CN110688906A - 风电设备的智能检测方法及相关产品 - Google Patents

风电设备的智能检测方法及相关产品 Download PDF

Info

Publication number
CN110688906A
CN110688906A CN201910819835.2A CN201910819835A CN110688906A CN 110688906 A CN110688906 A CN 110688906A CN 201910819835 A CN201910819835 A CN 201910819835A CN 110688906 A CN110688906 A CN 110688906A
Authority
CN
China
Prior art keywords
wind power
determining
vibration
point
power equipment
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
Application number
CN201910819835.2A
Other languages
English (en)
Other versions
CN110688906B (zh
Inventor
高风波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHENZHEN GUANGNING INDUSTRIAL CO LTD
Original Assignee
Shenzhen Haoxi Intelligent Technology Co Ltd
Shenzhen Guangning Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Haoxi Intelligent Technology Co Ltd, Shenzhen Guangning Co Ltd filed Critical Shenzhen Haoxi Intelligent Technology Co Ltd
Priority to CN201910819835.2A priority Critical patent/CN110688906B/zh
Publication of CN110688906A publication Critical patent/CN110688906A/zh
Priority to PCT/CN2020/104832 priority patent/WO2021036639A1/zh
Application granted granted Critical
Publication of CN110688906B publication Critical patent/CN110688906B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Wind Motors (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本申请实施例公开了一种风电设备的智能检测方法及相关产品，应用于振动检测设备，方法包括：获取目标风电设备的机舱在工作状态下的第一目标视频；根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；根据所述第二参考振动信息判断所述目标风电设备的状态。本申请实施例提供的风电设备的智能检测方法，降低了风电设备的检测难度和复杂度，提升了检测的效率，提升了振动检测设备的智能性。

