CN112945531A - 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 - Google Patents
风机叶片的裂纹检测方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN112945531A CN112945531A CN202110147126.1A CN202110147126A CN112945531A CN 112945531 A CN112945531 A CN 112945531A CN 202110147126 A CN202110147126 A CN 202110147126A CN 112945531 A CN112945531 A CN 112945531A
- Authority
- CN
- China
- Prior art keywords
- vibration
- crack
- fan blade
- determining
- vibration signal
- 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
Links
- 238000000034 method Methods 0.000 title claims description 53
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 239000000463 material Substances 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 230000010355 oscillation Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请提供了一种风机叶片的裂纹检测方法、装置、设备及计算机存储介质。该风机叶片的裂纹检测方法，包括：获取多个振动传感器采集的振动信号；其中，多个振动传感器设置于风机叶片的预定位置；采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号；基于裂纹振动信号，确定风机叶片上存在裂纹。根据本申请实施例，能够更加准确地检测风机叶片的裂纹。
Description
技术领域
本申请属于风机叶片的裂纹检测技术领域，尤其涉及一种风机叶片的裂纹检测方法、装置、设备及计算机存储介质。
背景技术
大型风力发电机的可靠性是影响其运行成本和效率的主要因素。风机叶片是风力发电机捕获风能最核心的部件，由于其长期暴露在风沙、雨雪、温度骤变等恶劣环境中，不可避免的在不同位置会产生不同程度的损伤，如叶片会出现磨损、小砂眼及表皮脱落，其蒙皮的微小裂纹扩展至临界长度后会快速失稳扩展，严重可导致叶片的断裂破坏造成很大经济损失，给风电机组的安全运行带来严重威胁，因此，对叶片的状态进行检测非常重要。
风机叶片在实际运行过程当中最主要的损伤就是裂纹，以横向裂纹为主，且裂纹通常易出现在叶片前边缘处。当风力发电机叶片出现裂纹时，由于不同裂纹处于不同的状态，导致能有效识别裂纹特征的机制非常复杂。目前，传统的风机叶片检验方法主要有：静态检测、疲劳检测、模型分析等。这些传统的方法有的也在叶片布置安装了各种类型的传感器，通过收集传感器的信号进行裂纹损伤检测，但这些方法检测的准确度不高，更难以对裂纹的具体损伤位置进行定位。
因此，如何更加准确地检测风机叶片的裂纹是本领域技术人员亟需解决的技术问题。
发明内容
本申请实施例提供一种风机叶片的裂纹检测方法、装置、设备及计算机存储介质，能够更加准确地检测风机叶片的裂纹。
第一方面，本申请实施例提供一种风机叶片的裂纹检测方法，包括：
获取多个振动传感器采集的振动信号；其中，多个振动传感器设置于风机叶片的预定位置；
采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号；
基于裂纹振动信号，确定风机叶片上存在裂纹。
可选的，采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号，包括：
对多个振动信号进行时间同步处理和数据预处理；
采用小波分析算法，对经过时间同步处理和数据预处理的振动信号进行分解与重构，得到裂纹振动信号。
可选的，数据预处理包括滤波、去除噪声和去除直流分量中的至少一种。
可选的，在基于裂纹振动信号，确定风机叶片上存在裂纹之后，方法还包括：
在利用窗函数对裂纹振动信号进行加窗处理的情况下，采用初至波检测算法，确定振动信号到达振动传感器的起振时刻；
基于起振时刻，对采用初至波检测算法后的裂纹振动信号进行归一化处理，得到归一化数据；
根据预设的网格(Grid)参数和到时(Arrival Time，AT)参数，利用移动窗函数将每个空间节点的归一化数据进行叠加，得到每个空间节点的归一化强度值；其中，每个空间节点依据每个振动传感器的相对位置划分；
