做出分级评价，使风力机叶片能够得到及时维修，避免叶片恶性事故的发生，有效降低了风力机叶片的维护成本，本发明操作简单、检测效率高，具有广阔的应用前景，能为风电场提供很好的服务，并推动在役大型风机叶片现场检测技术的发展，实用性强，值得推广。
以上公开的仅为本发明的较佳的具体实施例，但是，本发明实施例并非局限于此，任何本领域技术人员能思之的变化都应落入本发明的保护范围。
Claims (8)
1.一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，包括用于现场采集叶片温度分布场的热红外采集子系统，用于对热红外采集子系统所获取的叶片表面温度分布场进行早期损伤识别、早期损伤定量诊断、早期损伤等级评价的地面工作站，所述热红外采集子系统与地面工作站通过无线传输子系统进行叶片温度分布场数据的传输；
所述热红外采集子系统现场采集叶片温度分布场的步骤包括：
步骤a：检测前，通过风电机组所在平面坐标系和GPS坐标系的转换，建立无人机悬停高度在GPS坐标系内的数学表达式，根据不同功率的风电机组，计算相应的悬停高度h；
步骤b：根据选用红外热成像传感器的视场角和分辨率参数，及不同规格叶片的最大弦长，经现场测试以获取完整的大型风力机叶片温度场分布图和确保无人机的安全飞行为准则确定合适的相对距离d；
步骤c：调整被测叶片姿态垂直于水平地面，叶尖朝上；
步骤d：通过GPS定位，控制热红外采集子系统的无人机悬停在被测叶片叶根的前缘(h，d)处；
步骤e：设被测叶片长度为a，无人机进入自动控制模式，以预先确定的速度v＝1m/s垂直运动到叶尖位置(h+a，d)，采集叶片前缘的温度分布场；
步骤f：无人机在水平方向沿顺时针旋转90°后，以速度v垂直运动到叶根位置，采集叶片吸力面壳体的温度分布场；
步骤g：无人机再次在水平方向沿顺时针旋转90°，以速度v垂直运动到叶尖位置，采集叶片后缘的温度分布场；
步骤h：无人机继续在水平方向沿顺时针旋转90°，以速度v垂直运动到叶根位置，采集叶片压力面壳体的温度分布场。
2.根据权利要求1所述的一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，所述无线传输子系统包括信号连接的发送模块和接收模块，发送模块装载于无人机上，接收模块设置在地面工作站上。
3.根据权利要求2所述的一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，所述热红外采集子系统包括红外热成像传感器，所述红外热成像传感器装载于无人机上，所述红外热成像传感器与发送模块电连接。
4.根据权利要求1所述的一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，所述地面工作站利用叶片表面温度分布场进行早期损伤识别的具体步骤包括：
步骤a：读取热红外采集子系统所获取的包含等温线的温度分布场数据；
步骤b：根据温度分布场数据，获取温度梯度，即温度变化最大的方向，以温度梯度变化最大位置的最高温度和最低温度分别作为温度的上阈值和下阈值；
步骤c：在温度的上阈值和下阈值的基础上，提取等温线；
步骤d：提取出的闭合等温线包含的范围即为损伤区域，从而实现早期损伤的识别。
5.根据权利要求4所述的一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，所述步骤c中采用K-means聚类算法和Canny算子结合的边缘提取算法来提取等温线。
6.根据权利要求4所述的一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，所述叶片表面包括前缘、吸力面壳体、后缘和压力面壳体四个部分。
7.根据权利要求4所述的一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，所述地面工作站利用叶片表面温度分布场进行早期损伤定量诊断的步骤包括：
步骤a：读取提取等温线后的温度分布场数据；
步骤b：运用连通区域标记的面积测量算法，统计提取的闭合等温线区域的像素个数，求取损伤区域面积；
步骤c：利用质心计算公式，确定损伤区域质心的像素坐标；
步骤d：根据热红外采集子系统在采集过程中提供的位置信息和损伤区域质心的像素坐标，对损伤位置进行定位；
步骤e：综合损伤区域面积大小和损伤位置，实现叶片早期损伤定量诊断。
8.根据权利要求1所述的一种在役大型风力机叶片早期损伤现场检测系统，其特征在于，所述地面工作站利用叶片表面温度分布场进行叶片早期损伤等级评价的步骤包括：
步骤a：读取叶片早期损伤定量诊断结果，统计前缘损伤面积之和及最大损伤面积；
步骤b：计算前缘损伤面积之和与前缘表面积的比值，作为前缘损伤比例；
步骤c：以欧洲标准ISO4628—涂层性能评级方法的剥落面积等级为判别准则，通过对前缘损伤比例做对比，确定前缘损伤等级；
步骤d：以欧洲标准ISO4628—涂层性能评级方法的剥落大小等级为判别准则，通过对最大损伤面积做对比，确定前缘损伤等级；
步骤e：综合步骤c和d作出的前缘损伤分级评价，将严重程度最高者确定为前缘的最终损伤等级；
步骤f：分别对叶片表面的吸力面壳体、后缘和压力面壳体三个部分执行步骤a-e，确定叶片表面各部分的损伤等级；
步骤g：综合叶片表面四个部分的损伤等级，以严重程度最高者确定为被测叶片的损伤等级；
步骤h：建立包括叶片ID号、损伤位置、损伤大小和损伤等级的体检病历档案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810843537.2A CN108981924B (zh) | 2018-07-27 | 2018-07-27 | 一种在役大型风力机叶片早期损伤现场检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810843537.2A CN108981924B (zh) | 2018-07-27 | 2018-07-27 | 一种在役大型风力机叶片早期损伤现场检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108981924A CN108981924A (zh) | 2018-12-11 |
| CN108981924B true CN108981924B (zh) | 2020-06-19 |
Family