Description

风电设备的智能检测方法及相关产品
技术领域
本申请涉及互联网技术领域，具体涉及一种风电设备的智能检测方法及相关产品。
背景技术
互联网Internet属于传媒领域，又称国际网络，是网络与网络之间所串连成的庞大网络，这些网络以一组通用的协议相连，形成逻辑上的单一巨大国际网络。这种将计算机网络互相联接在一起的方法可称作“网络互联”，在这基础上发展出覆盖全世界的全球性互联网络称互联网，即是互相连接一起的网络结构。“互联网+”是创新2.0下的互联网发展的新业态，是知识社会创新2.0推动下的互联网形态演进及其催生的经济社会发展新形态。“互联网+”是互联网思维的进一步实践成果，推动经济形态不断地发生演变，从而带动社会经济实体的生命力，为改革、创新、发展提供广阔的网络平台。通俗的说，“互联网+”就是“互联网+各个传统行业”，但这并不是简单的两者相加，而是利用信息通信技术以及互联网平台，让互联网与传统行业进行深度融合，创造新的发展生态。它代表一种新的社会形态，即充分发挥互联网在社会资源配置中的优化和集成作用，将互联网的创新成果深度融合于经济、社会各域之中，提升全社会的创新力和生产力，形成更广泛的以互联网为基础设施和实现工具的经济发展新形态。
传统的振动监测系统一般是采用本地化检测设备，如在专用房间布置激光多普勒测振仪LDVs，通过该设备进行本地化的振动检测，以及故障预测等，但是LDVs存在价格昂贵，使用环境受限(测试环境的温度、光照等环境影响会使测量结果严重变坏)，测试区域小、难以实现远程监控等缺点，难以满足户外等使用环境多变的场景中的智能化的振动检测需求。
随着社会的进步，生活水平的提高，人们的环境保护意识也越来越高；为了在保护环境的同时满足人类对能源的需求，人们对可再生能源的重视程度越来越高。风能资源较为丰富，风电设备也越来越多的投入使用。
当前风力发电机的塔高约40至60米，每个叶片的长度约为20米，在针对风力发电机进行维护或检测的过程中，需要工作人员攀登到一定的高度进行检测；检测过程较为复杂，耗时较长。
发明内容
本申请实施例提供了一种风电设备的智能检测方法及相关产品，以期降低风电设备检测过程中的复杂度，提高针对风电设备进行检测的检测效率。
具体的，本申请实施例所公开的风电设备的智能检测方法中的数据传输流程可以基于互联网+技术，形成本地+云端或服务器的分布式智能化风电设备的智能检测系统，一方面本地可以通过采集装置采集精确的风电设备的原始影像并通过数据处理装置进行预处理，另一方面云端或服务器可以基于获取到的分布式数据，结合通过大数据技术统计分析得到风电设备的各类专用故障检测模型，预测被检测的风电设备的故障，实现互联网与振动监测系统的深度融合，提高监测的智能性和准确度，满足日益增多的各类场景中的智能化的振动检测需求，实现了应用于风电设备检测的智能检测系统，提高了针对风电设备进行检测的检测效率。
第一方面，本申请实施例提供一种风电设备的智能检测方法，应用于振动检测设备，所述方法包括：
获取目标风电设备的机舱在工作状态下的第一目标视频；
根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；
获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；
根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；
根据所述第二参考振动信息判断所述目标风电设备的状态。
第二方面，本申请实施例提供一种风电设备的智能检测方法装置，包括处理单元和通信单元，其中，
所述处理单元，用于通过所述通信单元获取目标风电设备的机舱在工作状态下的第一目标视频；以及用于根据所述第一目标视频确定所述目标风电设备的叶片的至少一个位置区域；以及用于通过所述通信单元获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；以及用于根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；以及用于根据所述第二参考振动信息判断所述目标风电设备的状态。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，本申请实施例中，振动检测设备获取目标风电设备的机舱在工作状态下的第一目标视频；根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；根据所述第二参考振动信息判断所述目标风电设备的状态。可见，振动检测设备可根据机舱的振动情况判断出叶片的一个较小的区域，进而根据较小的区域的振动情况判断叶片是否存在故障，整个检测过程只需根据风电设备在工作状态下的视频即可完成，无需人工攀爬至风电设备针对风电设备的各部位进行检测，提升了检测效率，缩短了检测时长。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种风电设备的智能检测系统的架构图；
图2A是本申请实施例提供的一种风电设备的智能检测方法的流程示意图；
图2B为本申请实施例提供的一种位置区域的划分示意图；
图2C为本申请实施例提供的一种位置关系和位移向量的示意图；
图3是本申请实施例提供的一种振动检测设备的结构示意图；
图4是本申请实施例提供的一种风电设备的智能检测装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的振动检测设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(Mobile Station，MS)，终端设备(terminal device)等等。
如图1所示，图1是本申请实施例提供的一种风电设备的智能检测系统的架构图。图1中包括振动检测设备100和风电设备。所述振动检测设备100包括数据处理和显示装置101和数据获取装置102；所述风电设备包括机舱111和叶片112。在针对所述风电设备执行检测的过程中，首先检测设备100的数据获取装置获取机舱111在工作状态下的第一目标视频；数据获取装置102向所述数据处理和显示装置101发送所述第一目标视频，所述数据处理和显示装置101根据预设视频处理策略针对所述第一目标视频处理得到机舱111的振动信息；根据机舱111的振动信息确定叶片112的至少一个位置区域，数据获取装置102调整摄像头的焦距获取叶片112的至少一个位置区域中第一位置区域对应的第二目标视频，数据获取装置102向数据处理和显示装置101发送第二目标视频，数据处理和显示装置101根据预设视频处理策略针对所述第二目标视频处理得到叶片112的振动信息，分析叶片112的振动信息，进而确定叶片112存在故障的位置以及故障程度，生成风电设备当前的状态。
针对上述问题，本申请提出一种风电设备的智能检测方法，下面对本申请实施例进行详细介绍。
请参阅图2A，图2A是本申请实施例提供了一种风电设备的智能检测方法的流程示意图，应用于振动检测设备；如图所示，本风电设备的智能检测方法包括：
步骤201，振动检测设备获取目标风电设备的机舱在工作状态下的第一目标视频；
步骤202，振动检测设备根据所述第一目标视频确定所述目标风电设备的叶片的第一置区域；
其中，振动检测设备可提前获取风电设备的故障数据；故障数据中包括风电设备常见的故障，如叶片裂痕和裂痕程度，故障数据还包括在叶片在不同的位置存在微小裂痕时，机舱对应的振动数据。因此，振动检测设备可根据当前目标风电设备的使用年限和使用环境确定风电设备可能存在的故障程度，如年限较短，且使用环境无风沙，则确定目标风电设备最可能存在的故障为微小的裂痕，则根据机舱的第一目标视频得到机舱的振动信息，查询微小的裂痕对应的数据库，确定机舱的振动信息匹配的至少一个位置信息，根据至少一个位置信息确定叶片的至少一个位置区域，其中，第一位置区域可以是至少一个位置区域中的任意一个位置区域。本申请以至少一个区域中的第一位置区域作为示例进行了描述，在针对风电设备的实际检测过程中，振动检测设备可检测至少一个位置区域中的每一个位置区域。
步骤203，振动检测设备获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；
其中，第二目标视频为风电设备在工作状态下时叶片的第一位置区域对应的视频。
步骤204，振动检测设备根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；
其中，所述第二参考振动信息包括第一位置区域内多个位置点的振动信息。
步骤205，振动检测设备根据所述第二参考振动信息判断所述目标风电设备的状态。
其中，风电设备的状态包括故障状态和正常状态；故障状态中可包括内部裂痕以及裂痕的程度，外部损伤等。
可以看出，本申请实施例中，振动检测设备获取目标风电设备的机舱在工作状态下的第一目标视频；根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；获获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；根据所述第二参考振动信息判断所述目标风电设备的状态。可见，振动检测设备可根据机舱的振动情况判断出叶片的一个较小的区域，进而根据较小的区域的振动情况判断叶片是否存在故障，整个检测过程只需根据风电设备在工作状态下的视频即可完成，无需人工攀爬至风电设备针对风电设备的各部位进行检测，提升了检测效率，缩短了检测时长。