利用均值窗对归一化强度值进行均值化处理，得到最终强度值；
在最终强度值大于预设强度值阈值的情况下，确定裂纹的位置坐标。
可选的，在确定裂纹的位置坐标之后，方法还包括：
向云服务器发送位置坐标。
可选的，在根据预设的网格参数和到时参数，利用移动窗函数将每个空间节点的归一化数据进行叠加，得到每个空间节点的归一化强度值之前，方法还包括：
获取风机叶片的尺寸信息和材料信息；
基于尺寸信息和振动传感器的相对位置，构建相对空间网格模型；
基于材料信息进行振动波速标定，确定材料信息对应的振动波速参数；
基于相对空间网格模型和振动波速参数，确定网格参数和到时参数。
可选的，基于材料信息进行振动波速标定，确定材料信息对应的振动波速参数，包括：
基于材料信息进行多次振动波速标定，分别确定多个初始振动波速参数；
对多个初始振动波速参数进行平均值计算，得到振动波速参数。
第二方面，本申请实施例提供了一种风机叶片的裂纹检测装置，包括：
获取模块，用于获取多个振动传感器采集的振动信号；其中，多个振动传感器设置于风机叶片的预定位置；
分解重构模块，用于采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号；
确定模块，用于基于裂纹振动信号，确定风机叶片上存在裂纹。
可选的，分解重构模块，用于对多个振动信号进行时间同步处理和数据预处理；采用小波分析算法，对经过时间同步处理和数据预处理的振动信号进行分解与重构，得到裂纹振动信号。
可选的，数据预处理包括滤波、去除噪声和去除直流分量中的至少一种。
可选的，确定模块，还用于在利用窗函数对裂纹振动信号进行加窗处理的情况下，采用初至波检测算法，确定振动信号到达振动传感器的起振时刻；基于起振时刻，对采用初至波检测算法后的裂纹振动信号进行归一化处理，得到归一化数据；根据预设的网格参数和到时参数，利用移动窗函数将每个空间节点的归一化数据进行叠加，得到每个空间节点的归一化强度值；其中，每个空间节点依据每个振动传感器的相对位置划分；利用均值窗对归一化强度值进行均值化处理，得到最终强度值；在最终强度值大于预设强度值阈值的情况下，确定裂纹的位置坐标。
可选的，装置还包括：
发送模块，用于向云服务器发送位置坐标。
可选的，获取模块，还用于获取风机叶片的尺寸信息和材料信息；确定模块，还用于基于尺寸信息和振动传感器的相对位置，构建相对空间网格模型；基于材料信息进行振动波速标定，确定材料信息对应的振动波速参数；基于相对空间网格模型和振动波速参数，确定网格参数和到时参数。
可选的，确定模块，用于基于材料信息进行多次振动波速标定，分别确定多个初始振动波速参数；对多个初始振动波速参数进行平均值计算，得到振动波速参数。
第三方面，本申请实施例提供了一种电子设备，电子设备包括：处理器以及存储有计算机程序指令的存储器；
处理器执行计算机程序指令时实现如第一方面所示的风机叶片的裂纹检测方法。
第四方面，本申请实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面所示的风机叶片的裂纹检测方法。
本申请实施例的风机叶片的裂纹检测方法、装置、设备及计算机存储介质，能够更加准确地检测风机叶片的裂纹。该风机叶片的裂纹检测方法，包括：获取多个振动传感器采集的振动信号；其中，多个振动传感器设置于风机叶片的预定位置；采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号；基于裂纹振动信号，确定风机叶片上存在裂纹。该风机叶片的裂纹检测方法，对不同振动传感器的振动信号采用小波分析算法进行分解与重构，小波分析算法是结合时域和频域分析的方法，可以对频带信号特征进行精细化的分析，并通过多个振动传感器的振动信号进行对比分析，提高了风叶叶片裂纹损伤检测的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请一个实施例提供的风机叶片的裂纹检测方法的流程示意图；
图2是本申请一个实施例提供的风机叶片裂纹定位算法的流程示意图；
图3是本申请一个实施例提供的风机叶片的裂纹检测装置的结构示意图；
图4是本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
申请人经研究发现，传统的风机叶片检验方法主要有：静态检测、疲劳检测、模型分析等。这些传统的方法进行风机叶片裂纹识别定位准确度不高的原因，主要是因为裂纹振动信号的衰减、有虚假信号等原因从而导致不能捕捉真正裂纹的有效信号，进一步产生误差，再加上信号定位的方法不理想，从而出现检测不准确甚至检测不到裂纹的现象。
