CN109541028A - 一种风力机叶片裂纹位置定位检测方法及系统 - Google Patents
一种风力机叶片裂纹位置定位检测方法及系统 Download PDFInfo
- Publication number
- CN109541028A CN109541028A CN201811601124.XA CN201811601124A CN109541028A CN 109541028 A CN109541028 A CN 109541028A CN 201811601124 A CN201811601124 A CN 201811601124A CN 109541028 A CN109541028 A CN 109541028A
- Authority
- CN
- China
- Prior art keywords
- response signal
- nonlinear
- vibration response
- crackle
- mark point
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/48—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by amplitude comparison
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/023—Solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种风力机叶片裂纹位置定位检测方法及系统。所述定位检测方法包括:对风力机叶片进行标记,并确定多个标记点位置;在相同的工作状态下,针对同一片风力机叶片,采集风力机叶片无裂纹时各个标记点位置的无裂纹非线性振动响应信号以及风力机叶片有裂纹时各个标记点位置的有裂纹非线性振动响应信号;根据无裂纹非线性振动响应信号以及有裂纹非线性振动响应信号计算各个标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵;根据互信息熵计算各个标记点位置出现裂纹损伤前后的振动响应非线性程度变化量;根据振动响应非线性程度变化量确定裂纹位置。采用本发明所提供的定位检测方法及系统能够提高风力机叶片裂纹位置的定位精度。
Description
技术领域
本发明涉及风力机叶片裂纹检测领域,特别是涉及一种风力机叶片裂纹位置定位检测方法及系统。
背景技术
在众多故障检测与诊断技术中,振动检测法具有诊断速度快、准确率高、诊断部位准确且能实现在线监测等特点,已被广泛的应用于结构裂纹检测领域,一般采用基于频率、振型、频响函数等方法。
现有技术中,利用频响函数的方法虽然应用较广,但是这种方法大多是基于线性假设,然而作为一种典型的局部现象,裂纹对结构的固有频率影响并不明显;同时,风力机叶片是由复合材料制作而成,叶片自身就具有一定的非线性特性,又由于风力机叶片尺寸巨大,存在局部非线性和局部模态,局部产生裂纹对叶片的整体模态影响很小,基于振型的识别方法也面临着测量振型不完整和指标不敏感的问题;当叶片出现裂纹损伤时,裂纹的产生使得正弦激励条件下形成的弹性波经过裂纹位置时会在其临近区域内形成最大程度的扭曲,导致测量到的振动响应非线性程度变化最大,所以对于风力机叶片上的裂纹位置的识别和判断仍需进一步的研究。
由此可知,现在有一些技术虽然可以确定裂纹的位置,但是对于大尺寸的叶片,由于存在局部振型和模态,导致会出现对非线性的风力机叶片局部裂纹不敏感,风力机叶片裂纹位置定位准确度低的问题。
发明内容
本发明的目的是提供一种风力机叶片裂纹位置定位检测方法及系统,以解决风力机叶片裂纹位置定位准确度低的问题。
为实现上述目的,本发明提供了如下方案:
一种风力机叶片裂纹位置定位检测方法,包括:
对风力机叶片进行标记,并确定多个标记点位置;
在相同的工作状态下,针对同一片所述风力机叶片,采集所述风力机叶片无裂纹时各个所述标记点位置的无裂纹非线性振动响应信号以及所述风力机叶片有裂纹时各个所述标记点位置的有裂纹非线性振动响应信号;
根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵;
根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量;
根据所述振动响应非线性程度变化量确定裂纹位置。
可选的,所述根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵,具体包括:
对所述无裂纹非线性振动响应信号进行S变换,确定变换后的无裂纹非线性振动响应信号矩阵;
对所述有裂纹非线性振动响应信号进行S变换,确定变换后的有裂纹非线性振动响应信号矩阵;
根据所述变换后的无裂纹非线性振动响应信号矩阵以及所述变换后的有裂纹非线性振动响应信号矩阵计算无裂纹振动响应信号矩阵信息熵、有裂纹非线性振动响应信号矩阵信息熵以及联合熵;
根据所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵确定各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
可选的,所述根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,具体包括:
根据公式δi=1-I(Xi,Yi)确定各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,将各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量组成向量δo=[δ1,δ2,…,δn];其中I(Xi,Yi)为非线性振动响应信号的互信息熵,Xi为第i个标记点无裂纹非线性振动响应信号矩阵,Yi为第i个标记点有裂纹非线性振动响应信号矩阵;δi为非线性程度变化量,i=1,2,…,n。