可选的，振动检测设备可首先获取目标风电设备在工作状态下的目标视频；通过预设算法根据目标视频中的至少一帧图像提取目标风电设备的特征信息，向云服务器发送目标风电设备的特征信息，云服务根据特征信息确定出目标风电设备的型号，云服务器获取目标风电设备对应的型号的风电设备维修记录，根据目标风电设备的维修记录确定目标风电设备的叶片的至少一个位置区域的优先级序列；所述至少一个位置区域的优先级序列中优先级越高的位置区域对应的故障率越高；云服务器向目标风电设备发送至少一个位置区域的优先级序列，目标风电设备根据至少一个位置区域的优先级序列依次检测每个位置区域的状态，以判断该区域是否存在故障，进而根据每个位置区域的检测情况判断整个风电设备的状态；其中，所述目标风电设备根据至少一个位置区域的优先级序列依次检测每个位置区域的状态，以判断该区域是否存在故障，包括：获取所述至少一个位置区域中第一位置区域对应的目标视频，并根据预设视频处理策略处理所述第一位置区域对应的目标视频得到第一参考振动信息；向云服务器发送所述第一参考振动信息，云服务根据所述第一位置区域对应的故障数据库判断所述第一参考振动信息是否处于故障范围；若是，则确定所述第一位置区域存在故障；若否，则确定所述第一位置区域无故障；针对所述至少一个位置区域中其余的每个区域执行上述操作，完成针对所述至少一个位置区域的检测。
可选的，振动检测设备在获取到目标风电设备在工作状态下的目标视频的同时根据定位系统获取当前所在的位置信息，振动检测设备向云服务器发送位置信息，云服务器根据所述位置信息查询所述位置信息对应的第一环境信息(例如平均风速、平均降雨量、平均气温和湿度等信息)；以所述第一环境信息为查询标识，获取与所述第一环境信息相匹配的至少一个地理位置的风电设备的故障数据，所述至少一个地理位置的环境信息与所述振动检测设备当前所在的地理位置的环境信息在预设时间段内相近(例如两个位置区域一年内的平均风速、平均降雨量、平均气温和湿度等信息互相之间的差值小于等于预设数值范围)；根据所述至少一个地理位置的风电设备的故障数据确定风电设备的至少一个位置区域的故障率，服务器向振动检测设备发送所述至少一个位置区域的故障率，振动检测设备根据至少一个位置区域的故障率的由高到低的顺序依次检测目标风电设备的所述至少一个位置区域的振动情况，根据振动情况判断当前目标风电设备是否存在故障。
可选的，振动检测设备可首先获取目标风电设备的图像，根据当前风电设备的图像智能的识别当前风电设备的型号，查询所述型号的故障数据库，根据故障数据库中的信息针对风电设备的叶片划分优先级不同的多个分区，优先级大小由不同分区存在故障的可能性由大到小确定。针对分区的优先级由大到小依次获取每个分区对应的目标视频，进而根据每个分区对应的目标视频确定出每个分区对应的振动信息；根据每个分区的振动信息判断叶片是否存在裂痕等故障。
可选的，振动检测设备可获取机舱在工作状态下的目标视频，根据预设视频处理策略处理所述机舱的目标视频，得到机舱的振动信息，根据机舱的振动信息判断机舱、塔和叶片三者连接的稳定性。
在一个可能的示例中，所述振动检测设备根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域，包括：振动检测设备获取所述第一目标视频对应的第一转速，所述第一转速包括所述第一目标视频中每个时间点对应的转速；根据所述预设视频处理策略处理所述第一目标视频以得到所述机舱的第一参考振动信息；以所述第一参考振动信息为查询标识，查询所述第一转速对应的数据库，获取所述查询标识对应的第一参考位置信息，所述数据库包括振动信息和位置信息之间的对应关系；根据所述第一参考位置信息确定所述叶片的所述第一位置区域。
其中，所述第一参考振动信息包括所述第一目标风电设备中每个时间点对应的以下至少一种信息：振动幅度、振动频率、振动相位和时域波形。
其中，第一转速对应的数据库是根据大量历史检测数据建立的；建立数据库的具体过程包括：首先收集大量风电设备的故障数据，收集故障数据的具体过程包括：确定出风电设备存在故障的位置区域，检测风电设备的机舱在不同风速下对应的振动情况；再确定风电设备的型号，将检测得到的故障数据添加至对应型号的数据集合中；其次，根据每个型号对应的数据集合中大量的故障数据的建立映射关系，映射关系包括不同转速下机舱的振动情况和位置区域之间的映射关系。当检测目标风电设备是否存在故障时，首先确定目标风电设备的型号，确定出型号的映射关系，再根据目标风电设备的转速和机舱的振动情况查询映射关系，得到第一参考位置信息。
其中，所述参考位置信息包括所述第一目标视频中每个时间点对应的位置信息；根据所述参考位置信息确定所述叶片的所述第一位置区域包括：计算所述每个时间点对应的位置信息的平均值，所述平均值加减预设数值得到最大值和最小值，根据所述最大值和最小值确定第一位置区域。可选的，所述每个时间点对应的位置信息为一个数值范围，根据所述每个时间点对应的数值范围重合的部分确定第一位置区域，具体的可以是所述第一位置区域可以是重合概率大于预设百分比的区域；例如所述预设百分比为百分之八十，所述第一目标视频中存在第一数量个时间点，所述第一数量个时间点对应第一数量个数值范围；根据所述第一数量个数值范围确定所述第一位置区域，百分之八十的所述第一数量个数值范围包括一个位置区域，则确定该区域为第一位置区域。例如所述第一目标视频包括两个时间点，第一时间点对应的位置信息为5至7米，第二时间点对应的位置信息为6至8米，则确定6至7米处为所述第一位置区域。
可选的，所述目标风电设备可获取所述第一目标风电设备对应的第一风速，所述第一风速包括所述第一目标视频中每个时间点对应的风速；根据所述第一参考振动信息和所述第一风速确定所述第一位置区域。具体的，所述目标风电设备以所述第一风速为查询标识，查询所述第一目标视频中每个时间点对应的振动数据范围；根据所述预设视频处理策略处理所述第一目标视频以得到所述机舱的第一参考振动信息；判断所述第一参考振动信息中所述每个时间点对应的所述第一振动信息是否处于所述振动数据范围之内；若是，则确定所述风电设备运行正常；若否，则以所述每个时间点对应的所述第一参考振动信息为查询标识，查询第一预设匹配关系，确定所述第一目标视频中每个时间点对应的第一位置信息，如第一时间点对应的第一位置信息为叶片的5.1至5.2米处；根据所述每个时间点对应的第一位置信息，确定第一位置区域。具体的，可以是根据所述每个时间点对应的第一位置信息确定所述第一位置信息中的最大值和最小值；根据所述最大值和最小值确定所述第一位置区域，例如最大值为7米处，最小值为6米处，则确定所述叶片的6-7米处为所述第一位置区域。可选的，根据所述每个时间点对应的第一位置信息，确定第一位置区域还可以是：计算所述每个时间点对应的第一位置信息的平均值，将所述平均值加减预设数值得到最大值和最小值；举例来说计算得到平均值为10米；预设数值为1；则确定最大值为11，最小值为9；则确定叶片的9至11米的区间为第一位置区域。
可见，本示例中振动检测设备可根据机舱的振动信息和转速确定出叶片的第一位置区域，缩小了检测的范围，进而缩短了检测时长，提升了振动检测设备的智能性。
在一个可能的示例中，所述第二目标视频包括N帧图像，所述振动检测设备根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息，包括：振动检测设备确定所述N帧图像中的第一帧图像，N为正整数；根据所述第一帧图像中所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一帧图像中的所述第一位置区域；根据预设的分区策略划分所述第一位置区域为Z个分区，Z为正整数；针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况；根据所述Z个分区的振动情况确定所述第二参考振动信息。
可见，本示例中，振动检测设备可首先确定出第一帧图像中的Z个分区，以便于根据Z个分区的振动情况确定第一位置区域的振动情况，而无需针对第一位置区域中的每个位置点执行振动检测步骤，加快了振动检测的效率，提升了振动检测设备的智能性。
在一个可能的示例中，所述根据预设的分区策略划分所述第一位置区域为Z个分区，包括：根据所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一位置区域的第一中心点；以所述第一中心点为圆心，将所述第一位置区域划分为X个圆环，并确定每个圆环内的H个参考特征点，所述H个参考特征点平均分布在所述X个圆环内,H＝Z/X；确定以所述每个圆环内的H个参考特征点为圆心，预设距离为直径的圆为所述Z个分区；所述预设距离小于所述圆环之间的环宽。
举例来说，请参阅图2B，图2B为本申请实施例提供的一种位置区域的划分示意图，与本示例对应，X＝2，Z＝8，H＝4；即图中共包括2个圆环，每个圆环包括4个参考特征点，且以每个参考特征点为圆心，预设距离为直径的小圆为一个分区；在执行振动检测的步骤中，振动检测设备可由内向外检测；依次检测小的圆环中的四个参考特征点的振动情况；再检测大的圆环中的四个参考特征点的振动情况；筛选出8个参考特征点中存在振动的F个参考特征点，并针对F个参考特征点所在的分区中的每个位置点执行振动检测，以更加精准的判断分区的振动情况。
可见，本示例中，由于风电设备的叶片的表面整体较为平整，振动检测设备可根据预设的分区策略在第一位置区域中均衡的设置Z个分区，以使得Z个分区的振动情况最大程度的反应第一位置区域的振动情况，提升了振动检测设备的智能性。
在一个可能的示例中，针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况，包括：针对所述Z个参考特征点执行振动检测步骤；确定出所述Z个参考特征点中处于振动状态的F个参考特征点的，F为正整数，且F小于Z；确定所述F个参考特征点对应的F个分区；确定所述F个分区中的每个位置点均为参考特征点，得到F个分区的参考特征点；针对所述F个分区的参考特征点执行所述振动检测步骤，得到所述Z个分区的振动情况。