风机叶片的裂纹是来自于材料或构件在应力超过屈服极限进入不可逆塑性变形阶段而产生，与此同时，产生的额定弹性应力波在构件介质中传播和扩散，严重时会导致材料断裂。这种内部变化产生的一部分能量以弹性波的形式释放出来，弹性波在介质传播到达风叶表面后引起表面振动，安装在风叶表面的多个振动传感器通过数据采集装置捕获到该振动信号，信号通过传输进入边缘计算模块中并通过一系列的算法处理将其裂纹的振动信号特征提取出来，并通过多振动传感器构成的位置信息将风机叶片进行空间网格位置划分，使用多振动信号空间定位算法对裂纹位置坐标进行精确定位，并将裂纹状态和定位结果反馈云平台。
通常振动传感器安装到风机叶片的表面，并随着叶片一起转动。捕获到的往往是一个动态特性的振动信号。受到环境温度、风噪和天气变化的影响，因此采集的振动信号所包含的信息量非常大。微小裂纹产生的振动信号往往会被其他的环境噪声信号淹没。目前现有的传统手段缺乏监测的实时性之外，通常只根据原始的振动信号进行模态分析，会出现裂纹损伤监测不到，或者是产生很多误报，不但无法达到目的，反而会增加一些误告警的资源消耗。传统的裂纹识别定位检测方法，往往是只分析振动信号的时域特征，或者只关注振动信号的频域特征，往往都不能在准确性上达到较好的效果。
裂纹尖端能量积累到一定程度瞬间释放，并伴随着一定程度的迅速衰减，整个过程从特征上类似一个冲击信号。故裂纹产生的振动信号是随机的、瞬时的、时变的非平稳信号，故使用传统的模态或频谱分析法是不能准确捕获裂纹信号及准确的裂纹位置信息。
为了解决现有技术问题，本申请实施例提供了一种风机叶片的裂纹检测方法、装置、设备及计算机存储介质。下面首先对本申请实施例所提供的风机叶片的裂纹检测方法进行介绍。
图1示出了本申请一个实施例提供的风机叶片的裂纹检测方法的流程示意图。如图1所示，该风机叶片的裂纹检测方法，包括：
S101、获取多个振动传感器采集的振动信号；其中，多个振动传感器设置于风机叶片的预定位置。
S102、采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号。
在一个实施例中，采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号，包括：
对多个振动信号进行时间同步处理和数据预处理；
采用小波分析算法，对经过时间同步处理和数据预处理的振动信号进行分解与重构，得到裂纹振动信号。
在一个实施例中，数据预处理包括滤波、去除噪声和去除直流分量中的至少一种。
S103、基于裂纹振动信号，确定风机叶片上存在裂纹。
在一个实施例中，在基于裂纹振动信号，确定风机叶片上存在裂纹之后，方法还包括：
在利用窗函数对裂纹振动信号进行加窗处理的情况下，采用初至波检测算法，确定振动信号到达振动传感器的起振时刻；
基于起振时刻，对采用初至波检测算法后的裂纹振动信号进行归一化处理，得到归一化数据；
根据预设的网格参数和到时参数，利用移动窗函数将每个空间节点的归一化数据进行叠加，得到每个空间节点的归一化强度值；其中，每个空间节点依据每个振动传感器的相对位置划分；
利用均值窗对归一化强度值进行均值化处理，得到最终强度值；
在最终强度值大于预设强度值阈值的情况下，确定裂纹的位置坐标。
在一个实施例中，在确定裂纹的位置坐标之后，方法还包括：
向云服务器发送位置坐标。
在一个实施例中，在根据预设的网格参数和到时参数，利用移动窗函数将每个空间节点的归一化数据进行叠加，得到每个空间节点的归一化强度值之前，方法还包括：
获取风机叶片的尺寸信息和材料信息；
基于尺寸信息和振动传感器的相对位置，构建相对空间网格模型；
基于材料信息进行振动波速标定，确定材料信息对应的振动波速参数；
基于相对空间网格模型和振动波速参数，确定网格参数和到时参数。
在一个实施例中，基于材料信息进行振动波速标定，确定材料信息对应的振动波速参数，包括：
基于材料信息进行多次振动波速标定，分别确定多个初始振动波速参数；
对多个初始振动波速参数进行平均值计算，得到振动波速参数。
该风机叶片的裂纹检测方法，对不同振动传感器的振动信号采用小波分析算法进行分解与重构，小波分析算法是结合时域和频域分析的方法，可以对频带信号特征进行精细化的分析，并通过多个振动传感器的振动信号进行对比分析，提高了风叶叶片裂纹损伤检测的准确性。
而且，本发明使用的初至波检测算法，采用裂纹振动信号的固的有能量特征，通过加窗在信号序列中逐一扫描，根据实测数据积累的参数模型算法将自动在窗函数内寻找初至波位置时刻，并在强度值累积计算过程中，对归一化后的信号使用移动窗函数，进一步减小因材料介质均匀性和噪声所带来的误差。最后，对强度值的计算结果使用均值窗计算，可以使裂纹定位坐标达到非常高的精度。
下面以一个具体实施例对上述技术方案进行具体说明。图2是本申请一个实施例提供的风机叶片裂纹定位算法的流程示意图，对图2作如下说明：
(1)安装传感器：在风机叶片表面固定位置坐标布置3个(或以上)振动传感器，由于风机叶片的尺寸形状统一，根据风机叶片的尺寸和传感器的相对位置坐标构建相对空间网格模型。