可选的,所述根据所述振动响应非线性程度变化量确定裂纹位置,具体包括:
确定所述振动响应非线性程度变化量的最大值,并确定所述最大值所对应的所述标记点位置;
根据所述最大值所对应的所述标记点位置确定所述风力机叶片的裂纹位置范围;
根据所述裂纹位置范围确定裂纹位置。
一种风力机叶片裂纹位置定位检测系统,包括:
标记模块,用于对风力机叶片进行标记,并确定多个标记点位置;
非线性振动响应信号采集模块,用于在相同的工作状态下,针对同一片所述风力机叶片,采集所述风力机叶片无裂纹时各个所述标记点位置的无裂纹非线性振动响应信号以及所述风力机叶片有裂纹时各个所述标记点位置的有裂纹非线性振动响应信号;
非线性振动响应信号的互信息熵计算模块,用于根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵;
振动响应非线性程度变化量确定模块,用于根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量;
裂纹位置确定模块,用于根据所述振动响应非线性程度变化量确定裂纹位置。
可选的,所述互信息熵计算模块具体包括:
无裂纹S变换单元,用于对所述无裂纹非线性振动响应信号进行S变换,确定变换后的无裂纹非线性振动响应信号矩阵;
有裂纹S变换单元,用于对所述有裂纹非线性振动响应信号进行S变换,确定变换后的有裂纹非线性振动响应信号矩阵;
互信息熵计算单元,用于根据所述变换后的无裂纹非线性振动响应信号矩阵以及所述变换后的有裂纹非线性振动响应信号矩阵计算无裂纹振动响应信号矩阵信息熵、有裂纹非线性振动响应信号矩阵信息熵以及联合熵;
非线性振动响应信号的互信息熵计算单元,用于根据所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵确定各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
可选的,所述振动响应非线性程度变化量确定模块具体包括:
根据公式δi=1-I(Xi,Yi)确定各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,将各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量组成向量δo=[δ1,δ2,…,δn];其中I(Xi,Yi)为非线性振动响应信号的互信息熵,Xi为第i个标记点无裂纹非线性振动响应信号矩阵,Yi为第i个标记点有裂纹非线性振动响应信号矩阵;δi为非线性程度变化量,i=1,2,…,n。
可选的,所述裂纹位置确定模块具体包括:
最大值确定单元,用于确定所述振动响应非线性程度变化量的最大值,并确定所述最大值所对应的所述标记点位置;
裂纹位置范围确定单元,用于根据所述最大值所对应的所述标记点位置确定所述风力机叶片的裂纹位置范围;
裂纹位置确定单元,用于根据所述裂纹位置范围确定裂纹位置。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供了一种风力机叶片裂纹位置定位检测方法及系统,基于工作状态叶片上多位置点非线性振动数据,通过估计无裂纹叶片和有裂纹叶片在相同状态下各标记点的非线性程度变化量来实现工作状态下叶片裂纹定位检测,计算步骤简单、容易实现、结果准确;此外,对于叶片在低频振动和高频振动的情形均可适用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的风力机叶片的标记点位置示意图;
图2为本发明所提供的基于机器视觉测量定频振动实验结构示意图;其中,1—叶片;2—基座;3—激振器;4—工业相机;5—条形光源;6—激振器控制系统;7—功率放大器;8—加速度传感器;9—图像采集系统;
图3为本发明所提供的风力机叶片裂纹位置定位检测方法流程图;
图4为本发明所提供的叶片上各测点的非线性程度变化量计算流程图;
图5为本发明所提供的裂纹损伤在叶片测点4、5点之间各测点互信息分布图;
图6为本发明所提供的裂纹损伤在叶片测点4、5点之间各测点非线性程度变化量分布图;
图7为本发明所提供的裂纹损伤在叶片测点6、7点之间各测点互信息分布图;
图8为本发明所提供的裂纹损伤在叶片测点6、7点之间各测点非线性程度变化量分布图;
图9为本发明所提供的风力机叶片裂纹位置定位检测系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种风力机叶片裂纹位置定位检测方法及系统,能够提高风力机叶片裂纹位置的定位精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
非线性程度估计是将非线性系统的动力学行为和某个作为标准的系统的动力学行为差别进行度量的一种评价指标。当叶片出现裂纹损伤时,裂纹的产生使得正弦激励条件下形成的弹性波经过裂纹位置时会在其临近区域内形成最大程度的扭曲,导致测量到的振动响应非线性程度变化最大,振动响应的概率分布函数也随之改变,使得其临近点损伤前后振动响应的相似性最低,即互信息值最低,因此可通过对叶片裂纹损伤前后各标记点非线性振动响应互信息的度量来对其非线性程度变化量进行估计,并通过寻找非线性程度变化向量中分量的最大值位置实现裂纹区域的准确定位。
