CN111122705A - 一种风力机叶片超声无损检测方法 - Google Patents
一种风力机叶片超声无损检测方法 Download PDFInfo
- Publication number
- CN111122705A CN111122705A CN201911367411.3A CN201911367411A CN111122705A CN 111122705 A CN111122705 A CN 111122705A CN 201911367411 A CN201911367411 A CN 201911367411A CN 111122705 A CN111122705 A CN 111122705A
- Authority
- CN
- China
- Prior art keywords
- image
- ultrasonic
- damage
- wind turbine
- turbine blade
- 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
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
-
- 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
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
-
- 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
-
- 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
- G01N2291/26—Scanned objects
- G01N2291/269—Various geometry objects
- G01N2291/2698—Other discrete objects, e.g. bricks
-
- 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
- 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)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种风力机叶片超声无损检测方法,该方法能够使超声探伤设备在使用过程中简化现场操作步骤,以及减少对有经验操作人员的依赖。该方法以超声检测图像作为分类对象,将不同种类的超声损伤图像通过机器学习方法开展分类训练,构建图像‑损伤分类识别模型,在现场操作中简化操作过程,达到高效识别检测图像损伤类型的功能。该方法提出的高效无损检测方法,能够快速、有效地开展现场操作及后期的损伤种类识别,协助对产品质量进行判断,保证了检测质量,以应对风力机叶片检测过程中对检测效率高和分析经验足的实际需求。
Description
技术领域
本发明属于机械行业风力发电技术领域,涉及一种风力机叶片无损检测方法,尤其涉及一种风力机叶片的超声无损检测方法,能够快速、有效的识别叶片内部损伤,现场只需要记录图像,不要求实时分析,提高了检测效率;同时在后期对检测图像开展批量化的自动化损伤分类,保证了检测质量,以应对风力机叶片检测过程中对检测效率高和分析经验足的实际需求。
背景技术
超声无损检测是对风力机叶片开展质量控制的重要手段,而现有超声无损检测的普遍缺点在于接触式的操作方式以及使用人员需要一定的专业积累和较高的缺陷识别能力。
现有超声无损检测的接触式的操作方式需要将超声检测探头通过耦合剂耦合直接贴在被测物表面开展操作,就风力机叶片而言,则需要将超声检测探头通过耦合剂耦合直接接触风力机叶片进行扫查;超声检测的信号分析相对复杂,需要操作人员具备能够对不同损伤对应的信号进行区分的能力。
目前对风力机叶片挂机状态下的无损检测也有较大需求,而高空接触式操作的同时兼顾实时分析将带来检测效率的低下,不适合大面积推广使用。
针对现有技术的上述问题和需求,通过本发明所提供的风力机叶片超声无损检测方法,可减少超声波探伤接触式测试的操作步骤,首先现场只需要记录图像,不要求实时分析,提高了检测效率;同时在后期对检测图像开展批量化的自动化损伤分类,保证了检测质量。以应对风力机叶片检测过程中对检测效率高和分析经验足的实际需求。
发明内容
(一)要解决的技术问题
风力机叶片超声无损检测的接触式操作方式和实时分析的现状,导致了叶片检测操作效率低下,对操作人员分析水平要求高的特点,限制了超声无损检测技术在实际应用过程中的广泛应用,需要一种超声无损检测方法,实现高效的现场操作和自动化分析。
(二)技术方案
本发明提供了一种风力机叶片超声无损检测方法,能够快速、有效的识别叶片内部损伤,现场只需要记录图像,不要求实时分析,提高了检测效率;同时在后期对检测图像开展批量化的自动化损伤分类,保证了检测质量,以应对风力机叶片检测过程中对检测效率高和分析经验足的实际需求。
本发明为解决其技术问题所采用的技术方案具体如下:
一种风力机叶片超声无损检测方法,其特征在于,该方法包括如下步骤:
SS1.图像数据积累阶段:
首先,采用超声探伤设备对风力机叶片的各类已知损伤和正常位置进行检测,并对各类已知损伤和正常位置的超声检测图像进行积累;
之后,对所积累的各类已知损伤和正常位置的超声检测图像进行损伤类型标注,建立已知损伤和正常位置的超声检测图像数据库;
SS2.图像数据损伤分类模型生成阶段:
首先,针对步骤SS1中所建立的已知损伤和正常位置的超声检测图像数据库中的每一张图像,截取其中的相控阵图像部分,作为有效信号图像;
之后,对有效信号图像及其对应的损伤类型标注开展机器学习,构建针对风力机叶片超声无损检测图像的图像-损伤分类识别模型;
SS3.工程应用阶段:
利用超声探伤设备对待测风力机叶片开展超声无损测试,叶片测试过程中,不需要现场实时开展损伤类型分析,只对每个测试点的测试图像进行保存,现场测试完毕并保存测试图像后,截取现场测试图像的相控阵图像部分将其转化为有效信号图像,利用步骤SS2中建立的图像-损伤分类识别模型,确定每一测试点的损伤类型,完成待测风力机叶片的超声无损检测。
优选地,步骤SS1中,所述超声探伤设备为相控阵超声波探伤设备。
优选地,步骤SS1中,所述风力机叶片的各类已知损伤包括风力机叶片分层、褶皱、夹杂等。
本发明的上述风力机叶片超声无损检测方法在实施时,需积累已知损伤类型的超声检测图像,建立已知损伤和正常位置的超声检测图像数据库,这是实施本发明的前提;此外,需对超声检测图像数据库中的每张超声图像进行类型标注,取图像文件中的相控阵图像部分作为有效信号图像,对测试图像采用机器学习的方法开展图像-损伤分类识别模型的构建。获取分类模型后,不再需要检测现场的实时损伤类型分析,只保存图像,后期通过已构建的分类模型,开展自动化分类。
(三)有益效果
同现有技术相比,本发明的风力机叶片超声无损检测方法,通过机器学习技术对损伤的经验化识别构建图像-损伤分类模型,以此为技术保障,对风力机叶片超声检测的操作过程进行了简化改进,突破了提升检测效率的瓶颈,减少了对人员的依赖,具有如下明显的优点:将人员对损伤信号的识别经验转化为图像-损伤分类识别模型;现场测试过程在除去实时分析以后,将变得简单易操作;图像-损伤分类识别模型可以不断修正完善,具备升级空间。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
本实施例对象为某1.5MW风力机叶片,对该风力机叶片开展超声无损检测的具体步骤如下:
SS1.图像数据积累阶段:
1)采用相控阵超声波探伤设备对1.5MW风力机叶片分层、褶皱、夹杂三种已知损伤和正常位置的超声检测图像进行积累,各积累500张图像;
2)对上述积累的各类已知损伤和正常位置的超声检测图像进行损伤类型标注,建立已知损伤和正常位置的超声检测图像数据库;
SS2.图像数据损伤分类模型生成阶段:
3)针对步骤SS1中所建立的已知损伤和正常位置的超声检测图像数据库,截取其中每一张图片的相控阵图像部分,作为有效信号图像;
4)对有效信号图像及其对应的损伤类型标注开展机器学习,构建针对风力机叶片超声无损检测图像的图像-损伤分类识别模型;
SS3.工程应用阶段:
5)利用相控阵超声波探伤设备对其他1.5MW风力机叶片开展无损测试,叶片测试过程中,不需要现场实时开展损伤类型分析,只对每个测试点的测试图像进行保存,现场测试完毕并保存测试图像后,利用步骤SS2中建立的图像-损伤分类识别模型,开展图像的自动化分类,确定每一测试点的损伤类型,完成待测风力机叶片的超声无损测试。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明。所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种风力机叶片超声无损检测方法,其特征在于,该方法包括如下步骤:
SS1.图像数据积累阶段:
首先,采用超声探伤设备对风力机叶片的各类已知损伤和正常位置进行检测,并对各类已知损伤和正常位置的超声检测图像进行积累;
之后,对所积累的各类已知损伤和正常位置的检测图像进行损伤类型标注,建立已知损伤和正常位置的超声检测图像数据库;
SS2.图像数据损伤分类模型生成阶段:
首先,针对步骤SS1中所建立的已知损伤和正常位置的超声检测图像数据库中的每一张图像,截取其中的相控阵图像部分,作为有效信号图像;
之后,对有效信号图像及其对应的损伤类型标注开展机器学习,构建针对风力机叶片超声无损检测图像的图像-损伤分类识别模型;
SS3.工程应用阶段:
利用超声探伤设备对待测风力机叶片开展超声无损测试,叶片测试过程中,不需要现场实时开展损伤类型分析,只对每个测试点的测试图像进行保存,现场测试完毕并保存测试图像后,截取现场测试图像的相控阵图像部分将其转化为有效信号图像,利用步骤SS2中建立的图像-损伤分类识别模型,确定每一测试点的损伤类型,完成待测风力机叶片的超声无损检测。
2.根据权利要求1所述的方法,其特征在于,需积累已知损伤类型的检测图像。
3.根据权利要求1所述的方法,其特征在于,需对每张超声图像进行类型标注。
4.根据权利要求1所述的方法,其特征在于,截取图像文件中的相控阵图像部分作为有效信号图像。
5.根据权利要求1所述的方法,其特征在于,对测试图像采用机器学习的方法开展分类模型的构建。
6.根据权利要求1所述的方法,其特征在于,获取分类模型后,不再需要检测现场的实时损伤类型分析,只保存图像,后期通过已构建的分类模型,开展自动化分类。
7.根据上述任一项权利要求所述的方法,其特征在于,步骤SS1中,所述超声探伤设备为相控阵超声波探伤设备。