(2)参数标定：预先在不同风机叶片材料上进行振动波速标定实验，振动波在相同的均匀材质上传播的波速是相对稳定的。通常相同材质的风机叶片只用做一次参数标定实验，将标定的波速数值存储在边缘计算模块，并标记对应的材料类型。
(3)获取标定参数：在波速标定实验中，要使用信号预处理算法对原始的振动数据进行噪声去除，归一化，初至波提取等计算，并进行多次测量求平均值从而得到准确的波速参数。
(4)参数初始化计算：在初次使用时，根据传感器的实际安装位置坐标信息和风机叶片的网格模型，结合预先存储的风叶材料所对应的振动波速参数，根据实际需求执行一次参数算法配置，从而获得该空间网格模型的Grid网格坐标参数模型(网格空间大小可配置)及AT到时三维模型。
(5)数据时间同步：将所有振动传感器采集的数据从数据采集模块传输到边缘计算模块，对所有的振动传感器数据进行时间同步处理。将时间同步后的数据按照计算周期提供算法使用。
(6)数据预处理：将同步对齐的数据进行滤波，去除噪声和直流分量。
(7)小波分解与重构：对预处理后的信号，选择相应小波基对其进行分解和重构，它在时域和频域同时具有良好的局部化性质。它不仅对低频部分进行分解，而且对于高频部分也进行分解，它将频带进行多层次划分，对多分辨分析没有细分的高频部分进一步分解，并能够根据分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高时频分辨率，捕获被隐藏的微小裂纹振动信号。
本发明采用多个振动传感器构建的空间模型，并对不同传感器的振动信号采用小波分析算法进行分解与重构，小波分析算法是结合时域和频域分析的方法，可以对频带信号特征进行精细化的分析，并通过多个传感器的信号进行对比分析，大大的降低了误报的风险，进一步提高了风叶叶片裂纹损伤检测的准确性。
(8)裂纹信号判断：当安装的所有的振动传感器都接收到了类似裂纹振动信号时，启动裂纹定位算法，监测到裂纹振动信号不能直接判定有无裂纹，只代表存在裂纹的可能性，防止误判。
(9)加窗初至波算法：通过振动信号加窗处理，在窗内使用初至波算法，初至波算法利用训练模型根据振动信号的振幅能量强度，获取微小振动信号振动波到达传感器的起振时刻。
(10)归一化，计算强度值：将加窗初至波算法转换后的传感器通道数据进行归一化计算，将归一化后的各通道数据，通过步骤(4)中获取的参数，对空间网格进行扫描计算，根据AT和Grid将每个空间点上的归一化数据进行叠加，得到每个空间节点的归一化强度值。在叠加归一化数据的时候，采用了可移动窗函数，在可移动窗函数中只选取最大值，此过程显著的提高了振动信号空间叠加时的精度，克服了材料不均匀，信号衰减的误差影响。
(11)均值窗：针对计算的强度值，根据空间网格的尺寸和分辨率，使用均值窗对三维强度值进行空间方格四个相邻顶点进行均值化处理，得到最终的空间网格三维强度值。
(12)裂纹位置坐标定位：设定强度值阈值，扫描空间网格三维强度值中最大的值，与预先设定的强度阈值进行对比，若强度值大于设定阈值，则结果输出识别到裂纹及位置坐标上报云平台。反之，返回到下一个计算周期继续监测。
本发明可以对叶片全生命周期进行实时监测，并实时可查询叶片状态，出现裂纹损伤将第一时间推送消息给云平台报警，避免造成更严重的安全事故和巨大的经济损失。
本发明使用的初至波算法，采用裂纹振动信号的固的有能量特征，通过加窗在信号序列中逐一扫描，根据实测数据积累的参数模型算法将自动在窗函数内寻找初至波位置时刻，并在强度值累积计算过程中，对归一化后的信号使用移动窗函数，进一步减小因材料介质均匀性和噪声所带来的误差。最后，对强度值的计算结果使用均值窗计算，可以使裂纹定位坐标达到非常高的精度，进而使得风机叶片维修更加高效并降低了维护成本。
如图3所示，本申请实施例还提供一种风机叶片的裂纹检测装置，包括：
获取模块301，用于获取多个振动传感器采集的振动信号；其中，多个振动传感器设置于风机叶片的预定位置；
分解重构模块302，用于采用小波分析算法对振动信号进行分解与重构，得到裂纹振动信号；
确定模块303，用于基于裂纹振动信号，确定风机叶片上存在裂纹。
在一个实施例中，分解重构模块302，用于对多个振动信号进行时间同步处理和数据预处理；采用小波分析算法，对经过时间同步处理和数据预处理的振动信号进行分解与重构，得到裂纹振动信号。
在一个实施例中，数据预处理包括滤波、去除噪声和去除直流分量中的至少一种。
在一个实施例中，确定模块303，还用于在利用窗函数对裂纹振动信号进行加窗处理的情况下，采用初至波检测算法，确定振动信号到达振动传感器的起振时刻；基于起振时刻，对采用初至波检测算法后的裂纹振动信号进行归一化处理，得到归一化数据；根据预设的网格参数和到时参数，利用移动窗函数将每个空间节点的归一化数据进行叠加，得到每个空间节点的归一化强度值；其中，每个空间节点依据每个振动传感器的相对位置划分；利用均值窗对归一化强度值进行均值化处理，得到最终强度值；在最终强度值大于预设强度值阈值的情况下，确定裂纹的位置坐标。