本发明通过测量多位置点非线性振动数据,制作了正常状态和裂纹损伤在不同位置处的三块小型叶片,为准确获得相同条件下叶片多位置点的非线性振动响应信号,本发明在叶片的侧表面中线上,设置位置标记点,等间距水平排列,数量为15个,如图1所示;并通过机器视觉测量装置进行多位置点振动响应信号的采集,其实验装置示意图如图2所示,将叶片1的根部端固定在基座2上,另一端处于自由状态;且叶片1通过粘连顶针与激振器3固定连接,并在其连接处附近粘贴一个加速度传感器进行实时振动反馈;工业相机4固定在三脚架上,水平放置在叶片1的正前方,两个条形光源5放置在叶片的侧前方以保证测点的光照均匀;由计算机激振器控制系统6的内置振动控制器发出激励信号,传递给功率放大器7,再由功率放大器7传递给激振器3的激振杆,带动叶片1振动,激振杆末端安装的加速度传感器8将振动信号反馈到激振器控制系统6,以保证激振器3产生的激振信号的精度,通过激振器3对叶片1进行振动测试,同时使用图像采集系统9对叶片1的振动过程进行连续图像采集。
图3为本发明所提供的风力机叶片裂纹位置定位检测方法流程图,如图3所示,一种风力机叶片裂纹位置定位检测方法,包括:
步骤301:对风力机叶片进行标记,并确定多个标记点位置。
在叶片边缘截面布置等间距排列的位置特征点,采用分布式振动测量方式采集相同工作状态下无裂纹和有裂纹叶片多位置点非线性振动响应信号。
步骤302:在相同的工作状态下,针对同一片所述风力机叶片,采集所述风力机叶片无裂纹时各个所述标记点位置的无裂纹非线性振动响应信号以及所述风力机叶片有裂纹时各个所述标记点位置的有裂纹非线性振动响应信号。
步骤303:根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
所述步骤303具体包括:对所述无裂纹非线性振动响应信号进行S变换,确定变换后的无裂纹非线性振动响应信号矩阵;对所述有裂纹非线性振动响应信号进行S变换,确定变换后的有裂纹非线性振动响应信号矩阵。
设定叶片上的标记点个数为(z1,z2,…,zn),其中,n为沿叶片边缘截面轴向方向上标记振动测量点的个数,得到无裂纹和有裂纹叶片上各标记点位置的非线性振动响应Vn,Vc为:
Vn=(x1,x2,…,xn),Vc=(y1,y2,…,yn) (1)
则无裂纹叶片和有裂纹叶片第i个标记点的振动响应信号分别为xi,yi(i=1,2,…,n),分别对xi,yi进行S变换得到其Si矩阵如(2)所示:
其中,复数矩阵Si的行向量表示信号在某个时刻频率分向量的大小,复数矩阵Si的列向量代表信号在某一频率组成的幅值大小随着时间的变化,s(τi-1,fi)为矩阵Si的元素,其中参数为S变换中高斯调制函数g(τ-t,f)的参数。
根据所述变换后的无裂纹非线性振动响应信号矩阵以及所述变换后的有裂纹非线性振动响应信号矩阵确定无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵;所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵包括无裂纹信息熵、有裂纹信息熵以及联合熵。
设叶片无裂纹时第i个测点振动响应Si矩阵的图像信息为Xi,有裂纹时相应的同一标记点i的振动响应Si矩阵的图像信息为Yi,则其相应的信息熵H(Xi)、H(Yi)及联合熵H(Xi,Yi)可表示为:
其中,x表示图像Xi中灰度值为x的像素,y表示图像Yi中灰度值为y的像素,分别表示Xi、Yi的边缘概率分布,表示(Xi,Yi)的联合概率分布,可采用图像的灰度直方图进行求取。
根据所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵确定各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
由式(4)计算叶片裂纹损伤前后第i个标记点的互信息I(Xi,Yi):
I(Xi,Yi)=H(Xi)+H(Yi)-H(Xi,Yi) (4)
对每一个标记点损伤前后的振动响应信号按上述步骤进行计算,则叶片含裂纹损伤前后各标记点的互信息值向量为:
In=(I(X1,Y1),I(X2,Y2),…,I(Xn,Yn)),n=1,2,…,i (5)
将无裂纹和有裂纹叶片的非线性振动响应S变换到时频域,以无裂纹和有裂纹叶片各标记点非线性振动响应的S矩阵的图像信息计算出对应各标记点位置裂纹损伤前后非线性振动响应的互信息值,并画出相应的互信息值的分布曲线。
步骤304:根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量。
所述步骤304具体包括:根据公式δi=1-I(Xi,Yi)确定各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,将各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量组成向量δo=[δ1,δ2,…,δn];其中I(Xi,Yi)为非线性振动响应信号的互信息熵,Xi为第i个标记点无裂纹非线性振动响应信号矩阵,Yi为第i个标记点有裂纹非线性振动响应信号矩阵;δi为非线性程度变化量,i=1,2,…,n。
由于叶片裂纹损伤前后第i个标记点的互信息值是以振动响应的Si矩阵的图像信息计算的,其取值范围为[0,1],因此可定义叶片损伤前后第i个特征点振动响应非线性程度变化量的估计值为:
δi=1-I(Xi,Yi) (6)
对每一个标记点损伤前后的振动响应信号按上述步骤进行计算,则叶片含裂纹损伤前后各标记点的非线性程度变化量向量δo为:
δo=[δ1,δ2,…,δi],o=1,2,…,i (7)
计算叶片裂纹损伤前后各标记点位置的互信息值估计无裂纹叶片与含裂纹叶片各对应标记点位置的振动响应非线性程度变化量,并画出相应的各标记点裂纹损伤前后非线性程度变化量的分布曲线。