8.根据上述任一项权利要求所述的方法,其特征在于,步骤SS1中,所述风力机叶片的各类已知损伤包括风力机叶片分层、褶皱、夹杂等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911367411.3A CN111122705B (zh) | 2019-12-26 | 2019-12-26 | 一种风力机叶片超声无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911367411.3A CN111122705B (zh) | 2019-12-26 | 2019-12-26 | 一种风力机叶片超声无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111122705A true CN111122705A (zh) | 2020-05-08 |
CN111122705B CN111122705B (zh) | 2023-01-03 |
Family
ID=70503081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911367411.3A Active CN111122705B (zh) | 2019-12-26 | 2019-12-26 | 一种风力机叶片超声无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111122705B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112191544A (zh) * | 2020-09-10 | 2021-01-08 | 沅陵县向华电子科技有限公司 | 一种基于机器视觉的电子元件检查方法 |
CN112233091A (zh) * | 2020-10-15 | 2021-01-15 | 青岛理工大学 | 一种风力机叶片图像损伤检测和定位方法 |
CN112950634A (zh) * | 2021-04-22 | 2021-06-11 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于无人机巡检的风力机叶片损伤识别方法、设备和系统 |
CN113406200A (zh) * | 2021-05-27 | 2021-09-17 | 北京京能能源技术研究有限责任公司 | 一种风力机叶片损伤定位检测装置 |
CN113406201A (zh) * | 2021-05-27 | 2021-09-17 | 北京京能能源技术研究有限责任公司 | 一种风力机叶片损伤定位检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104458911A (zh) * | 2014-12-16 | 2015-03-25 | 中国科学院工程热物理研究所 | 一种风力机叶片超声检测的缺陷种类判定方法 |
CN104458910A (zh) * | 2014-12-16 | 2015-03-25 | 中国科学院工程热物理研究所 | 一种风力机叶片壳体与腹板粘接缺陷的无损检测方法 |
CN105259252A (zh) * | 2015-10-15 | 2016-01-20 | 浙江大学 | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 |
CN107255673A (zh) * | 2017-05-05 | 2017-10-17 | 西安交通大学 | 基于超声相控阵的高温叶片内部缺陷三维无损检测方法 |
CN108416294A (zh) * | 2018-03-08 | 2018-08-17 | 南京天数信息科技有限公司 | 一种基于深度学习的风机叶片故障智能识别方法 |
CN109239206A (zh) * | 2018-06-20 | 2019-01-18 | 诸暨市逍遥管道科技有限公司 | 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法 |
CN110161132A (zh) * | 2019-06-19 | 2019-08-23 | 绍兴文理学院 | 碳纤维复合材料的缺陷模型的构建方法 |
CN110161119A (zh) * | 2019-06-07 | 2019-08-23 | 湘潭大学 | 风电叶片缺陷识别方法 |
CN110261394A (zh) * | 2019-06-24 | 2019-09-20 | 内蒙古工业大学 | 在线风机叶片损伤实时诊断系统和方法 |
-
2019
- 2019-12-26 CN CN201911367411.3A patent/CN111122705B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104458911A (zh) * | 2014-12-16 | 2015-03-25 | 中国科学院工程热物理研究所 | 一种风力机叶片超声检测的缺陷种类判定方法 |
CN104458910A (zh) * | 2014-12-16 | 2015-03-25 | 中国科学院工程热物理研究所 | 一种风力机叶片壳体与腹板粘接缺陷的无损检测方法 |
CN105259252A (zh) * | 2015-10-15 | 2016-01-20 | 浙江大学 | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 |
CN107255673A (zh) * | 2017-05-05 | 2017-10-17 | 西安交通大学 | 基于超声相控阵的高温叶片内部缺陷三维无损检测方法 |