在一个实施例中，该装置还包括：发送模块，用于向云服务器发送位置坐标。
在一个实施例中，获取模块301，还用于获取风机叶片的尺寸信息和材料信息；确定模块303，还用于基于尺寸信息和振动传感器的相对位置，构建相对空间网格模型；基于材料信息进行振动波速标定，确定材料信息对应的振动波速参数；基于相对空间网格模型和振动波速参数，确定网格参数和到时参数。
在一个实施例中，确定模块303，用于基于材料信息进行多次振动波速标定，分别确定多个初始振动波速参数；对多个初始振动波速参数进行平均值计算，得到振动波速参数。
图3所示装置中的各个模块/单元具有实现图1中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
图4示出了本申请实施例提供的电子设备的结构示意图。
电子设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在电子设备的内部或外部。在特定实施例中，存储器402可以是非易失性固态存储器。
在一个实例中，存储器402可以是只读存储器(Read Only Memory，ROM)。在一个实例中，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现上述实施例中的任意一种风机叶片的裂纹检测方法。
在一个示例中，电子设备还可包括通信接口403和总线410。其中，如图4所示，处理器401、存储器402、通信接口403通过总线410连接并完成相互间的通信。
通信接口403，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
另外，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种风机叶片的裂纹检测方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种风机叶片的裂纹检测方法，其特征在于，包括：
获取多个振动传感器采集的振动信号；其中，多个所述振动传感器设置于风机叶片的预定位置；
采用小波分析算法对所述振动信号进行分解与重构，得到裂纹振动信号；
基于所述裂纹振动信号，确定风机叶片上存在裂纹。
2.根据权利要求1所述的风机叶片的裂纹检测方法，其特征在于，所述采用小波分析算法对所述振动信号进行分解与重构，得到裂纹振动信号，包括：
对多个所述振动信号进行时间同步处理和数据预处理；
采用所述小波分析算法，对经过所述时间同步处理和所述数据预处理的振动信号进行分解与重构，得到所述裂纹振动信号。
3.根据权利要求2所述的风机叶片的裂纹检测方法，其特征在于，所述数据预处理包括滤波、去除噪声和去除直流分量中的至少一种。
4.根据权利要求1所述的风机叶片的裂纹检测方法，其特征在于，在所述基于所述裂纹振动信号，确定风机叶片上存在裂纹之后，所述方法还包括：
在利用窗函数对所述裂纹振动信号进行加窗处理的情况下，采用初至波检测算法，确定所述振动信号到达所述振动传感器的起振时刻；
基于所述起振时刻，对采用所述初至波检测算法后的裂纹振动信号进行归一化处理，得到归一化数据；
根据预设的网格参数和到时参数，利用移动窗函数将每个空间节点的所述归一化数据进行叠加，得到每个所述空间节点的归一化强度值；其中，每个所述空间节点依据每个所述振动传感器的相对位置划分；
利用均值窗对所述归一化强度值进行均值化处理，得到最终强度值；
在所述最终强度值大于预设强度值阈值的情况下，确定所述裂纹的位置坐标。
5.根据权利要求4所述的风机叶片的裂纹检测方法，其特征在于，在所述确定所述裂纹的位置坐标之后，所述方法还包括：
向云服务器发送所述位置坐标。
6.根据权利要求4所述的风机叶片的裂纹检测方法，其特征在于，在所述根据预设的网格参数和到时参数，利用移动窗函数将每个空间节点的所述归一化数据进行叠加，得到每个所述空间节点的归一化强度值之前，所述方法还包括：
获取所述风机叶片的尺寸信息和材料信息；
基于所述尺寸信息和所述振动传感器的相对位置，构建相对空间网格模型；
基于所述材料信息进行振动波速标定，确定所述材料信息对应的振动波速参数；
基于所述相对空间网格模型和所述振动波速参数，确定所述网格参数和所述到时参数。
7.根据权利要求6所述的风机叶片的裂纹检测方法，其特征在于，所述基于所述材料信息进行振动波速标定，确定所述材料信息对应的振动波速参数，包括：
基于所述材料信息进行多次振动波速标定，分别确定多个初始振动波速参数；
对多个所述初始振动波速参数进行平均值计算，得到所述振动波速参数。
8.一种风机叶片的裂纹检测装置，其特征在于，包括：
获取模块，用于获取多个振动传感器采集的振动信号；其中，多个所述振动传感器设置于风机叶片的预定位置；
分解重构模块，用于采用小波分析算法对所述振动信号进行分解与重构，得到裂纹振动信号；