步骤305:根据所述振动响应非线性程度变化量确定裂纹位置。
所述步骤305具体包括:确定所述振动响应非线性程度变化量的最大值,并确定所述最大值所对应的所述标记点位置;根据所述最大值所对应的所述标记点位置确定所述风力机叶片的裂纹位置范围;根据所述裂纹位置范围确定裂纹位置。
设δp为各标记点对应的非线性程度变化量的最大值,即有:
δp=max{δo}=max{δ1,δ2,…,δi} (8)
结合非线性程度变化估计值的最大值δp与各标记点对应的分布图,通过检索裂纹损伤前后各标记点非线性程度变化量中分量的最大值δp的位置zp,可判断叶片裂纹的位置就在[zp-1,zp]之间。
为了能说明本方法的可行性,在叶片上进行预置裂纹时,分别在测点4、5和测点6、7之间以开裂的方式进行了裂纹模拟。对激振器控制系统进行参数设置后分别对无裂纹、裂纹在4、5测点之间、裂纹位置在6、7测点之间的三块叶片进行激振频率为51.42Hz的定频激励振动,设定的采样时间为5s,图像采集系统的采集帧率为200fps。期间,相机的摆放位置、姿态以及图像采集系统参数都固定,只对叶片进行更换,以保证采集到相同条件下的叶片多测点的振动响应信号。由于实验所用的叶片为同一批次加工,其两个叶片之间的差异忽略不计。对叶片的振动序列图像进行处理,可获得叶片在正常状态时的各测点的非线性振动数据以及叶片的裂纹在4、5标记点之间和6、7标记点之间的各点的非线性振动数据。
图4为本发明所提供的叶片裂纹损伤前后各标记点的振动响应非线性程度变化量计算流程图,如图4所示。
1)叶片裂纹在4、5标记点之间
(1)计算裂纹损伤前后各标记点的互信息值
设定叶片上的标记点个数为(z1,z2,…,zn),其中,n为沿叶片边缘截面轴向方向上标记振动测量点的个数,得到无裂纹和有裂纹叶片上各标记点位置的非线性振动响应Vn,Vc为:
Vn=(x1,x2,…,xn),Vc=(y1,y2,…,yn)
则无裂纹和有裂纹叶片第i个标记点的振动响应信号分别为xi,yi(i=1,2,…,n),分别对xi,yi进行S变换得到其Si矩阵:
其中,复数矩阵Si的行向量表示信号在某个时刻频率分向量的大小,复数矩阵Si的列向量代表信号在某一频率组成的幅值大小随着时间的变化;
设叶片无裂纹时第i个测点振动响应Si矩阵的图像信息为Xi,有裂纹时相应的同一标记点i的振动响应Si矩阵的图像信息为Yi,则其相应的信息熵H(Xi)、H(Yi)及联合熵H(Xi,Yi)可表示为:
其中,x表示图像Xi中灰度值为x的像素,y表示图像Yi中灰度值为y的像素,分别表示Xi、Yi的边缘概率分布,表示(Xi,Yi)的联合概率分布,可采用图像的灰度直方图进行求取。
此时,可由式(4)计算叶片裂纹损伤前后第i个标记点的互信息I(Xi,Yi):
I(Xi,Yi)=H(Xi)+H(Yi)-H(Xi,Yi)
对每一个标记点损伤前后的振动响应信号按上述步骤进行计算,则叶片含裂纹损伤前后各标记点的互信息值向量为:
In=(I(X1,Y1),I(X2,Y2),…,I(Xn,Yn)),n=1,2,…,i
表1为本发明所提供的叶片裂纹在4、5点之间各标记点互信息值对比表,计算得叶片裂纹在4、5测点之间时各标记点损伤前后非线性振动响应的互信息如表1所示,其互信息值分布曲线如图5所示。
表1
(2)计算叶片裂纹损伤前后各标记点振动响应非线性程度变化量δo
由于叶片裂纹损伤前后第i个标记点的互信息值是以振动响应的S矩阵的图像信息计算的,其取值范围为[0,1],因此可定义叶片损伤前后第i个特征点振动响应非线性程度变化量的估计值为:
δi=1-I(Xi,Yi)
对每一个标记点损伤前后的振动响应信号按上述步骤进行计算,则叶片含裂纹损伤前后各标记点的非线性程度变化量向量δo为:
δo=[δ1,δ2,…,δi],o=1,2,…,i
表2为本发明所提供的叶片裂纹在4、5点之间各标记点非线性程度变化量对比表,计算得叶片裂纹在4、5标记点之间时各标记点损伤前后非线性振动响应的非线性程度变化量如表2所示,其分布曲线如图6所示。
表2
2)叶片裂纹在6、7标记点之间
(1)计算裂纹损伤前后各标记点的互信息值
设定叶片上的标记点个数为(z1,z2,…,zn),其中,n为沿叶片边缘截面轴向方向上标记振动测量点的个数,得到无裂纹和有裂纹叶片上各标记点位置的非线性振动响应Vn,Vc为:
Vn=(x1,x2,…,xn),Vc=(y1,y2,…,yn)
则无裂纹叶片和有裂纹叶片第i个标记点的振动响应信号分别为xi,yi(i=1,2,…,n),分别对xi,yi进行S变换得到其Si矩阵:
其中,复数矩阵Si的行向量表示信号在某个时刻频率分向量的大小,复数矩阵Si的列向量代表信号在某一频率组成的幅值大小随着时间的变化;
设叶片无裂纹时第i个测点振动响应Si矩阵的图像信息为Xi,有裂纹时相应的同一标记点i的振动响应Si矩阵的图像信息为Yi,则其相应的信息熵H(Xi)、H(Yi)及联合熵H(Xi,Yi)可表示为:
其中,x表示图像Xi中灰度值为x的像素,y表示图像Yi中灰度值为y的像素,pXi(x)、pYi(y)分别表示Xi、Yi的边缘概率分布,pXi,Yi(x,y)表示(Xi,Yi)的联合概率分布,可采用图像的灰度直方图进行求取。
此时,可由式(4)计算叶片裂纹损伤前后第i个标记点的互信息I(Xi,Yi):
I(Xi,Yi)=H(Xi)+H(Yi)-H(Xi,Yi)
对每一个标记点损伤前后的振动响应信号按上述步骤进行计算,则叶片含裂纹损伤前后各标记点的互信息值向量为:
In=(I(X1,Y1),I(X2,Y2),…,I(Xn,Yn)),n=1,2,…,i
表3为本发明所提供的叶片裂纹在6、7点之间各标记点互信息值对比表,计算得叶片裂纹在6、7点之间时各标记点损伤前后非线性振动响应的互信息如表3所示,其分布曲线如图7所示。
表3