可见，本示例中，振动检测设备可首先检测Z个分区中的Z个参考特征点(及中心点)，根据参考特征点的振动情况再进一步判断是否检测整个分区中每个位置点的振动情况，因为若中心点处于振动的状态时，整个分区大概率也不存在振动情况，因此，可以减少无效的振动检测，提升了振动检测设备的智能性。
在一个可能的示例中，所述振动检测步骤，包括：确定参考特征点与所述机舱的中心位置点之间的第一位置关系；检测当前处理的N帧图像中的第M帧图像是否为所述N帧图像中的最后一帧图像；若否，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述参考特征点对应的第M位移向量；M为大于等于2小于等于N的正整数，M的初始值为2；更新所述M的值为M+1；若是，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述初始特征点对应的第M位移向量；根据得到的K个位移向量生成所述参考特征点的轨迹向量，K＝N-1；根据所述的轨迹向量生成放大输出视频；根据所述放大输出视频生成所述参考特征点的参考振动信息。
其中，根据所述的轨迹向量生成放大输出视频，包括：采用聚类算法对所述参考特征点的轨迹向量聚类，获得K类运动层；从所述K类运动层中获得需要进行放大的目标运动层；对所述目标运动层中参考特征点的偏移距离乘以一个放大倍数放大，获得放大的运动层；对所述放大的运动层进行渲染得到放大输出视频。其中，其中，所述采用聚类算法将所述多个运动特征点聚类获得K类运动层，包括：将所述多个运动特征点中每个运动特征点的速度分解为水平和垂直方向的速度分量，记做vx和vy；将所述速度分量组合成一个复数值的运动向量，记做：vx+jvy；则运动特征点m和n的归一化运动相关指数ρn，m表示为：
Figure BDA0002187220690000111
其中k表示运动特征点在同一个运动轨迹中的取值个数；按照所述运动相关指数对所述多个运动特征点进行k-means聚类，获得K类运动层。具体地，对于进行微小运动的运动特征点，还需要对其进行进一步的运动层划分，然后再对指定的运动层进行运动放大。首先将多个运动特征点中的每个运动特征点进行速度分解，获得水平速度分量和垂直速度分量，然后将水平速度分量和垂直速度分量组合成一个复数值的运动向量，记做vx+jvy，再计算运动向量的运动相关指数ρn，m，最后根据相关指数进行聚类，获得K类运动层，这样在进行运动层划分时，可以同时根据运动特征点的相关性和相似性进行分类，提升运动层划分的准确性。可选的，在从所述K类运动层中获得需要进行放大的目标运动层之前，所述方法还包括：采用双三次插值法对所述K类运动层进行插值运算，获得稠密光流场对应的K类运动层。完成运动特征点聚类后，可以对每帧图像的每个像素点进行插值，获得更加稠密的光流场，采用双三插值法对每一帧图像的所有像素点进行插值，可以获得更加平滑的图像边缘。
其中，本示例中的振动检测步骤适用于任意一个参考特征点的振动情况的检测。
其中，请参阅图2C，图2C为本申请实施例提供的一种位置关系和位移向量的示意图。例如当前M＝2，及当前处理的是第二帧图像，第二预设位置为根据第一帧图像中参考特征点所在的位置，时间差值(第二帧图像和第一帧图像拍摄的时间之间的差值)和目标风电设备的转速计算得到的理论位置点(假设叶片不振动的情况下参考特征点理论上在的位置点)，具体位置可由θ1，d1表示；第二位置点为参考特征点在第二帧图像中的位置具体位置可由θ2，d2表示；第二位移向量为图2C中标示的由第二预设位置指向第二位置点的位移向量。其中第二预设位置的具体计算过程为：根据时间差值和目标风电设备的转速计算在时间差值内目标风电设备的叶片转动的角度值，将第一帧图像中参考特征点所在的位置以所述中心位置点为中心旋转所述角度值，得到第二预设位置。
其中，根据所述的轨迹向量生成放大输出视频，可以根据一个参考特征点点的轨迹向量生成一个参考特征点对应的放大输出视频；也可以根据多个参考特征点的轨迹向量生成关联多个参考特征点的放大输出视频。
其中，机舱的中心位置点作为静态参考点(虽然机舱在振动，但最终只需根据机舱的振动对叶片的振动进行校正即可)，确定出参考特征点与机舱的中心位置点之间的位置关系；通过比较多帧图像中同一参考特征点与与机舱的中心位置点之间的多个位置关系，根据多个位置关系是否变化以及变化的情况确定出参考特征点是否振动以及振动的情况。
举例来说，振动检测设备首先确定出第一帧图像中参考特征点与机舱的中心位置点之间的第一位置关系，且当前的第一位移向量为0；其次，振动检测设备首先确定出第二帧图像中参考特征点与机舱的中心位置点之间的第二预设位置关系(此时可通过机舱的中心点在第二帧图像对应的第二时间点相对第一帧图像对应的第一时间点的位移来针对第二预设位置关系进行校正)，根据第二预设位置关系和第二帧图像中参考特征点与机舱的中心位置点之间的第二位置关系确定出第二位移向量，依此类推，直至检测到最后一帧图像，根据最后一帧图像的位置关系与倒数第二帧图像的位置关系确定出最后一帧图像的位移向量；根据得到的参考特征点关联的所有的位移向量生成放大输出视频；根据放大输出视频生成参考特征点的参考振动信息。
可见，本示例中，振动检测设备可根据多帧图像中参考特征点与机舱的中心位置点的位置关系生成参考特征点的位移向量，进而根据位移向量生成参考特征点的参考振动信息。
在一个可能的示例中，所述根据所述第M位置关系确定出所述参考特征点对应的第M位移向量，包括：获取所述第M帧图像对应的第M时间点和第H帧图像对应的第H时间点，H＝M-1；根据所述第H时间点、所述第M时间点和所述第一转速确定所述参考特征点对应的第M预设位置关系；根据所述第一目标视频中所述机舱的中心位置点在第H时间点和所述第M时间点的位置校正所述第M预设位置；根据所述第M预设位置关系和所述第M位置关系生成所述第M位移向量。
举例来说，第一帧图像对应的时间点为第一时间点，第二帧图像对应的时间点为第二时间点，在第一时间点时，参考特征点与机舱的中心位置点之间的位置关系为第一位置关系，计算第二时间点与第一时间点之间的时间差值，根据时间差值和风电设备的第一转速计算参考特征点转动的角度，确定出参考特征点的第二预设位置关系，由于机舱本身存在振动的情况，且叶片与机舱相连，因此会影响叶片的位置；所以需要根据机舱的中心位置点在第一时间点的第一位置和第二时间点的第二位置校正所述第二预设位置关系(例如第二位置相较于第一位置上移0.1mm；则相应的将第二预设位置关系上移0.1mm；振动检测设备根据第二帧图像中参考特征点的第二位置关系和计算得到的第二预设位置关系得到参考特征点位移的距离，进而根据位移的距离生成位移向量。
可见，本示例中，振动检测设备可根据转速确定出参考特征点在当前处理的帧图像中的预设位置关系，且根据机舱的中心点的在不同时间点的位置情况校正预设位置关系，避免由于机舱的振动影响叶片的振动检测，提升了电子设备的智能性；同时振动检测设备可比较预设位置关系与帧图像中的实际位置关系，以确定出位移向量，以便于后续根据位移向量生成放视频，进而得到参考振动信息。
可选的，所述第二参考振动信息包括所述叶片的多个位置点的振动信息，所述根据所述第二参考振动信息判断所述风电设备的状态，包括：根据所述多个位置点的振动信息确定至少一个位置点；获取所述至少一个位置点两侧的位置点的振动信息；根据所述两侧的位置点的振动信息判断所述两侧的位置点的振动强度是否均小于或大于所述至少一个位置点的；若是，则确定所述至少一个位置点对应的位置存在故障。
其中，所述根据所述多个位置点的振动信息确定至少一个位置点之前，所述方法还包括：获取所述叶片的第二转速，所述第二转速包括所述第二目标视频中每个时间点对应的转速。所述根据所述多个位置点的振动信息确定至少一个位置点包括：以所述第二转速为查询标识，查询所述第一位置区域对应的数据库，获取所述查询表标识对应的振动信息范围，所述第一位置区域对应的数据库包括转速与振动信息范围之间的匹配关系；根据所述振动信息范围筛选所述多个位置点的振动信息，确定出振动信息超出所述振动信息范围的位置点为所述至少一个位置点。可见，本示例中，振动检测设备可根据不同位置点的振动信息判断出故障所在的位置，提升了振动检测设备的智能性。
与上述图2A所示的实施例一致的，请参阅图3，图3是本申请实施例提供的一种振动检测设备300的结构示意图，如图所示，所述振动检测设备300包括应用处理器310、存储器320、通信接口330以及一个或多个程序321，其中，所述一个或多个程序321被存储在上述存储器320中，并且被配置由上述应用处理器310执行，所述一个或多个程序321包括用于执行以下步骤的指令：
获取目标风电设备的机舱在工作状态下的第一目标视频；
根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；
获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；
根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；
根据所述第二参考振动信息判断所述目标风电设备的状态。
可以看出，本申请实施例中，振动检测设备获取目标风电设备的机舱在工作状态下的第一目标视频；根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；根据所述第二参考振动信息判断所述目标风电设备的状态。可见，振动检测设备可根据机舱的振动情况判断出叶片的一个较小的区域，进而根据较小的区域的振动情况判断叶片是否存在故障，整个检测过程只需根据风电设备在工作状态下的视频即可完成，无需人工攀爬至风电设备针对风电设备的各部位进行检测，提升了检测效率，缩短了检测时长。