确定模块，用于基于所述裂纹振动信号，确定风机叶片上存在裂纹。
9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；
所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的风机叶片的裂纹检测方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的风机叶片的裂纹检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110147126.1A CN112945531A (zh) | 2021-02-03 | 2021-02-03 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110147126.1A CN112945531A (zh) | 2021-02-03 | 2021-02-03 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112945531A true CN112945531A (zh) | 2021-06-11 |
Family
ID=76241961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110147126.1A Pending CN112945531A (zh) | 2021-02-03 | 2021-02-03 | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112945531A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113982850A (zh) * | 2021-09-10 | 2022-01-28 | 大唐国信滨海海上风力发电有限公司 | 融合高低频信号的风机综合健康分析方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103901111A (zh) * | 2014-03-24 | 2014-07-02 | 上海电机学院 | 风力发电机组叶片的无损检测系统及方法 |
| CN104236871A (zh) * | 2013-06-09 | 2014-12-24 | 沈阳透平机械股份有限公司 | 离心式压缩机半开式叶轮裂纹故障识别方法 |
| CN107064315A (zh) * | 2017-03-24 | 2017-08-18 | 北京工业大学 | 基于小波分析的叶片裂纹位置及深度识别方法 |
| CN109541028A (zh) * | 2018-12-26 | 2019-03-29 | 湖南科技大学 | 一种风力机叶片裂纹位置定位检测方法及系统 |
| CN109828302A (zh) * | 2019-01-17 | 2019-05-31 | 西人马(西安)测控科技有限公司 | 一种基于多振动传感器的震源定位方法及装置 |
| CN110243939A (zh) * | 2019-06-26 | 2019-09-17 | 河海大学常州校区 | 一种基于机械波定位的水坝缺陷检测系统及其工作方法 |
| CN111457252A (zh) * | 2020-06-01 | 2020-07-28 | 安徽理工大学 | 一种基于振动波的燃气管道泄漏定位方法 |
-
2021
- 2021-02-03 CN CN202110147126.1A patent/CN112945531A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104236871A (zh) * | 2013-06-09 | 2014-12-24 | 沈阳透平机械股份有限公司 | 离心式压缩机半开式叶轮裂纹故障识别方法 |
| CN103901111A (zh) * | 2014-03-24 | 2014-07-02 | 上海电机学院 | 风力发电机组叶片的无损检测系统及方法 |
| CN107064315A (zh) * | 2017-03-24 | 2017-08-18 | 北京工业大学 | 基于小波分析的叶片裂纹位置及深度识别方法 |
| CN109541028A (zh) * | 2018-12-26 | 2019-03-29 | 湖南科技大学 | 一种风力机叶片裂纹位置定位检测方法及系统 |
| CN109828302A (zh) * | 2019-01-17 | 2019-05-31 | 西人马(西安)测控科技有限公司 | 一种基于多振动传感器的震源定位方法及装置 |