(2)计算叶片裂纹损伤前后各测点振动响应非线性程度变化估计值δo
由于叶片裂纹损伤前后第i个标记点的互信息值是以振动响应的S矩阵的图像信息计算的,其取值范围为[0,1],因此可定义叶片损伤前后第i个特征点振动响应非线性程度变化量的估计值为:
δi=1-I(Xi,Yi)
对每一个标记点损伤前后的振动响应信号按上述步骤进行计算,则叶片含裂纹损伤前后各标记点的非线性程度变化量向量δo为:
δo=[δ1,δ2,…,δi],o=1,2,…,i
表4为本发明所提供的叶片裂纹在6、7点之间各标记点非线性程度变化量对比表,计算得叶片裂纹在6、7标记点之间时各标记点损伤前后非线性振动响应的非线性程度变化量如表4所示,其分布曲线如图8所示。
表4
利用所计算的叶片裂纹损伤前后各标记点的非线性程度变化量δo:
δo=[δ1,δ2,…,δi],o=1,2,…,i
设δp为各分布点对应的非线性程度变化估计值的最大值,即有:
δp=max{δo}=max{δ1,δ2,…,δi},p=1,2,…,i
结合非线性程度变化估计值的最大值δp与各标记点对应的分布图,通过检索裂纹损伤前后各标记点非线性程度变化向量中分量的最大值位置zp,可判断叶片裂纹的位置就在[zp-1,zp]之间。
裂纹在叶片上4、5测点之间时,从各标记点裂纹损伤前后的非线性程度变化量分布图6所示,在第5号测点位置其非线性程度变化量最大,此时可判断裂纹发生在叶片的4、5号测点之间,这与裂纹模拟的位置相符。
裂纹在叶片上6、7测点之间时,从各标记点裂纹损伤前后的非线性程度变化量分布图8所示,在第7号测点位置其非线性程度估计值最大,此时可判断裂纹发生在叶片的6、7号测点之间,这与裂纹模拟的位置相符。
图9为本发明所提供的风力机叶片裂纹位置定位检测系统结构图,如图9所示,一种风力机叶片裂纹位置定位检测系统,包括:
标记模块901,用于对风力机叶片进行标记,并确定多个标记点位置。
非线性振动响应信号采集模块902,用于在相同的工作状态下,针对同一片所述风力机叶片,采集所述风力机叶片无裂纹时各个所述标记点位置的无裂纹非线性振动响应信号以及所述风力机叶片有裂纹时各个所述标记点位置的有裂纹非线性振动响应信号。
非线性振动响应信号的互信息熵计算模块903,用于根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
所述互信息熵计算模块903具体包括:无裂纹S变换单元,用于对所述无裂纹非线性振动响应信号进行S变换,确定变换后的无裂纹非线性振动响应信号矩阵;有裂纹S变换单元,用于对所述有裂纹非线性振动响应信号进行S变换,确定变换后的有裂纹非线性振动响应信号矩阵;无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵确定单元,用于根据所述变换后的无裂纹非线性振动响应信号矩阵以及所述有裂纹非线性振动响应信号矩阵确定无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵;所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵包括无裂纹信息熵、有裂纹信息熵以及联合熵;非线性振动响应信号的互信号确定单元,用于根据所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵确定各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
振动响应非线性程度变化量确定模块904,用于根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量。
所述振动响应非线性程度变化量确定模块904具体包括:振动响应非线性程度变化量确定单元,用于根据公式δi=1-I(Xi,Yi)确定各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,将各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量组成向量δo=[δ1,δ2,…,δn];其中I(Xi,Yi)为非线性振动响应信号的互信息熵,Xi为第i个标记点无裂纹非线性振动响应信号矩阵,Yi为第i个标记点有裂纹非线性振动响应信号矩阵;δi为非线性程度变化量,i=1,2,…,n。
裂纹位置确定模块905,用于根据所述振动响应非线性程度变化量确定裂纹位置。
所述裂纹位置确定模块905具体包括:最大值确定单元,用于确定所述振动响应非线性程度变化量的最大值,并确定所述最大值所对应的所述标记点位置;裂纹位置范围确定单元,用于根据所述最大值所对应的所述标记点位置确定所述风力机叶片的裂纹位置范围;裂纹位置确定单元,用于根据所述裂纹位置范围确定裂纹位置。
本发明提供了一种风力机叶片裂纹位置定位检测方法及系统,通过对比无裂纹与有裂纹叶片在正常工作状态下的非线性振动特性,能够准确定位风力机叶片的裂纹位置。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种风力机叶片裂纹位置定位检测方法,其特征在于,包括:
对风力机叶片进行标记,并确定多个标记点位置;
在相同的工作状态下,针对同一片所述风力机叶片,采集所述风力机叶片无裂纹时各个所述标记点位置的无裂纹非线性振动响应信号以及所述风力机叶片有裂纹时各个所述标记点位置的有裂纹非线性振动响应信号;
根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵;
根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量;