ID=64551814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810843537.2A Active CN108981924B (zh) | 2018-07-27 | 2018-07-27 | 一种在役大型风力机叶片早期损伤现场检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108981924B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111208165A (zh) * | 2020-03-06 | 2020-05-29 | 河北新天科创新能源技术有限公司 | 一种基于红外成像技术探测风机叶片损伤的装置及方法 |
| CN111461210A (zh) * | 2020-03-31 | 2020-07-28 | 天津智惠未来科技有限责任公司 | 一种基于无人机风电巡检叶片缺陷等级判定方法 |
| CN113406091B (zh) * | 2021-06-09 | 2024-07-26 | 东方电气集团科学技术研究院有限公司 | 一种用于风机叶片检测的无人机系统及控制方法 |
| CN117605633B (zh) * | 2024-01-24 | 2024-03-22 | 湖南江河能源科技股份有限公司 | 一种风机叶片除冰方法、系统、终端及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102840941A (zh) * | 2011-06-24 | 2012-12-26 | 通用电气公司 | 在加载期间监测风力涡轮机叶片上的应力的系统和方法 |
| CN103403515A (zh) * | 2011-02-15 | 2013-11-20 | 维斯塔斯风力系统集团公司 | 用于检测风力涡轮机叶片损伤的系统和方法 |
| CN104215640A (zh) * | 2014-08-18 | 2014-12-17 | 南京航空航天大学 | 基于无人直升机的风电叶片缺陷损伤检查方法及检查系统 |
| US9004753B1 (en) * | 2010-10-01 | 2015-04-14 | Kurion, Inc. | Infrared detection of defects in wind turbine blades |
-
2018
- 2018-07-27 CN CN201810843537.2A patent/CN108981924B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9004753B1 (en) * | 2010-10-01 | 2015-04-14 | Kurion, Inc. | Infrared detection of defects in wind turbine blades |
| CN103403515A (zh) * | 2011-02-15 | 2013-11-20 | 维斯塔斯风力系统集团公司 | 用于检测风力涡轮机叶片损伤的系统和方法 |
| CN102840941A (zh) * | 2011-06-24 | 2012-12-26 | 通用电气公司 | 在加载期间监测风力涡轮机叶片上的应力的系统和方法 |
| CN104215640A (zh) * | 2014-08-18 | 2014-12-17 | 南京航空航天大学 | 基于无人直升机的风电叶片缺陷损伤检查方法及检查系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108981924A (zh) | 2018-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108981924B (zh) | 一种在役大型风力机叶片早期损伤现场检测系统 | |
| CN111830528A (zh) | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 | |
| CN112233091B (zh) | 一种风力机叶片图像损伤检测和定位方法 | |
| CN111342391B (zh) | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 | |
| CN106762451B (zh) | 基于无人机的风机叶片损伤检测方法、装置及系统 | |
| CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
| CN109886396A (zh) | 一种输电线路舞动在线预测系统及方法 | |
| CN110261394A (zh) | 在线风机叶片损伤实时诊断系统和方法 | |
| CN104122560B (zh) | 一种输电线路广域冰情监测方法 | |
| CN110221311A (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
| CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
| CN111091079B (zh) | 基于tls的高寒脆弱区植被优势单株结构参数测定方法 | |
| CN108152295A (zh) | 风力发电机组叶片表面缺陷智能检测系统 | |
| CN106841214A (zh) | 一种非接触式风电叶片风沙侵蚀程度检测方法 | |
| Guo et al. | Detecting and positioning of wind turbine blade tips for uav-based automatic inspection | |
| CN114623049A (zh) | 一种风电机组塔架净空监测方法、计算机程序产品 | |
| CN115642877A (zh) | 一种基于深度学习的光伏组件异常遮挡检测方法及系统 | |
| CN115620239B (zh) | 一种点云和视频结合的输电线路在线监测方法和系统 | |
| CN106218910A (zh) | 采集高压电力线路树障缺陷的系统、方法及控制终端 | |
| CN109409406A (zh) | 一种水坝坝体异常情况的空基检测方法与装置 | |
| Fang et al. | Research and advances in vegetation management for power line corridor monitoring | |
| CN109712018A (zh) | 一种输电线路综合监控系统 | |
| CN115773209A (zh) | 一种风机叶片净空检测装置及检测方法 | |
| CN108252876A (zh) | 风力发电机组表面缺陷智能检测装置 | |
| CN117375226A (zh) | 一种电网运行监测装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |