CN115078381B - 一种基于二轴云台的风力发电机叶片损伤在线检测方法 - Google Patents
一种基于二轴云台的风力发电机叶片损伤在线检测方法 Download PDFInfo
- Publication number
- CN115078381B CN115078381B CN202210671479.6A CN202210671479A CN115078381B CN 115078381 B CN115078381 B CN 115078381B CN 202210671479 A CN202210671479 A CN 202210671479A CN 115078381 B CN115078381 B CN 115078381B
- Authority
- CN
- China
- Prior art keywords
- image
- blade
- delta
- images
- camera
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000005096 rolling process Methods 0.000 claims abstract description 9
- 230000005484 gravity Effects 0.000 claims description 28
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 abstract description 7
- 238000009434 installation Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开一种基于二轴云台的风力发电机叶片损伤在线检测方法,是将摄像机安装在二轴云台的横滚转台上获取风机叶片图像,具有体积小、质量轻、成本低及便于安装等优点。本发明所用摄像机对现有技术进行了改进,其视频流模式及拍照模式的图像无需切换并行输出,将拍照模式的图像以连续的方式进行存储,使得连续拍照图像达到25帧每秒。可准确测量风机叶片运行角速度,并将摄像机对叶片从叶尖至叶根连续拍照图像进行精准拼接,形成完整的叶片图像(55米叶片拼接图可达10亿像素),同时,计算机控制横滚转台电机及俯仰转台电机,可以使摄像机追踪风机的最大转速,实现对风机叶片的快速、准确的损伤检测。
Description
技术领域
本发明涉及一种风力发电机叶片损伤检测方法,尤其是一种基于二轴云台的风力发电机叶片损伤在线检测方法。
背景技术
风机(风力发电机)叶片是风电机组的重要组成部分,一般由玻璃纤维复合材料制成,因受外界冲击,难免会出现不同程度的表面破损和内部裂痕等损伤,严重时会导致断裂。发生断裂时,三叶片平衡旋转状态被破坏,发电机组瞬间剧烈振动,若机组保护失效或刹车装置延迟动作,将对发电机组轴系、塔筒以及相邻叶片带来严重损害,甚至导致整台机组损坏,因此需要定期对风机叶片进行检测。
以往对风机叶片损伤的检测方法已经由人工发展到探伤设备(超声波等音频设备及红外、可见光等视频设备)检查,但是,检查过程仍需关停被检风机,使风力发电企业因此而产生巨大经济损失。申请号为201811144527.6的中国发明专利申请公开了一种风力发电机组叶片损伤在线检测方法,是将固定有光学镜头的六自由度云台安装在移动设备上,然后控制六自由度云台跟踪叶片转动获取叶片连续的多部位图像(如图11所示),最后由微处理器完成叶片完整图像拼接和叶片损伤检查。可以在风机运行过程中检测叶片损伤状况,避免因停机检测叶片损伤给风力发电企业带来的经济损失。然而,存在如下问题:
(1)六自由度云台可旋转角度范围相对较小(横摇、纵倾和偏航最大±30度),难以适用于因风机高度大而导致拍摄仰角过大的情形;
(2)转动速度受限,难以追踪风力发电机组叶片的最大转速;
(3)体积大、质量重,安装不便。
现有的二轴云台有横滚转台及俯仰转台且分别由电机控制,相比六自由度云台具有体积小、质量轻、成本低及便于安装等优点,若将摄像机固定在横滚转台上,则摄像机可随横滚转台实现X轴水平及Y轴竖直(俯仰)均360度转动。但是,如果用固定在横滚转台上的现有摄像机跟踪风机叶片转动直接获取叶片连续的多部位图像,则会出现出现各画面叶片边缘之间有夹角的情况,难以实现图像拼接。因此,迄今为止并没有将摄像机固定在二轴云台上实现风力发电机叶片损伤在线检测的相关报道。
发明内容
本发明是为了解决现有技术所存在的上述技术问题,提供一种基于二轴云台的风力发电机叶片损伤在线检测方法。
本发明的技术解决方案是:一种基于二轴云台的风力发电机叶片损伤在线检测方法,按照如下步骤进行:
步骤1.架设设备
将摄像机安装在二轴云台的横滚转台上,所述摄像机有光学镜头,光学镜头通过图像传感器与图像信号处理电路相接,图像信号处理电路的输出分为两路,一路为视频流模式,另一路为拍照模式,所述视频流模式与拍照模式并行通过接口电路与计算机相接,所述拍照模式还与存储器相接,将二轴转台固定并使光学镜头正对风力发电机叶片;
所述二轴云台的横滚转台电机及俯仰转台电机均由计算机控制;
步骤2.测量光学镜头距离风力发电机组塔架的水平距离C;
步骤3.将水平距离C、风机轮毂高度H、叶片长度L、设定摄像从一个叶片叶尖至根部依次连续拍摄图像张数N及每两张图像的间隔时间ΔT输入至计算机;
步骤4.测量风机叶片转动的角速度ω,ω=Δθ/Δt,所述Δθ是一个叶片叶尖从视频图像特定位置起转动的角度,所述Δt是叶片叶尖转过角度Δθ所需的时间;
所述视频图像特定位置按照如下步骤确定:
步骤4.1启动摄像机拍摄风力发电机组一个叶片叶尖;
步骤4.2获取视频流模式中一帧叶片位于水平的RGB图像并转为灰度图;
步骤4.3使用合理阈值计算视频图像连通域Y轴重心,即视为叶片叶尖位于视频图像特定位置;
所述合理阈值按照如下步骤获取:
步骤4.3.1使用摄像机拍摄风力发电机组一个叶片叶尖;
步骤4.3.2输入设定阈值;
步骤4.3.3获取视频流模式的一帧RGB图像并转为灰度图;
步骤4.3.4使用阈值计算连通域,判断连通域总面积是否大于100且连通域数量是否小于10,是,输出设定阈值为合理阈值;否,修改设定阈值并返回步骤4.3.2;
步骤4.4当两幅视频图像中叶片叶尖位于视频图像特定位置相同时,Δθ=360°,Δt=ΔT(n-1),所述n为以每两张图像间隔时间为ΔT获取的视频图像数量;
步骤5.计算摄像机以间隔时间为ΔT从叶尖至叶根连续拍照N张图像时,每张图像PM对应的横滚转台电机δM及俯仰转台电机的转动角度βM,所述M为每张图片的序号,M=1,2,3,……N,设图像P1对应的δ1、β1为基准角度;
步骤6.获取从叶尖至叶根连续拍照的N张图片
步骤6.1按照步骤4.1-4.3得到连通域Y轴重心;
步骤6.2判断连通域Y轴重心是否位于画面中心,是,进行步骤6.3;否,返回步骤6.1;
步骤6.3输出图像,即为第1张图像P1,同时控制横滚转台电机及俯仰转台电机分别在ΔT的时间内完成转动δM、βM及静止等待拍摄过程并采集拍照模式中对应时间段的连续N-1张图像,即获取图像P1、P2……PN,存储至存储器中;
步骤7.拼接图像
步骤7.1计算机遍历存储器;
步骤7.2取第一张图像,i←1;
步骤7.3求图像像素平均值;
步骤7.4以像素平均值为阈值做二值化;
步骤7.5求图像每一行的重心,保存行重心数据;
步骤7.6以行重心数据拟合重心线;
步骤7.7旋转图像,使重心线垂直;
步骤7.8裁剪平移使重心线居中;
步骤7.9遍历图像像素,保存每行叶片宽度数据;
步骤7.10判断是否i=1,是,存储图像并读取下一张图像,i←i+1,返回步骤7.3;否,进行步骤7.11;
步骤7.11判断是否i=N,是,输出图像,得到单个叶片的完整图像,进行步骤8;否,遍历叶片宽度数据,与上一张图像所保存的每行叶片宽度数据对比,叶片宽度数据相等处为图像拼接位置;
步骤7.12与上一张图像在图像拼接位置纵向拼接;
步骤7.13存储图像并读取下一张图像,i←i+1,返回步骤7.3;
步骤8.计算机将获得单个叶片的完整图像与叶片损伤数据库比对,判断叶片是否有损伤点,生成并输出叶片损伤状况数据;
步骤9.判断其余叶片是否检测,是,结束;否,返回步骤6。
所述步骤5是按照如下公式计算横滚转台电机转动角度δM及俯仰转台电机的转动角度βM:
式中θM为图像PM相对图像P1叶片所转动的角度;
式(1)中M=2,3……N/2中的整数;
式(2)中M=(N+2)/2……N中的整数;
式(3)中M=2,3,4……N。
本发明是将摄像机安装在二轴云台的横滚转台上获取风机叶片图像,具有体积小、质量轻、成本低及便于安装等优点。本发明所用摄像机是对现有技术进行了改进,其视频流模式及拍照模式的图像无需切换并行输出,将拍照模式的图像以连续的方式进行存储,使得连续拍照图像达到25帧每秒。可准确测量风机叶片运行角速度,并将摄像机对叶片从叶尖至叶根连续拍照图像进行精准拼接,形成完整的叶片图像(55米叶片拼接图可达10亿像素),同时,计算机控制横滚转台电机及俯仰转台电机,可以使摄像机追踪风机的最大转速,实现对风机叶片的快速、准确的损伤检测。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例电路结构框图。
图3是本发明实施例计算图像连通域Y轴重心的流程图。
图4是本发明实施例计算合理阈值的流程图。
图5是本发明实施例计算摄像机间隔时间为ΔT连续拍照的两张叶片图像的横滚转台电机转动角度示意图。
图6是本发明实施例计算摄像机间隔时间为ΔT连续拍照的两张叶片图像的俯仰转台电机转动角度示意图。
图7是本发明实施例存储的拍照模式的连续6张图像的前三张图像示意图。
图8是本发明实施例拼接图像流程图。
图9是本发明实施例旋转图像前后的示意图。
图10是本发明实施例拼接后的叶片完整图像示意图。
图11是现有技术六自由度云台跟踪叶片转动获取叶片连续的多部位图像。
具体实施方式
本发明的一种基于二轴云台的风力发电机叶片损伤在线检测方法如图1所示,其特征在于按照如下步骤进行:
步骤1.架设设备
将摄像机安装在二轴云台的横滚转台上,如图2所示所述摄像机有光学镜头,光学镜头通过图像传感器(彩色CMOS传感器)与图像信号处理电路(ISP)相接,图像信号处理电路的输出分为两路,一路为视频流模式(30万像素,输送速率25帧每秒),另一路为拍照模式(五千万像素,最高连拍速率25帧每秒),所述视频流模式与拍照模式并行通过接口电路(USB或PHY等)与计算机相接,所述拍照模式还与存储器(DRAM)相接,将二轴转台固定在移动设备上亦可以固定在地面上,使光学镜头正对风力发电机叶片;
所述二轴云台的横滚转台电机及俯仰转台电机均由计算机控制,横滚转台电机及俯仰转台电机均采用伺服电机(松下伺服电机A6F型),速度响应频率为3.2kHz,脉冲输入频率达到8Mpps,可以通过MODBUS协议实现远程控制。
步骤2.测量光学镜头距离风力发电机组塔架的水平距离C=30m,移动设备距风机水平距离C可在30m-150m范围内;
步骤3.将水平距离C=30m、风机轮毂高度H=90m、叶片长度L=50m及设定摄像从一个叶片叶尖至根部依次连续拍摄图像张数N=6输入至计算机;
步骤4.测量风机叶片转动的角速度ω,ω=Δθ/Δt,所述Δθ是一个叶片叶尖经过视频画面特定位置的角度,所述Δt是叶片叶尖转过角度Δθ所需的时间;
所述视频画面特定位置如图3所示按照如下步骤确定:
步骤4.1启动摄像机拍摄风力发电机组一个叶片叶尖;
步骤4.2获取步骤4.1所得视频流模式中一帧叶片位于水平且叶片的叶尖在左端的叶尖RGB图像并转为灰度图;
步骤4.3使用合理阈值计算视频图像连通域Y轴重心,即视为叶片叶尖位于视频图像特定位置;
所述合理阈值如图4所示按照如下步骤获取:
步骤4.3.1使用光学镜头拍摄拍摄风力发电机组一个叶片叶尖;
步骤4.3.2输入设定阈值;
步骤4.3.3获取视频流模式的一帧RGB图像并转为灰度图;
步骤4.3.4使用阈值计算连通域,判断连通域总面积是否大于100且连通域数量是否小于10,是,输出设定阈值为合理阈值;否,修改设定阈值并返回步骤4.3.2;
步骤4.4当两幅视频图像中叶片叶尖位于视频图像特定位置相同时,Δθ=360°,Δt=ΔT(n-1),所述n为以每两张图像间隔时间为ΔT获取的视频图像数量;
叶片长度L=50m,设定摄像从一个叶片叶尖至根部依次连续拍摄图像张数N=6,则叶片上图像的间隔距离为10m,摄像机拍照模式最大支持25帧/秒,两张图像的间隔时间取ΔT=40ms;
取Δθ=720°,拍摄了272张图像,经过计算,用时Δt=40ms(272-1)=10.88秒,则风机叶片转动的角速度ω=66°/秒;
步骤5.计算摄像机以间隔时间为ΔT从叶尖至叶根连续拍照6张图像时,每张图像PM对应的横滚转台电机δM及俯仰转台电机的转动角度βM,所述M为每张图片的序号,M=1,2,3,……6,设图像P1对应的δ1、β1为基准角度;
如图5、6所示,δM、βM按照如下公式计算:
式中θM为图像PM相对图像P1叶片所转动的角度;
式(1)中M=2,3;
式(2)中M=4、5、6;
式(3)中M=2,3,4……6。
水平距离C=50m、叶片长度L=50m。假定所拍摄的图像P1中叶片的角度为零(水平),则拍摄第二张图像P2时叶片转动的角度θ2就是相对零的角度,θ2=ωΔT=66°/秒×40ms=2.64°;拍摄第三张图片P3时叶片角度θ3也是相对零的角度,即2.64°×2=5.28°,依此类推。
步骤6.获取从叶尖至叶根连续拍照的6张图片