根据所述振动响应非线性程度变化量确定裂纹位置。
2.根据权利要求1所述的风力机叶片裂纹位置定位检测方法,其特征在于,所述根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵,具体包括:
对所述无裂纹非线性振动响应信号进行S变换,确定变换后的无裂纹非线性振动响应信号矩阵;
对所述有裂纹非线性振动响应信号进行S变换,确定变换后的有裂纹非线性振动响应信号矩阵;
根据所述变换后的无裂纹非线性振动响应信号矩阵以及所述变换后的有裂纹非线性振动响应信号矩阵计算无裂纹振动响应信号矩阵信息熵、有裂纹非线性振动响应信号矩阵信息熵以及联合熵;
根据所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵确定各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
3.根据权利要求1所述的风力机叶片裂纹位置定位检测方法,其特征在于,所述根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,具体包括:
根据公式δi=1-I(Xi,Yi)确定各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,将各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量组成向量δo=[δ1,δ2,…,δn];其中I(Xi,Yi)为非线性振动响应信号的互信息熵,Xi为第i个标记点无裂纹非线性振动响应信号矩阵,Yi为第i个标记点有裂纹非线性振动响应信号矩阵;δi为非线性程度变化量,i=1,2,…,n。
4.根据权利要求1所述的风力机叶片裂纹位置定位检测方法,其特征在于,所述根据所述振动响应非线性程度变化量确定裂纹位置,具体包括:
确定所述振动响应非线性程度变化量的最大值,并确定所述最大值所对应的所述标记点位置;
根据所述最大值所对应的所述标记点位置确定所述风力机叶片的裂纹位置范围;
根据所述裂纹位置范围确定裂纹位置。
5.一种风力机叶片裂纹位置定位检测系统,其特征在于,包括:
标记模块,用于对风力机叶片进行标记,并确定多个标记点位置;
非线性振动响应信号采集模块,用于在相同的工作状态下,针对同一片所述风力机叶片,采集所述风力机叶片无裂纹时各个所述标记点位置的无裂纹非线性振动响应信号以及所述风力机叶片有裂纹时各个所述标记点位置的有裂纹非线性振动响应信号;
非线性振动响应信号的互信息熵计算模块,用于根据所述无裂纹非线性振动响应信号以及所述有裂纹非线性振动响应信号计算各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵;
振动响应非线性程度变化量确定模块,用于根据所述互信息熵计算各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量;
裂纹位置确定模块,用于根据所述振动响应非线性程度变化量确定裂纹位置。
6.根据权利要求5所述的风力机叶片裂纹位置定位检测系统,其特征在于,所述互信息熵计算模块具体包括:
无裂纹S变换单元,用于对所述无裂纹非线性振动响应信号进行S变换,确定变换后的无裂纹非线性振动响应信号矩阵;
有裂纹S变换单元,用于对所述有裂纹非线性振动响应信号进行S变换,确定变换后的有裂纹非线性振动响应信号矩阵;
互信息熵计算单元,用于根据所述变换后的无裂纹非线性振动响应信号矩阵以及所述变换后的有裂纹非线性振动响应信号矩阵计算无裂纹振动响应信号矩阵信息熵、有裂纹非线性振动响应信号矩阵信息熵以及联合熵;
非线性振动响应信号的互信息熵计算单元,用于根据所述无裂纹振动响应信号矩阵信息熵、所述有裂纹非线性振动响应信号矩阵信息熵以及所述联合熵确定各个所述标记点位置出现裂纹损伤前后的非线性振动响应信号的互信息熵。
7.根据权利要求5所述的风力机叶片裂纹位置定位检测系统,其特征在于,所述振动响应非线性程度变化量确定模块具体包括:
根据公式δi=1-I(Xi,Yi)确定各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量,将各个所述标记点位置出现裂纹损伤前后的振动响应非线性程度变化量组成向量δo=[δ1,δ2,…,δn];其中I(Xi,Yi)为非线性振动响应信号的互信息熵,Xi为第i个标记点无裂纹非线性振动响应信号矩阵,Yi为第i个标记点有裂纹非线性振动响应信号矩阵;δi为非线性程度变化量,i=1,2,…,n。
8.根据权利要求5所述的风力机叶片裂纹位置定位检测系统,其特征在于,所述裂纹位置确定模块具体包括:
最大值确定单元,用于确定所述振动响应非线性程度变化量的最大值,并确定所述最大值所对应的所述标记点位置;
裂纹位置范围确定单元,用于根据所述最大值所对应的所述标记点位置确定所述风力机叶片的裂纹位置范围;
裂纹位置确定单元,用于根据所述裂纹位置范围确定裂纹位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811601124.XA CN109541028B (zh) | 2018-12-26 | 2018-12-26 | 一种风力机叶片裂纹位置定位检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811601124.XA CN109541028B (zh) | 2018-12-26 | 2018-12-26 | 一种风力机叶片裂纹位置定位检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109541028A true CN109541028A (zh) | 2019-03-29 |
CN109541028B CN109541028B (zh) | 2021-03-16 |
Family
ID=65858253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811601124.XA Active CN109541028B (zh) | 2018-12-26 | 2018-12-26 | 一种风力机叶片裂纹位置定位检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109541028B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530980A (zh) * | 2019-09-06 | 2019-12-03 | 佛山科学技术学院 | 基于机器视觉测振和非线性度的叶片裂纹定位系统及方法 |
CN110568074A (zh) * | 2019-09-19 | 2019-12-13 | 佛山科学技术学院 | 基于非接触多点测振与Hilbert变换的风力机叶片裂纹定位方法 |
CN110687124A (zh) * | 2019-10-18 | 2020-01-14 | 佛山科学技术学院 | 一种基于视觉测振及非线性双相干谱的叶片裂纹定位方法 |
CN111426459A (zh) * | 2020-04-13 | 2020-07-17 | 天津大学 | 基于叶尖定时和朴素贝叶斯算法的叶片裂纹在线测量方法 |
CN112257516A (zh) * | 2020-09-30 | 2021-01-22 | 北京致感致联科技有限公司 | 风机支撑杆塌陷监测的方法及其装置 |
CN112284517A (zh) * | 2020-09-30 | 2021-01-29 | 北京致感致联科技有限公司 | 风机支撑杆裂纹监测的方法及其装置 |
CN112414683A (zh) * | 2019-12-24 | 2021-02-26 | 湖南科技大学 | 基于平均马氏距离的松动螺栓位置定位方法及系统 |
CN112796957A (zh) * | 2021-03-26 | 2021-05-14 | 厦门理工学院 | 一种风机叶片的检测方法和装置以及设备 |
CN112945531A (zh) * | 2021-02-03 | 2021-06-11 | 西人马(西安)测控科技有限公司 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
CN113504302A (zh) * | 2021-06-30 | 2021-10-15 | 上海电气风电集团股份有限公司 | 风机叶片状态监测的方法、系统、电子设备及存储介质 |
CN114167026A (zh) * | 2021-11-23 | 2022-03-11 | 哈尔滨工程大学 | 一种透平叶片裂纹数量在线识别的实验装置 |
CN114184763A (zh) * | 2021-11-23 | 2022-03-15 | 哈尔滨工程大学 | 一种透平叶片裂纹位置在线识别的实验装置及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657110A (zh) * | 2017-09-25 | 2018-02-02 | 沈阳工业大学 | 大型风力机叶片的疲劳损伤评价方法 |
-
2018
- 2018-12-26 CN CN201811601124.XA patent/CN109541028B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657110A (zh) * | 2017-09-25 | 2018-02-02 | 沈阳工业大学 | 大型风力机叶片的疲劳损伤评价方法 |
Non-Patent Citations (1)
Title |
---|
蒋勉等: "一种利用振动响应非线性估计的叶片裂纹定位方法", 《机械科学与技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530980B (zh) * | 2019-09-06 | 2022-04-15 | 佛山科学技术学院 | 基于机器视觉测振和非线性度的叶片裂纹定位系统及定位方法 |
CN110530980A (zh) * | 2019-09-06 | 2019-12-03 | 佛山科学技术学院 | 基于机器视觉测振和非线性度的叶片裂纹定位系统及方法 |
CN110568074A (zh) * | 2019-09-19 | 2019-12-13 | 佛山科学技术学院 | 基于非接触多点测振与Hilbert变换的风力机叶片裂纹定位方法 |
CN110568074B (zh) * | 2019-09-19 | 2022-03-04 | 佛山科学技术学院 | 基于非接触多点测振与Hilbert变换的风力机叶片裂纹定位方法 |
CN110687124A (zh) * | 2019-10-18 | 2020-01-14 | 佛山科学技术学院 | 一种基于视觉测振及非线性双相干谱的叶片裂纹定位方法 |
CN112414683A (zh) * | 2019-12-24 | 2021-02-26 | 湖南科技大学 | 基于平均马氏距离的松动螺栓位置定位方法及系统 |
CN112414683B (zh) * | 2019-12-24 | 2022-08-02 | 湖南科技大学 | 基于平均马氏距离的松动螺栓位置定位方法及系统 |
