CN112943559A - 一种振动监测方法 - Google Patents

一种振动监测方法 Download PDF

Info

Publication number
CN112943559A
CN112943559A CN202110151395.5A CN202110151395A CN112943559A CN 112943559 A CN112943559 A CN 112943559A CN 202110151395 A CN202110151395 A CN 202110151395A CN 112943559 A CN112943559 A CN 112943559A
Authority
CN
China
Prior art keywords
vibration
image
reference point
monitoring method
axis
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.)
Pending
Application number
CN202110151395.5A
Other languages
English (en)
Inventor
钱江波
张佳星
李振宇
张志杰
朱霄珣
姚大伟
李岩
王巧珍
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202110151395.5A priority Critical patent/CN112943559A/zh
Publication of CN112943559A publication Critical patent/CN112943559A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03DWIND MOTORS
    • F03D17/00Monitoring or testing of wind motors, e.g. diagnostics

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种振动监测方法,包括步骤:步骤一,选取叶片的尖端为振动的参考点,使图像采集装置的镜头对准参考点,以获取振动图像;步骤二,将振动图像分解成帧,并对每一帧进行预处理,以消除噪声;步骤三,选取参考点在每一帧的像素坐标,并对像素坐标进行转化,记录参考点转换后的像素坐标,并绘制转化后的像素坐标值与时间t的关系图;步骤四,对关系图进行曲线拟合,并对拟合曲线f(t)做傅里叶变化得到F(ω)。将图像采集装置放置于整流罩,并调整角度使其对准待监测的叶片的参考点,既保证了采集图像的清晰度,亦能够实时采集图像;且采用上述方法,绘制像素坐标值与时间t的关系图,并通过拟合及傅里叶变化得到振动频率ω的组成和占比。