CN108416294A (zh) * | 2018-03-08 | 2018-08-17 | 南京天数信息科技有限公司 | 一种基于深度学习的风机叶片故障智能识别方法 |
CN109239206A (zh) * | 2018-06-20 | 2019-01-18 | 诸暨市逍遥管道科技有限公司 | 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法 |
CN110161119A (zh) * | 2019-06-07 | 2019-08-23 | 湘潭大学 | 风电叶片缺陷识别方法 |
CN110161132A (zh) * | 2019-06-19 | 2019-08-23 | 绍兴文理学院 | 碳纤维复合材料的缺陷模型的构建方法 |
CN110261394A (zh) * | 2019-06-24 | 2019-09-20 | 内蒙古工业大学 | 在线风机叶片损伤实时诊断系统和方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112191544A (zh) * | 2020-09-10 | 2021-01-08 | 沅陵县向华电子科技有限公司 | 一种基于机器视觉的电子元件检查方法 |
CN112233091A (zh) * | 2020-10-15 | 2021-01-15 | 青岛理工大学 | 一种风力机叶片图像损伤检测和定位方法 |
CN112233091B (zh) * | 2020-10-15 | 2021-05-18 | 青岛理工大学 | 一种风力机叶片图像损伤检测和定位方法 |
CN112950634A (zh) * | 2021-04-22 | 2021-06-11 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于无人机巡检的风力机叶片损伤识别方法、设备和系统 |
CN112950634B (zh) * | 2021-04-22 | 2023-06-30 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于无人机巡检的风力机叶片损伤识别方法、设备和系统 |
CN113406200A (zh) * | 2021-05-27 | 2021-09-17 | 北京京能能源技术研究有限责任公司 | 一种风力机叶片损伤定位检测装置 |
CN113406201A (zh) * | 2021-05-27 | 2021-09-17 | 北京京能能源技术研究有限责任公司 | 一种风力机叶片损伤定位检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111122705B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111122705B (zh) | 一种风力机叶片超声无损检测方法 | |
CN111024728B (zh) | 一种基于计算机视觉与超声波探伤的铁路检测方法和系统 | |
CN102980894B (zh) | 钢结构特种焊接无损检测系统及方法 | |
CN107144635B (zh) | 一种木质材料超声无损分类检测系统的检测方法 | |
CN104964886A (zh) | 一种焊接构件疲劳应力及应变实时非接触式监测方法 | |
CN106770666B (zh) | 大直径筒体搅拌摩擦焊环缝超声相控阵自动检测装置 | |
CN106296636A (zh) | 印刷图像的检测方法及检测装置 | |
CN110186375A (zh) | 智能化高铁白车身焊接装配特征检测装置及检测方法 | |
CN105806948A (zh) | 基于局部水浸耦合方式单晶直探头的中厚板超声检测方法 | |
CN107367671A (zh) | 基于物联网标识的gis局部放电带电检测与数据管理平台 | |
CN111368824B (zh) | 一种仪表识别方法、移动设备及存储介质 | |
CN104778439B (zh) | 基于二维码的超声检测夹具类型智能识别方法及装置 | |
CN115656335A (zh) | 一种轴承套圈内部缺陷快速检测与识别方法 | |
CN103308593A (zh) | 一种磁粉焊接探伤的缺陷智能识别检测系统 | |
CN110674900A (zh) | 基于rfid的无人机巡检杆塔缺陷的方法及装置 | |
CN116560123B (zh) | 一种用于移动终端的lcd粘接点胶质量检测方法 | |
CN109738452A (zh) | 一种轮胎缺陷智能检测系统 | |
CN109085239A (zh) | 一种轮轴综合诊断平台 | |
CN116973372A (zh) | 一种建筑钢结构的缺陷检测系统 | |
CN111308284A (zh) | 一种用于检测运行的gis故障的系统及方法 | |
CN110569990A (zh) | 一种适用于海洋核动力平台的运维系统及运维方法 | |
CN205484202U (zh) | 自动化超声波探伤系统 | |
CN111912910A (zh) | 聚乙烯管道热熔焊缝混合超声扫描缺陷智能识别方法 | |
CN112070730A (zh) | 基于输电线路巡检图像的防震锤脱落检测方法 | |
CN207675868U (zh) | 一种配网架空线超声波红外综合检测装置 |
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 |