步骤6.1按照步骤4.1-4.3得到连通域Y轴重心;
步骤6.2判断连通域Y轴重心是否位于画面中心,是,进行步骤6.3;否,返回步骤6.1;
步骤6.3输出图像,即为第1张图像P1,同时控制横滚转台电机及俯仰转台电机分别在5个ΔT的时间内完成转动δM、βM及静止等待拍摄过程并采集拍照模式中对应时间段的连续5张图像,即获取如图7所示的图像P1、P2……P6,存储至存储器中;
步骤7.拼接图像,具体如图8所示,按照如下步骤进行:
步骤7.1计算机遍历存储器;
步骤7.2取第一张图像,i←1;
步骤7.3求图像像素平均值;
步骤7.4以像素平均值为阈值做二值化;
步骤7.5求图像每一行的重心,保存行重心数据;
步骤7.6以行重心数据拟合重心线;
步骤7.7旋转图像,使重心线垂直,效果如图9所示,左、右图分别是旋转前后的图像;
步骤7.8裁剪平移使重心线居中;
步骤7.9遍历图像像素,保存每行叶片宽度数据;
步骤7.10判断是否i=1,是,存储图像并读取下一张图像,i←i+1,返回步骤7.3;否,进行步骤7.11;
步骤7.11判断是否i=6,是,输出图像,得到如图10所示的单个叶片的完整图像,进行步骤8;否,遍历叶片宽度数据,与上一张图像所保存的每行叶片宽度数据对比,叶片宽度数据相等处为图像拼接位置;
步骤7.12与上一张图像在图像拼接位置纵向拼接;
步骤7.13存储图像并读取下一张图像,i←i+1,返回步骤7.3;
步骤8.计算机将获得单个叶片的完整图像与叶片损伤数据库比对,判断叶片是否有损伤点,生成并输出叶片损伤状况数据;
步骤9.判断其余叶片是否检测,是,结束;否,返回步骤6。
Claims (1)
1.一种基于二轴云台的风力发电机叶片损伤在线检测方法,其特征在于依次按照如下步骤进行:
步骤1.架设设备
将摄像机安装在二轴云台的横滚转台上,所述摄像机有光学镜头,光学镜头通过图像传感器与图像信号处理电路相接,图像信号处理电路的输出分为两路,一路为视频流模式,另一路为拍照模式,所述视频流模式与拍照模式并行通过接口电路与计算机相接,所述拍照模式还与存储器相接,将二轴转台固定并使光学镜头正对风力发电机叶片;
所述二轴云台的横滚转台电机及俯仰转台电机均由计算机控制;
步骤2.测量光学镜头距离风力发电机组塔架的水平距离C;
步骤3.将水平距离C、风机轮毂高度H、叶片长度L、设定摄像从一个叶片叶尖至根部依次连续拍摄图像张数N及每两张图像的间隔时间ΔT输入至计算机;
步骤4.测量风机叶片转动的角速度ω,ω=Δθ/Δt,所述Δθ是一个叶片叶尖从视频图像特定位置起转动的角度,所述Δt是叶片叶尖转过角度Δθ所需的时间;
所述视频图像特定位置按照如下步骤确定:
步骤4.1启动摄像机拍摄风力发电机组一个叶片叶尖;
步骤4.2获取视频流模式中一帧叶片位于水平的RGB图像并转为灰度图;
步骤4.3使用合理阈值计算视频图像连通域Y轴重心,即视为叶片叶尖位于视频图像特定位置;
所述合理阈值按照如下步骤获取:
步骤4.3.1使用摄像机拍摄风力发电机组一个叶片叶尖;
步骤4.3.2输入设定阈值;
步骤4.3.3获取视频流模式的一帧RGB图像并转为灰度图;
步骤4.3.4使用阈值计算连通域,判断连通域总面积是否大于100且连通域数量是否小于10,是,输出设定阈值为合理阈值;否,修改设定阈值并返回步骤4.3.2;
步骤4.4当两幅视频图像中叶片叶尖位于视频图像特定位置相同时,Δθ=360°,Δt=ΔT(n-1),所述n为以每两张图像间隔时间为ΔT获取的视频图像数量;
步骤5.计算摄像机以间隔时间为ΔT从叶尖至叶根连续拍照N张图像时,每张图像PM对应的横滚转台电机δM及俯仰转台电机的转动角度βM,所述M为每张图片的序号,M=1,2,3,……N,设图像P1对应的δ1、β1为基准角度;
步骤6.获取从叶尖至叶根连续拍照的N张图片
步骤6.1按照步骤4.1-4.3得到连通域Y轴重心;
步骤6.2判断连通域Y轴重心是否位于画面中心,是,进行步骤6.3;否,返回步骤6.1;
步骤6.3输出图像,即为第1张图像P1,同时控制横滚转台电机及俯仰转台电机分别在ΔT的时间内完成转动δM、βM及静止等待拍摄过程并采集拍照模式中对应时间段的连续N-1张图像,即获取图像P1、P2……PN,存储至存储器中;
步骤7.拼接图像
步骤7.1计算机遍历存储器;
步骤7.2取第一张图像,i←1;
步骤7.3求图像像素平均值;
步骤7.4以像素平均值为阈值做二值化;
步骤7.5求图像每一行的重心,保存行重心数据;
步骤7.6以行重心数据拟合重心线;
步骤7.7旋转图像,使重心线垂直;