Description

一种振动监测方法
技术领域
本发明涉及风力发电技术领域,更具体地说,涉及一种振动监测方法。
背景技术
叶片是风力发电机组的关键部件,占整个风力发电机制造成本的20%左右,在运行过程中,叶片会连续受到空气动力、惯性力等交变载荷的冲击,从而产生不规则的振动甚至是变形。如果振动异常或者叶片形变过于剧烈,将会导致叶片的损毁造成巨大的经济损失。因此实时监测风机叶片振动状况显得尤其重要。
对风力机叶片的振动监测的研究已经引起重视,就现有技术而言,主要分为接触式法和非接触式法。前者大都采用压电陶瓷、加速度计传感器、陀螺仪传感器等放置在叶片表面进行测量;该方法的缺点是当传感器放置在叶片表面时会影响风机叶片的气动性能,并且随着风力发电机单机功率的不断提高,叶片的体积也越来越大,这种方法逐渐失去实用性。后者则主要包括激光测振和机器视觉等方法,其中以摄影测量为主的机器视觉法因设备安装方便,不会对叶片的气动性能产生影响,且在实现动态测量的基础上处理精度高可以达到亚像素级,而成为当今研究的热点。
但是,就目前研究现状而言,机器视觉法尚未实际应用于风力发电机叶片的振动监测,因叶片图像采集及振动频率计算均属于研究的难点。
因此,如何对风机叶片的振动进行监测,是现阶段该领域亟待解决的难题。
发明内容
有鉴于此,本发明的目的在于提供一种振动监测方法,该方法能够实现对风机叶片的振动进行监测,并获取振动频率,解决了现阶段该领域的难题。
一种振动监测方法,包括步骤:
步骤一,选取叶片的尖端为振动的参考点,将图像采集装置固定于风力发电机的整流罩、并使所述图像采集装置的镜头对准所述参考点,以获取所述参考点的振动图像;
步骤二,将所述振动图像分解成帧,并对每一帧进行预处理,以消除噪声;
步骤三,选取所述参考点在每一帧的像素坐标,并对所述像素坐标进行转化,记录所述参考点转换后的像素坐标,并绘制转化后的像素坐标值与时间t的关系图;
步骤四,对所述关系图进行曲线拟合,得到拟合曲线f(t),并对所述拟合曲线f(t)做傅里叶变化得到F(ω),并绘制进F(ω)的曲线图,进而获得该时间段内振动频率ω的成分和占比。
优选的,所述的振动监测方法,步骤三中对所述像素坐标进行转化的过程为:
设所述参考点的世界坐标系为(xw,yw,zw),图像采集装置坐标系为(xc,yc,zc),则从世界坐标系到图像采集装置坐标系数学转化关系为:
Figure BSA0000232852210000021
其中R为旋转矩阵,T为平移向量;
Figure BSA0000232852210000022
T=[tx ty tz]T (3)
其中
Figure BSA0000232852210000031
θ,ψ分别为世界坐标系x轴,y轴,z轴绕自身的旋转角度,tx,ty,tz分别为世界坐标系x轴,y轴,z轴相对于原坐标系平移的距离;
图像采集装置坐标(X,Y)到图像坐标(xc,yc,zc)的转化关系为:
Figure BSA0000232852210000032
其中f为图像采集装置的焦距;
图像坐标(xc,yc,zc)到像素坐标(u,v)的转化关系为:
Figure BSA0000232852210000033
式中dx,dy分别为x轴,y轴方向上的像元尺寸,(u0,v0)为图像原点坐标。
优选的,所述的振动监测方法,所述步骤四中,采用正弦函数拟合,得到所述拟合曲线f(t),
f(t)=689.3*sin(0.5517*t-1.327)+825.7*sin(2.607*t+1.243)+1283*sin(0.791*t+0.518)+721.6*sin(2.639*t+4.229)+771.3*sin(0.8907*t+3.103)+16.91*sin(4.037*t+1.5)+11.33*sin(6.941*t+2.482)+12.92*sin(4.364*t+2.082) (6)
则,
Figure BSA0000232852210000034
其中ω为振动频率;t为时间;i为虚数单位;e为自然对数函数的底数,约为2.718。
优选的,所述的振动监测方法,所述参考点通过在所述叶片的尖端涂抹反光材料实现标定。
优选的,所述的振动监测方法,所述步骤二中预处理的步骤包括:对所述振动图像进行灰度化,得到所述叶片的灰度图像;并对所述灰度图像进行滤波处理,滤除因外界环境变化所产生的椒盐噪声和因设备本身问题所产生的高斯噪声。
优选的,所述的振动监测方法,所述图像采集装置为80帧/s的双目工业相机。
优选的,所述的振动监测方法,采集所述振动图像的采集时间为10s。
优选的,所述的振动监测方法,所述步骤三中,所述像素坐标值为水平方向的像素坐标值,或者为垂直方向的像素坐标值。
本发明提出的振动监测方法,包括步骤:步骤一,选取叶片的尖端为振动的参考点,将图像采集装置固定于风力发电机的整流罩、并使图像采集装置的镜头对准参考点,以获取参考点的振动图像;步骤二,将振动图像分解成帧,并对每一帧进行预处理,以消除噪声;步骤三,选取参考点在每一帧的像素坐标,并对像素坐标进行转化,记录参考点转换后的像素坐标,并绘制转化后的像素坐标值与时间t的关系图;步骤四,对关系图进行曲线拟合,得到拟合曲线f(t),并对拟合曲线f(t)做傅里叶变化得到F(ω),并绘制进F(ω)的曲线图,进而获得该时间段内振动频率ω的成分和占比。风机运行时,叶片尖端的振动较为剧烈,幅度较大,将图像采集装置放置于整流罩,并调整角度使其对准待监测的叶片的参考点,既保证了采集图像的清晰度,亦能够实时采集图像;且采用上述方法,绘制像素坐标值与时间t的关系图,并通过拟合及傅里叶变化得到振动频率ω的组成和占比。因此,本发明提出的振动监测方法,能够实现对风机叶片的振动进行监测,并获取振动频率,解决了现阶段该领域的难题。