CN111426459A (zh) * | 2020-04-13 | 2020-07-17 | 天津大学 | 基于叶尖定时和朴素贝叶斯算法的叶片裂纹在线测量方法 |
CN112257516A (zh) * | 2020-09-30 | 2021-01-22 | 北京致感致联科技有限公司 | 风机支撑杆塌陷监测的方法及其装置 |
CN112284517A (zh) * | 2020-09-30 | 2021-01-29 | 北京致感致联科技有限公司 | 风机支撑杆裂纹监测的方法及其装置 |
CN112257516B (zh) * | 2020-09-30 | 2023-12-26 | 北京致感致联科技有限公司 | 风机支撑杆塌陷监测的方法及其装置 |
CN112284517B (zh) * | 2020-09-30 | 2022-10-14 | 北京致感致联科技有限公司 | 风机支撑杆裂纹监测的方法及其装置 |
CN112945531A (zh) * | 2021-02-03 | 2021-06-11 | 西人马(西安)测控科技有限公司 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
CN112796957A (zh) * | 2021-03-26 | 2021-05-14 | 厦门理工学院 | 一种风机叶片的检测方法和装置以及设备 |
CN113504302A (zh) * | 2021-06-30 | 2021-10-15 | 上海电气风电集团股份有限公司 | 风机叶片状态监测的方法、系统、电子设备及存储介质 |
CN114184763A (zh) * | 2021-11-23 | 2022-03-15 | 哈尔滨工程大学 | 一种透平叶片裂纹位置在线识别的实验装置及方法 |
CN114167026A (zh) * | 2021-11-23 | 2022-03-11 | 哈尔滨工程大学 | 一种透平叶片裂纹数量在线识别的实验装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109541028B (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109541028A (zh) | 一种风力机叶片裂纹位置定位检测方法及系统 | |
CN110108348A (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
CN106989812B (zh) | 基于摄影测量技术的大型风机叶片模态测试方法 | |
CN102521560B (zh) | 高鲁棒仪表指针图像识别方法 | |
EP3658868B1 (en) | Apparatus and method for performing an impact excitation technique | |
KR102051746B1 (ko) | 모달 감쇠계수 측정 장치 및 이를 이용한 모달 감쇠계수 측정 방법 | |
CN108802176A (zh) | 一种基于pvdf传感器与应变模态的结构损伤识别实验方法 | |
CN107063675A (zh) | 旋转叶片振动测试精度计算方法及系统 | |
JP2013519882A (ja) | 磁気符号化を用いた変位測定システム及び方法 | |
CN103592467A (zh) | 二维超声波风速仪零点在线自校正装置及方法 | |
CN107907064A (zh) | 一种裂隙监测系统及方法 | |
Di Lorenzo et al. | Full-field modal analysis using high-speed 3D digital image correlation | |
CN109270170A (zh) | 一种考虑介尺度的敏度修正装载机结构损伤识别方法 | |
CN105136908B (zh) | 基于指征频率时空演变的桥梁结构损伤定位方法 | |
EP2538078A2 (en) | System and method for monitoring stress on a wind turbine blade | |
CN110568074B (zh) | 基于非接触多点测振与Hilbert变换的风力机叶片裂纹定位方法 | |
CN108825448B (zh) | 静态变形的检测方法和检测系统 | |
CN108106804A (zh) | 一种悬臂结构工作变形试验方法及系统 | |
CN115343014B (zh) | 一种荧光标记点位误差修正方法、装置、设备及存储介质 | |
Winstroth et al. | Wind turbine rotor blade monitoring using digital image correlation: assessment on a scaled model | |
CN109510543B (zh) | 一种伺服电机负载惯量的测定方法 | |
CN103822768B (zh) | 一种超低频水平向振动台导轨不平顺静态补偿方法 | |
CN112034048A (zh) | 基于多重频响函数估计的梁类结构裂纹定位方法 | |
CN109238279A (zh) | 一种基于步态识别的手推车融合定位方法 | |
RU2584577C1 (ru) | Способ калибровки магнитострикционных преобразователей линейных перемещений и устройство его реализации |
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 |