步骤7.8裁剪平移使重心线居中;
步骤7.9遍历图像像素,保存每行叶片宽度数据;
步骤7.10判断是否i=1,是,存储图像并读取下一张图像,i←i+1,返回步骤7.3;否,进行步骤7.11;
步骤7.11判断是否i=N,是,输出图像,得到单个叶片的完整图像,进行步骤8;否,遍历叶片宽度数据,与上一张图像所保存的每行叶片宽度数据对比,叶片宽度数据相等处为图像拼接位置;
步骤7.12与上一张图像在图像拼接位置纵向拼接;
步骤7.13存储图像并读取下一张图像,i←i+1,返回步骤7.3;
步骤8.计算机将获得单个叶片的完整图像与叶片损伤数据库比对,判断叶片是否有损伤点,生成并输出叶片损伤状况数据;
步骤9.判断其余叶片是否检测,是,结束;否,返回步骤6;
所述步骤5是按照如下公式计算横滚转台电机转动角度δM及俯仰转台电机的转动角度βM:
式中θM为图像PM相对图像P1叶片所转动的角度;
式(1)中M=2,3……N/2中的整数;
式(2)中M=(N+2)/2……N中的整数;
式(3)中M=2,3,4……N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210671479.6A CN115078381B (zh) | 2022-06-15 | 2022-06-15 | 一种基于二轴云台的风力发电机叶片损伤在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210671479.6A CN115078381B (zh) | 2022-06-15 | 2022-06-15 | 一种基于二轴云台的风力发电机叶片损伤在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115078381A CN115078381A (zh) | 2022-09-20 |
CN115078381B true CN115078381B (zh) | 2024-05-31 |
Family
ID=83251827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210671479.6A Active CN115078381B (zh) | 2022-06-15 | 2022-06-15 | 一种基于二轴云台的风力发电机叶片损伤在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115078381B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740619B (zh) * | 2023-08-10 | 2023-10-17 | 中国海洋大学 | 基于数字图像处理的海上风力机角速度测量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140000612A (ko) * | 2012-06-22 | 2014-01-03 | 전자부품연구원 | 블레이드 검사 기능을 구비한 풍력 발전기 및 블레이드 검사 방법 |
CN112360699A (zh) * | 2020-10-22 | 2021-02-12 | 华能大理风力发电有限公司 | 一种全自动风力发电机组叶片智能巡视及诊断分析方法 |
EP3786450A1 (en) * | 2019-08-28 | 2021-03-03 | Siemens Gamesa Renewable Energy A/S | Method and system for monitoring blades of a wind turbine |
CN113176268A (zh) * | 2021-05-18 | 2021-07-27 | 哈尔滨理工大学 | 一种基于云台拍摄图像的风电叶片表面损伤检测方法 |
CN114627074A (zh) * | 2022-03-14 | 2022-06-14 | 哈尔滨理工大学 | 一种基于深度学习的地面拍摄风机叶片实时监测方法 |
-
2022
- 2022-06-15 CN CN202210671479.6A patent/CN115078381B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140000612A (ko) * | 2012-06-22 | 2014-01-03 | 전자부품연구원 | 블레이드 검사 기능을 구비한 풍력 발전기 및 블레이드 검사 방법 |