在一个可能的示例中，在所述根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域方面，所述程序中的指令具体用于执行以下操作：获取所述第一目标视频对应的第一转速，所述第一转速包括所述第一目标视频中每个时间点对应的转速；根据所述预设视频处理策略处理所述第一目标视频以得到所述机舱的第一参考振动信息；以所述第一参考振动信息为查询标识，查询所述第一转速对应的数据库，获取所述查询标识对应的第一参考位置信息，所述数据库包括振动信息和位置信息之间的对应关系；根据所述第一参考位置信息确定所述叶片的所述第一位置区域。
在一个可能的示例中，所述第二目标视频包括N帧图像，在所述根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息方面，所述程序中的指令具体用于执行以下操作：确定所述N帧图像中的第一帧图像，N为正整数；根据所述第一帧图像中所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一帧图像中的所述第一位置区域；根据预设的分区策略划分所述第一位置区域为Z个分区，Z为正整数；针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况；根据所述Z个分区的振动情况确定所述第二参考振动信息。
在一个可能的示例中，在所述根据预设的分区策略划分所述第一位置区域为Z个分区方面，所述程序中的指令具体用于执行以下操作：根据所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一位置区域的第一中心点；以所述第一中心点为圆心，将所述第一位置区域划分为X个圆环，并确定每个圆环内的H个参考特征点，所述H个参考特征点平均分布在所述X个圆环内,H＝Z/X；确定以所述每个圆环内的H个参考特征点为圆心，预设距离为直径的圆为所述Z个分区；所述预设距离小于所述圆环之间的环宽。
在一个可能的示例中，在针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况方面，所述程序中的指令具体用于执行以下操作：针对所述Z个参考特征点执行振动检测步骤；确定出所述Z个参考特征点中处于振动状态的F个参考特征点的，F为正整数，且F小于Z；确定所述F个参考特征点对应的F个分区；确定所述F个分区中的每个位置点均为参考特征点，得到F个分区的参考特征点；针对所述F个分区的参考特征点执行所述振动检测步骤，得到所述Z个分区的振动情况。
在一个可能的示例中，在所述振动检测步骤方面，所述程序中的指令具体用于执行以下操作：确定参考特征点与所述机舱的中心位置点之间的第一位置关系；检测当前处理的N帧图像中的第M帧图像是否为所述N帧图像中的最后一帧图像；若否，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述参考特征点对应的第M位移向量；M为大于等于2小于等于N的正整数，M的初始值为2；更新所述M的值为M+1；若是，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述初始特征点对应的第M位移向量；根据得到的K个位移向量生成所述参考特征点的轨迹向量，K＝N-1；根据所述的轨迹向量生成放大输出视频；根据所述放大输出视频生成所述参考特征点的参考振动信息。
在一个可能的示例中，在所述根据所述第M位置关系确定出所述参考特征点对应的第M位移向量方面，所述程序中的指令具体用于执行以下操作：获取所述第M帧图像对应的第M时间点和第H帧图像对应的第H时间点，H＝M-1；根据所述第H时间点、所述第M时间点和所述第一转速确定所述参考特征点对应的第M预设位置关系；根据所述第一目标视频中所述机舱在第H时间点和所述第M时间点的位置校正所述第M预设位置；根据所述第M预设位置关系和所述第M位置关系生成所述第M位移向量。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图4是本申请实施例中所涉及的风电设备的智能检测装置400的功能单元组成框图。该风电设备的智能检测装置400应用于振动检测设备，包括处理单元401和通信单元402，其中，
所述处理单元401，用于通过所述通信单元402获取目标风电设备的机舱在工作状态下的第一目标视频；以及用于根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；以及用于通过所述通信单元402获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；以及用于根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；以及用于根据所述第二参考振动信息判断所述目标风电设备的状态。
其中，所述风电设备的智能检测装置400还可以包括存储单元403，用于存储电子设备的程序代码和数据。所述处理单元401可以是应用处理器，所述通信单元402可以是全局通信总线、收发器等，存储单元403可以是存储器。
可以看出，本申请实施例中，振动检测设备获取目标风电设备的机舱在工作状态下的第一目标视频；根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；根据所述第二参考振动信息判断所述目标风电设备的状态。可见，振动检测设备可根据机舱的振动情况判断出叶片的一个较小的区域，进而根据较小的区域的振动情况判断叶片是否存在故障，整个检测过程只需根据风电设备在工作状态下的视频即可完成，无需人工攀爬至风电设备针对风电设备的各部位进行检测，提升了检测效率，缩短了检测时长。
在一个可能的示例中，在所述根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域方面，所述处理单元401具体用于：获取所述第一目标视频对应的第一转速，所述第一转速包括所述第一目标视频中每个时间点对应的转速；根据所述预设视频处理策略处理所述第一目标视频以得到所述机舱的第一参考振动信息；以所述第一参考振动信息为查询标识，查询所述第一转速对应的数据库，获取所述查询标识对应的第一参考位置信息，所述数据库包括振动信息和位置信息之间的对应关系；根据所述第一参考位置信息确定所述叶片的所述第一位置区域。
在一个可能的示例中，所述第二目标视频包括N帧图像，在所述根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息方面，所述处理单元401具体用于：确定所述N帧图像中的第一帧图像，N为正整数；根据所述第一帧图像中所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一帧图像中的所述第一位置区域；根据预设的分区策略划分所述第一位置区域为Z个分区，Z为正整数；针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况；根据所述Z个分区的振动情况确定所述第二参考振动信息。
在一个可能的示例中，在所述根据预设的分区策略划分所述第一位置区域为Z个分区方面，所述处理单元401具体用于：根据所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一位置区域的第一中心点；以所述第一中心点为圆心，将所述第一位置区域划分为X个圆环，并确定每个圆环内的H个参考特征点，所述H个参考特征点平均分布在所述X个圆环内,H＝Z/X；确定以所述每个圆环内的H个参考特征点为圆心，预设距离为直径的圆为所述Z个分区；所述预设距离小于所述圆环之间的环宽。
在一个可能的示例中，在针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况方面，所述处理单元401具体用于：针对所述Z个参考特征点执行振动检测步骤；确定出所述Z个参考特征点中处于振动状态的F个参考特征点的，F为正整数，且F小于Z；确定所述F个参考特征点对应的F个分区；确定所述F个分区中的每个位置点均为参考特征点，得到F个分区的参考特征点；针对所述F个分区的参考特征点执行所述振动检测步骤，得到所述Z个分区的振动情况。
在一个可能的示例中，在所述振动检测步骤方面，所述处理单元401具体用于：确定参考特征点与所述机舱的中心位置点之间的第一位置关系；检测当前处理的N帧图像中的第M帧图像是否为所述N帧图像中的最后一帧图像；若否，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述参考特征点对应的第M位移向量；M为大于等于2小于等于N的正整数，M的初始值为2；更新所述M的值为M+1；若是，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述初始特征点对应的第M位移向量；根据得到的K个位移向量生成所述参考特征点的轨迹向量，K＝N-1；根据所述的轨迹向量生成放大输出视频；根据所述放大输出视频生成所述参考特征点的参考振动信息。
在一个可能的示例中，在所述根据所述第M位置关系确定出所述参考特征点对应的第M位移向量方面，所述处理单元401具体用于：获取所述第M帧图像对应的第M时间点和第H帧图像对应的第H时间点，H＝M-1；根据所述第H时间点、所述第M时间点和所述第一转速确定所述参考特征点对应的第M预设位置关系；根据所述第一目标视频中所述机舱在第H时间点和所述第M时间点的位置校正所述第M预设位置；根据所述第M预设位置关系和所述第M位置关系生成所述第M位移向量。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。