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为本发明具体实施方式中风机与图像采集装置结合的示意图;
图2为本发明具体实施方式中叶片与图像采集装置结合的放大图;
图3为本发明具体实施方式中虚线为像素坐标值与时间t的关系图,实线为f(t)拟合曲线图;
图4为本发明具体实施方式中傅里叶变化F(ω)的曲线图。
图1-图4中:
图像采集装置-1;整流罩-2;叶片-3。
具体实施方式
本具体实施方式的核心在于提供一种振动监测方法,该方法能够实现对风机叶片的振动进行监测,并获取振动频率,解决了现阶段该领域的难题。
以下,参照附图对实施例进行说明。此外,下面所示的实施例不对权利要求所记载的发明内容起任何限定作用。另外,下面实施例所表示的构成的全部内容不限于作为权利要求所记载的发明的解决方案所必需的。
本具体实施方式提供的振动监测方法,包括步骤:步骤一,选取叶片3的尖端为振动的参考点,将图像采集装置1固定于风力发电机的整流罩2、并使图像采集装置1的镜头对准参考点,以获取参考点的振动图像;步骤二,将振动图像分解成帧,并对每一帧进行预处理,以消除噪声;步骤三,选取参考点在每一帧的像素坐标,并对像素坐标进行转化,记录参考点转换后的像素坐标,并绘制转化后的像素坐标值与时间t的关系图;步骤四,对关系图进行曲线拟合,得到拟合曲线f(t),并对拟合曲线f(t)做傅里叶变化得到F(ω),并绘制进F(ω)的曲线图,进而获得该时间段内振动频率ω的成分和占比。
风机运行时,叶片3尖端的振动较为剧烈,幅度较大,将图像采集装置1放置于整流罩2,并调整角度使其对准待监测的叶片3的参考点,既保证了采集图像的清晰度,亦能够实时采集图像;且采用上述方法,绘制像素坐标值与时间t的关系图,并通过拟合及傅里叶变化得到振动频率ω的组成和占比。
因此,本发明提出的风机叶片3振动监测方法,能够实现对风机叶片3的振动进行监测,并获取振动频率,解决了现阶段该领域的难题。具体请参见图1-图4。
在实际监测时,可以每个叶片均采用上述的方法进行振动监测,即如图1所示的三个叶片3均可以采用相同的方式在轮毂上安装图像采集装置1,进而分别对各个叶片3的振动情况进行监测。
本具体实施方式提供的风机叶片3振动监测方法,步骤三中对像素坐标进行转化的过程为:
设参考点的世界坐标系为(xw,yw,zw),图像采集装置坐标系为(xc,yc,zc),则从世界坐标系到图像采集装置坐标系数学转化关系为:
Figure BSA0000232852210000061
其中R为旋转矩阵,T为平移向量;
Figure BSA0000232852210000062
T=[tx ty tz]T (3)
其中
Figure BSA0000232852210000071
θ,ψ分别为世界坐标系x轴,y轴,z轴绕自身的旋转角度,tx,ty,tz分别为世界坐标系x轴,y轴,z轴相对于原坐标系平移的距离;
图像采集装置坐标(X,Y)到图像坐标(xc,yc,zc)的转化关系为:
Figure BSA0000232852210000072
其中f为图像采集装置的焦距;
图像坐标(xc,yc,zc)到像素坐标(u,v)的转化关系为:
Figure BSA0000232852210000073
式中dx,dy分别为x轴,y轴方向上的像元尺寸,(u0,v0)为图像原点坐标。
本具体实施方式提供的振动监测方法,步骤四中,采用正弦函数拟合,得到拟合曲线f(t),
f(t)=689.3*sin(0.5517*t-1.327)+825.7*sin(2.607*t+1.243)+1283*sin(0.791*t+0.518)+721.6*sin(2.639*t+4.229)+771.3*sin(0.8907*t+3.103)+16.91*sin(4.037*t+1.5)+11.33*sin(6.941*t+2.482)+12.92*sin(4.364*t+2.082) (6)
则,
Figure BSA0000232852210000074
其中ω为振动频率;t为时间;i为虚数单位;e为自然对数函数的底数,约为2.718。
采用正弦函数拟合,得到函数f(t);则R2为0.9848,因R2为判定系数,取值范围为0~1,越大说明拟合程度越高,即说明上述拟合程度较高,能够更好的反映出叶片3振动的情况。
本具体实施方式提供的振动监测方法,参考点可以通过在叶片3的尖端涂抹反光材料实现标定,进而更好的便于图像采集装置1对参考点位置的采集,提高数据的准确性。
进一步,风机叶片3振动监测方法,上述预处理的步骤可以包括:对振动图像进行灰度化,得到叶片3的灰度图像。
详细的,预处理的步骤还可以包括:对灰度图像进行滤波处理,滤除因外界环境变化所产生的椒盐噪声和因设备本身问题所产生的高斯噪声,进而提高振动频率监测的准确性。
本具体实施方式提供的振动监测方法,图像采集装置1可以为80帧/s的工业相机,或者其他能够起到同等作用的图像采集装置1。