EP3786450A1 (en) * | 2019-08-28 | 2021-03-03 | Siemens Gamesa Renewable Energy A/S | Method and system for monitoring blades of a wind turbine |
CN112360699A (zh) * | 2020-10-22 | 2021-02-12 | 华能大理风力发电有限公司 | 一种全自动风力发电机组叶片智能巡视及诊断分析方法 |
CN113176268A (zh) * | 2021-05-18 | 2021-07-27 | 哈尔滨理工大学 | 一种基于云台拍摄图像的风电叶片表面损伤检测方法 |
CN114627074A (zh) * | 2022-03-14 | 2022-06-14 | 哈尔滨理工大学 | 一种基于深度学习的地面拍摄风机叶片实时监测方法 |
Non-Patent Citations (1)
Title |
---|
孙淑媛 等.风力发电机叶片表面损伤监测系统的设计研究.节能.(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115078381A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115078381B (zh) | 一种基于二轴云台的风力发电机叶片损伤在线检测方法 | |
CN105108345B (zh) | 一种激光精密去重系统及方法 | |
US20130176432A1 (en) | Automatic calibration of ptz camera system | |
US20140139823A1 (en) | Device and method for determining the position of two coupled shafts with respect to each other | |
CN111279181B (zh) | 用于对运动的构件进行光学监测的设备和方法 | |
CN105594190A (zh) | 无模糊图像拍摄系统 | |
WO2021185593A1 (en) | Method of imaging a wind turbine rotor blade | |
CN104748860A (zh) | 一种基于红外面阵探测器扫描成像的光机结构 | |
AU2015367226B2 (en) | Imaging system | |
CN114866744A (zh) | 一种风电叶片自动追踪扫描探测系统与方法 | |
CN115096894B (zh) | 一种基于无人机的风力发电机叶片损伤在线检测方法 | |
CN108931195A (zh) | 一种管道裂缝检测装置及方法 | |
CN210036886U (zh) | 一种基于co2激光与热像仪的高炉料面三维检测装置 | |
CN107819993A (zh) | 一种采用光电探测器阵列实现大范围扫描成像的装置及方法 | |
CN104113733A (zh) | 一种低慢小目标电视搜索探测方法 | |
CN109185074A (zh) | 风力发电机组叶片损伤在线检测方法 | |
CN204964030U (zh) | 基于红外面阵探测器扫描成像的光机结构 | |
CN207321438U (zh) | 一种远距离移动目标防伪人脸虹膜抓拍装置 | |
CN206648961U (zh) | 一种远距离非接触式裂缝自动扫描测量系统 | |
CN112689084A (zh) | 一种机载光电侦察成像系统及电子稳像方法 | |
CN111964604A (zh) | 一种基于影像识别的平面变形监测测量方法 | |
KR20230162086A (ko) | 풍력 터빈 로터 블레이드를 이미지화하는 방법 | |
CN118224050A (zh) | 一种新型无人值守式风电机组外部监测机器人系统 | |
CN110442011A (zh) | 一种能连续检测虚拟现实设备动态延时的方法及采用该方法的延时检测系统 | |
CN106546761B (zh) | 旋转设备的照相式转速在线识别方法 |
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 |