Claims (10)

1.一种风电设备的智能检测方法，其特征在于，应用于振动检测设备，所述方法包括：
获取目标风电设备的机舱在工作状态下的第一目标视频；
根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；
获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；
根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；
根据所述第二参考振动信息判断所述目标风电设备的状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域，包括：
获取所述第一目标视频对应的第一转速，所述第一转速包括所述第一目标视频中每个时间点对应的转速；
根据所述预设视频处理策略处理所述第一目标视频以得到所述机舱的第一参考振动信息；
以所述第一参考振动信息为查询标识，查询所述第一转速对应的数据库，获取所述查询标识对应的第一参考位置信息，所述数据库包括振动信息和位置信息之间的对应关系；
根据所述第一参考位置信息确定所述叶片的所述第一位置区域。
3.根据权利要求2所述的方法，其特征在于，所述第二目标视频包括N帧图像，所述根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息，包括：
确定所述N帧图像中的第一帧图像，N为正整数；
根据所述第一帧图像中所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一帧图像中的所述第一位置区域；
根据预设的分区策略划分所述第一位置区域为Z个分区，Z为正整数；
针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况；
根据所述Z个分区的振动情况确定所述第二参考振动信息。
4.根据权利要求3所述的方法，其特征在于，所述根据预设的分区策略划分所述第一位置区域为Z个分区，包括：
根据所述机舱的中心位置点和所述目标风电设备的预设尺寸参数确定所述第一位置区域的第一中心点；
以所述第一中心点为圆心，将所述第一位置区域划分为X个圆环，并确定每个圆环内的H个参考特征点，所述H个参考特征点平均分布在所述X个圆环内,H＝Z/X；
确定以所述每个圆环内的H个参考特征点为圆心，预设距离为直径的圆为所述Z个分区；所述预设距离小于所述圆环之间的环宽。
5.根据权利要求4所述的方法，其特征在于，针对所述Z个分区执行振动检测步骤，以确定所述Z个分区的振动情况，包括：
针对所述Z个参考特征点执行振动检测步骤；
确定出所述Z个参考特征点中处于振动状态的F个参考特征点的，F为正整数，且F小于Z；
确定所述F个参考特征点对应的F个分区；
确定所述F个分区中的每个位置点均为参考特征点，得到F个分区的参考特征点；
针对所述F个分区的参考特征点执行所述振动检测步骤，得到所述Z个分区的振动情况。
6.根据权利要求5所述的方法，其特征在于，所述振动检测步骤，包括：
确定参考特征点与所述机舱的中心位置点之间的第一位置关系；
检测当前处理的N帧图像中的第M帧图像是否为所述N帧图像中的最后一帧图像；
若否，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述参考特征点对应的第M位移向量；M为大于等于2小于等于N的正整数，M的初始值为2；更新所述M的值为M+1；
若是，确定所述第M帧图像中所述参考特征点与所述机舱的中心位置点之间的第M位置关系，根据所述第M位置关系确定出所述初始特征点对应的第M位移向量；
根据得到的K个位移向量生成所述参考特征点的轨迹向量，K＝N-1；
根据所述的轨迹向量生成放大输出视频；
根据所述放大输出视频生成所述参考特征点的参考振动信息。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第M位置关系确定出所述参考特征点对应的第M位移向量，包括：
获取所述第M帧图像对应的第M时间点和第H帧图像对应的第H时间点，H＝M-1；
根据所述第H时间点、所述第M时间点和所述第一转速确定所述参考特征点对应的第M预设位置关系；
根据所述第一目标视频中所述机舱的中心位置点在第H时间点和所述第M时间点的位置校正所述第M预设位置；
根据所述第M预设位置关系和所述第M位置关系生成所述第M位移向量。
8.一种风电设备的智能检测装置，其特征在于，应用于振动检测设备，所述检测装置包括处理单元和通信单元，其中，
所述处理单元，用于通过所述通信单元获取目标风电设备的机舱在工作状态下的第一目标视频；以及用于根据所述第一目标视频确定所述目标风电设备的叶片的第一位置区域；以及用于通过所述通信单元获取第二目标视频，所述第二目标视频包括所述叶片的第一位置区域在工作状态下的视频；以及用于根据预设视频处理策略处理所述第二目标视频，得到所述第一位置区域的第二参考振动信息；以及用于根据所述第二参考振动信息判断所述目标风电设备的状态。
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
CN201910819835.2A 2019-08-31 2019-08-31 风电设备的智能检测方法及相关产品 Active CN110688906B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910819835.2A CN110688906B (zh) 2019-08-31 2019-08-31 风电设备的智能检测方法及相关产品
PCT/CN2020/104832 WO2021036639A1 (zh) 2019-08-31 2020-07-27 风电设备的智能检测方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910819835.2A CN110688906B (zh) 2019-08-31 2019-08-31 风电设备的智能检测方法及相关产品