例如,风机叶片3振动监测方法,采集振动图像的采集时间可以为10s,当采用80帧/s的工业相机时,那么分解后会有800张图片,相邻两张图片的时间间隔即为1/80s。
本具体实施方式提供的振动监测方法,在步骤三中,像素坐标变化可以为水平方向像素坐标的变化;像素坐标变化亦可以为垂直方向像素坐标的变化。在实际监测时,尽可能地找位移变化较为明显的方向的分量,以便于观察,并保证数据的准确性。
在安装设计方面:上述图像采集装置1安装在轮毂上,且可以采用三个摄像镜头分别对准三个叶片3,随叶片3转动而转动,保障了采集到图像的专一性和实时性。
在精确度方面:由于风力发电机的叶片3是不断转动的,用传统的图像采集方式所采集到的叶片3会不可避免地出现运动模糊,上述方法的改进在很大程度上降低了运动模糊对拍摄到图像的影响,从而提高了后续处理的精确度。
在成本控制方面:风力发电机的叶片3是不断转动的,为了保证采集到图像的清晰度,传统的图像采集方式所用的摄相机为高帧率工业相机,造价高昂。而上述方法中采用普通的双目工业相机即可,对帧率无严格要求,成本大大降低。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种振动监测方法,其特征在于,包括步骤:
步骤一,选取叶片(3)的尖端为振动的参考点,将图像采集装置(1)固定于风力发电机的整流罩(2)、并使所述图像采集装置(1)的镜头对准所述参考点,以获取所述参考点的振动图像;
步骤二,将所述振动图像分解成帧,并对每一帧进行预处理,以消除噪声;
步骤三,选取所述参考点在每一帧的像素坐标,并对所述像素坐标进行转化,记录所述参考点转换后的像素坐标,并绘制转化后的像素坐标值与时间t的关系图;
步骤四,对所述关系图进行曲线拟合,得到拟合曲线f(t),并对所述拟合曲线f(t)做傅里叶变化得到F(ω),并绘制进F(ω)的曲线图,进而获得该时间段内振动频率ω的成分和占比。
2.根据权利要求1所述的振动监测方法,其特征在于,步骤三中对所述像素坐标进行转化的过程为:
设所述参考点的世界坐标系为(xw,yw,zw),图像采集装置坐标系为(xc,yc,zc),则从世界坐标系到图像采集装置坐标系数学转化关系为:
Figure FSA0000232852200000011
其中R为旋转矩阵,T为平移向量;
Figure FSA0000232852200000012
T=[tx ty tz]T (3)
其中
Figure FSA0000232852200000021
θ,ψ分别为世界坐标系x轴,y轴,z轴绕自身的旋转角度,tx,ty,tz分别为世界坐标系x轴,y轴,z轴相对于原坐标系平移的距离;
图像采集装置坐标(X,Y)到图像坐标(xc,yc,zc)的转化关系为:
Figure FSA0000232852200000022
其中f为图像采集装置的焦距;
图像坐标(xc,yc,zc)到像素坐标(u,v)的转化关系为:
Figure FSA0000232852200000023
其中dx,dy分别为x轴,y轴方向上的像元尺寸,(u0,v0)为图像原点坐标。
3.根据权利要求1所述的振动监测方法,其特征在于,所述步骤四中,采用正弦函数拟合,得到所述拟合曲线f(t),
f(t)=689.3*sin(0.5517*t-1.327)+825.7*sin(2.607*t+1.243)+1283*sin(0.791*t+0.518)+721.6*sin(2.639*t+4.229)+771.3*sin(0.8907*t+3.103)+16.91*sin(4.037*t+1.5)+11.33*sin(6.941*t+2.482)+12.92*sin(4.364*t+2.082) (6)
则,
Figure FSA0000232852200000024
其中ω为振动频率;t为时间;i为虚数单位;e为自然对数函数的底数,约为2.718。
4.根据权利要求1所述的振动监测方法,其特征在于,所述参考点通过在所述叶片(3)的尖端涂抹反光材料实现标定。
5.根据权利要求1所述的振动监测方法,其特征在于,所述步骤二中预处理的步骤包括:对所述振动图像进行灰度化,得到所述叶片(3)的灰度图像;并对所述灰度图像进行滤波处理,滤除因外界环境变化所产生的椒盐噪声和因设备本身问题所产生的高斯噪声。
6.根据权利要求1所述的振动监测方法,其特征在于,所述图像采集装置(1)为80帧/s的双目工业相机。
7.根据权利要求1所述的振动监测方法,其特征在于,采集所述振动图像的采集时间为10s。
8.根据权利要求1所述的振动监测方法,其特征在于,所述步骤三中,所述像素坐标值为水平方向的像素坐标值,或者为垂直方向的像素坐标值。
CN202110151395.5A 2021-01-28 2021-01-28 一种振动监测方法 Pending CN112943559A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110151395.5A CN112943559A (zh) 2021-01-28 2021-01-28 一种振动监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110151395.5A CN112943559A (zh) 2021-01-28 2021-01-28 一种振动监测方法