| CN110243939A (zh) * | 2019-06-26 | 2019-09-17 | 河海大学常州校区 | 一种基于机械波定位的水坝缺陷检测系统及其工作方法 |
| CN111457252A (zh) * | 2020-06-01 | 2020-07-28 | 安徽理工大学 | 一种基于振动波的燃气管道泄漏定位方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘晓波 等: "基于小波包分析的风机叶片裂纹故障识别研究", 《机床与液压》 * |
| 徐萍: "风力机叶片损伤监测技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 曾祥琦 等: "基于分维与粒子群的裂纹扩展在线监测", 《长沙理工大学学报（自然科学版）》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113982850A (zh) * | 2021-09-10 | 2022-01-28 | 大唐国信滨海海上风力发电有限公司 | 融合高低频信号的风机综合健康分析方法及系统 |
| CN113982850B (zh) * | 2021-09-10 | 2023-11-10 | 大唐国信滨海海上风力发电有限公司 | 融合高低频信号的风机综合健康分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| He et al. | Health monitoring of cooling fan bearings based on wavelet filter | |
| CN107796611B (zh) | 一种用于检测风力发电机异常工作的报警系统 | |
| US6802221B2 (en) | System and method for conditioned-based monitoring of a bearing assembly | |
| CN112945531A (zh) | 风机叶片的裂纹检测方法、装置、设备及计算机存储介质 | |
| US20150168352A1 (en) | Laser ultrasonic imaging system for a rotating object and method thereof | |
| CN111161756B (zh) | 风机叶片扫风声音信号中异常哨声轮廓的提取及识别方法 | |
| US8958946B2 (en) | System for detecting defects on an aircraft engine impeller wheel | |
| CN102758655A (zh) | 用于保护旋转机械的系统和方法 | |
| CN105829983A (zh) | 用于检测机器的当前的损伤状态的设备以及方法 | |
| CN117093945A (zh) | 一种旋转机械状态在线监测与故障分析系统 | |
| KR20210006832A (ko) | 기계고장 진단 방법 및 장치 | |
| CN111173687B (zh) | 一种风电风机叶片裂纹损伤在线监测装置及方法 | |
| CN115905341A (zh) | 数据质量异常的检测方法、装置、电子设备及存储介质 | |
| CN114689321A (zh) | 风力发电机组的轴承故障诊断方法、装置、电子设备 | |
| JP2012178059A (ja) | 防犯システム及び防犯プログラム | |
| CN112665713B (zh) | 一种基于实时振动数据的往复机械设备故障检测方法 | |
| CN109357751B (zh) | 一种电力变压器绕组松动缺陷检测系统 | |
| CN114562429A (zh) | 一种基于净空及声振监测的风电机组叶片损伤预警方法 | |
| Zhao et al. | Research on a vibration signal analysis method for motor bearing | |
| CN113986659A (zh) | 故障分析方法、装置、设备及计算机存储介质 | |
| CN108257364B (zh) | 一种提高分布式光纤监测系统报警可靠性的方法 | |
| CN110307899A (zh) | 一种基于深度学习的声音异常检测系统 | |
| CN110646202B (zh) | 用于检测轴承的磨损的方法和装置 | |
| CN117723303B (zh) | 一种风力发电机组轴承声学监测方法 | |
| CN112729783A (zh) | 风机叶片故障诊断方法、装置、设备及计算机存储介质 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210611 |