Publications (2)

Publication Number Publication Date
CN110688906A true CN110688906A (zh) 2020-01-14
CN110688906B CN110688906B (zh) 2023-07-18

Family

ID=69107697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910819835.2A Active CN110688906B (zh) 2019-08-31 2019-08-31 风电设备的智能检测方法及相关产品

Country Status (2)

Country Link
CN (1) CN110688906B (zh)
WO (1) WO2021036639A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260504A (zh) * 2020-02-11 2020-06-09 吴龙圣 智能电网监控方法、系统及智能电网控制器
CN111787083A (zh) * 2020-06-23 2020-10-16 海容(无锡)能源科技有限公司 一种光伏电站无人值守智能运维方法及系统
WO2021036639A1 (zh) * 2019-08-31 2021-03-04 深圳市广宁股份有限公司 风电设备的智能检测方法及相关产品
CN112966632A (zh) * 2021-03-19 2021-06-15 浙江中自庆安新能源技术有限公司 一种基于振动信号图像化的故障识别方法及系统
CN113188497A (zh) * 2021-04-29 2021-07-30 广东明正项目管理有限公司 用于基坑监测的监理检测方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116223037B (zh) * 2023-05-09 2023-09-19 山东金帝精密机械科技股份有限公司 一种风电轴承保持器的运行监测方法及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234621A (zh) * 2013-04-19 2013-08-07 国电联合动力技术有限公司 一种基于动能电池的风电叶片无线振动监测装置及方法
US20150302332A1 (en) * 2013-05-03 2015-10-22 Gansu Electric Power Corporation Wind Power Technology Center Maintenance schedule optimization method for electric power system including large-scale wind power
BR102013032759A2 (pt) * 2013-12-19 2016-08-02 Rudolfo Parucker equipamento eólico
JP2017212581A (ja) * 2016-05-25 2017-11-30 キヤノン株式会社 追尾装置、追尾方法及びプログラム
CN109900713A (zh) * 2019-04-17 2019-06-18 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
CN110046562A (zh) * 2019-04-01 2019-07-23 湖南大学 一种风电系统健康监测方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150047718A (ko) * 2013-10-25 2015-05-06 대우조선해양 주식회사 풍력 발전기용 블레이드 검사장치 및 검사방법
CN103984952B (zh) * 2014-04-18 2017-09-22 广东电网公司电力科学研究院 基于机器视觉图像对电力系统风力发电机叶片表面裂纹故障进行诊断的方法
CN108799011B (zh) * 2017-04-28 2020-01-31 北京金风科创风电设备有限公司 对风电机组的叶片进行监测的设备和方法
CN109931229B (zh) * 2017-12-18 2020-10-30 北京金风科创风电设备有限公司 用于风力发电机组的涡激振动的监测方法和设备
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
CN110688906B (zh) * 2019-08-31 2023-07-18 深圳市广宁股份有限公司 风电设备的智能检测方法及相关产品