Publications (1)

Publication Number Publication Date
CN112943559A true CN112943559A (zh) 2021-06-11

Family

ID=76243507

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110151395.5A Pending CN112943559A (zh) 2021-01-28 2021-01-28 一种振动监测方法

Country Status (1)

Country Link
CN (1) CN112943559A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103323461A (zh) * 2013-06-14 2013-09-25 上海大学 一种非接触式的风力发电机叶片运动在线检测方法
CN111275665A (zh) * 2019-12-19 2020-06-12 华中科技大学 一种基于视觉的叶片磨抛加工振动检测系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103323461A (zh) * 2013-06-14 2013-09-25 上海大学 一种非接触式的风力发电机叶片运动在线检测方法
CN111275665A (zh) * 2019-12-19 2020-06-12 华中科技大学 一种基于视觉的叶片磨抛加工振动检测系统及方法

Similar Documents

Publication Publication Date Title
CN112966207A (zh) 一种基于图像采集的振动监测方法
CN112884727A (zh) 一种风力机叶片振动监测方法
US9971357B2 (en) Parallel platform tracking control apparatus using visual device as sensor and control method thereof
Winstroth et al. Wind turbine rotor blade monitoring using digital image correlation: a comparison to aeroelastic simulations of a multi-megawatt wind turbine
CN110942458A (zh) 一种温度异常缺陷检测定位方法及系统
EP3527934B1 (en) Method, device and system for measuring tower top displacement of wind power generator set
JP2016205876A (ja) 画像認識装置
CN115205286B (zh) 爬塔机器人机械臂螺栓识别与定位方法、存储介质、终端
Lyu et al. Operational modal analysis of a rotating structure using image-based tracking continuously scanning laser Doppler vibrometry via a novel edge detection method
CN114862809A (zh) 一种基于移动终端与图像处理的振动监测方法和装置
CN112943559A (zh) 一种振动监测方法
US20220028260A1 (en) Method for acquiring three-dimensional perception information based on external parameters of roadside camera, and roadside device
Zang et al. Phase-based vibration frequency measurement from videos recorded by unstable cameras
Wang et al. Real-time vibration visualization using GPU-based high-speed vision
CN112435190A (zh) 一种基于车辆运动与数据增广的运动模糊目标检测方法
CN108389204B (zh) 一种面向高速在线检测的退化图像模糊核双参数直接估算方法
JP5685665B1 (ja) 画像認識装置
CN117023394A (zh) 基于计算机视觉的起重机安全控制系统
Winstroth et al. Wind turbine rotor blade monitoring using digital image correlation: assessment on a scaled model
CN108333383B (zh) 基于智能手机与图像处理的转速测量系统
JP7248149B2 (ja) 異常判定装置、異常判定方法およびコンピュータプログラム
CN114119485A (zh) 一种混合视觉边坡检测方法
Zang et al. Video-Based Vibration Measurement Using an Unmanned Aerial Vehicle: An Anti-Disturbance Algorithm for the Shaking of Airborne Cameras
Xie et al. Scanning imaging restoration of moving or dynamically deforming objects
Chu et al. 3d perception and reconstruction system based on 2d laser scanner

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210611