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103234621A (zh) * 2013-04-19 2013-08-07 国电联合动力技术有限公司 一种基于动能电池的风电叶片无线振动监测装置及方法
US20150302332A1 (en) * 2013-05-03 2015-10-22 Gansu Electric Power Corporation Wind Power Technology Center Maintenance schedule optimization method for electric power system including large-scale wind power
BR102013032759A2 (pt) * 2013-12-19 2016-08-02 Rudolfo Parucker equipamento eólico
JP2017212581A (ja) * 2016-05-25 2017-11-30 キヤノン株式会社 追尾装置、追尾方法及びプログラム
CN110046562A (zh) * 2019-04-01 2019-07-23 湖南大学 一种风电系统健康监测方法及装置
CN109900713A (zh) * 2019-04-17 2019-06-18 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

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
丁显等: "风电机组状态检测技术研究现状及发展趋势", 《可再生能源》 *
乐韵斐等: "基于MeanShift与Hough算法的风电叶片复合疲劳试验振动监测研究", 《装备制造技术》 *
代永强: "风力发电企业视频安全生产调度系统的应用", 《电力信息化》 *
伊力哈木？亚森等: "基于无线传输的风机叶片状态监控系统", 《机械工程师》 *
杨卫民等: "分布式控制系统在风电机组控制中的应用", 《华电技术》 *
王彤等: "基于视频测量的运行状态模态分析", 《振动与冲击》 *
陈雪峰等: "风力发电机状态监测和故障诊断技术的研究与进展", 《机械工程学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021036639A1 (zh) * 2019-08-31 2021-03-04 深圳市广宁股份有限公司 风电设备的智能检测方法及相关产品
CN111260504A (zh) * 2020-02-11 2020-06-09 吴龙圣 智能电网监控方法、系统及智能电网控制器
CN111260504B (zh) * 2020-02-11 2020-11-17 南京瀚元科技有限公司 智能电网监控方法、系统及智能电网控制器
CN111787083A (zh) * 2020-06-23 2020-10-16 海容(无锡)能源科技有限公司 一种光伏电站无人值守智能运维方法及系统
CN112966632A (zh) * 2021-03-19 2021-06-15 浙江中自庆安新能源技术有限公司 一种基于振动信号图像化的故障识别方法及系统
CN112966632B (zh) * 2021-03-19 2023-12-12 浙江中自庆安新能源技术有限公司 一种基于振动信号图像化的故障识别方法及系统
CN113188497A (zh) * 2021-04-29 2021-07-30 广东明正项目管理有限公司 用于基坑监测的监理检测方法及系统
CN113188497B (zh) * 2021-04-29 2022-10-25 广东明正项目管理有限公司 用于基坑监测的监理检测方法及系统

Also Published As

Publication number Publication date
CN110688906B (zh) 2023-07-18
WO2021036639A1 (zh) 2021-03-04

Similar Documents

Publication Publication Date Title
CN110688906A (zh) 风电设备的智能检测方法及相关产品
US20160356665A1 (en) Pipeline monitoring systems and methods
CN103068035B (zh) 一种无线网络定位方法、装置及系统
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
Wu et al. 3D spectrum mapping based on ROI-driven UAV deployment
EP2553990A1 (en) Method and apparatus for use of performance history data in positioning method selection
CN107289925A (zh) 一种绘制用户轨迹的方法和装置
CN112305559A (zh) 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备
WO2015018233A1 (zh) 终端设备位置确定方法和终端设备
CN111461410A (zh) 一种基于迁移学习的空气质量的预测方法及装置
CN109874104B (zh) 用户位置定位方法、装置、设备及介质
CN112364843A (zh) 插拔式航拍图像目标定位检测方法、系统、设备
CN115393681A (zh) 一种目标融合方法、装置、电子设备及存储介质
CN112312301A (zh) 用户终端定位方法、装置、设备及计算机存储介质
CN103442433A (zh) 一种利用无线热点进行室内定位的方法和系统
CN113252701A (zh) 基于云边协同的输电线路绝缘子自爆缺陷检测系统及方法
CN112437107A (zh) 一种海洋领域可扩展云化智能分析服务系统
CN110597248B (zh) 园区无人智慧巡检方法、装置、设备及存储介质
CN114024574B (zh) 一种用于输电线路的隐患状态识别方法及设备
TWI773898B (zh) 用於電子設備的管理裝置及其管理方法
CN109509558A (zh) 基于b/s架构的发热疫情快速反应智能公卫服务系统
CN112926415A (zh) 一种行人避让系统和行人监测方法
CN114025375B (zh) 基于蜂窝分布识别技术的5g跟踪区异常检测方法及其系统
CN113766635B (zh) 一种室内定位方法及系统
CN112995902B (zh) 一种远距离广域网定位方法、装置、设备及存储介质

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240909

Address after: Room 21A, Junhao Ge, No. 2 Xiangxuan Road, Donghai Community, Xiangmihu Street, Futian District, Shenzhen City, Guangdong Province 518040

Patentee after: SHENZHEN GUANGNING INDUSTRIAL Co.,Ltd.

Country or region after: China

Address before: 518000 7th floor, building 9, phase II software park, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN GUANGNING INDUSTRIAL Co.,Ltd.

Country or region before: China

Patentee before: Shenzhen Haoxi Intelligent Technology Co.,Ltd.