CN115890537B - 一种涡轮叶片基于六点定位的姿态调整方法 - Google Patents
一种涡轮叶片基于六点定位的姿态调整方法 Download PDFInfo
- Publication number
- CN115890537B CN115890537B CN202310207672.9A CN202310207672A CN115890537B CN 115890537 B CN115890537 B CN 115890537B CN 202310207672 A CN202310207672 A CN 202310207672A CN 115890537 B CN115890537 B CN 115890537B
- Authority
- CN
- China
- Prior art keywords
- turbine blade
- module
- positioning
- working state
- abnormal
- 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
Images
Classifications
-
- 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
- Turbine Rotor Nozzle Sealing (AREA)
Abstract
本发明的技术方案为一种涡轮叶片基于六点定位的姿态调整方法,所述方法包括以下步骤:(S1)选择待姿态调整的涡轮叶片,通过六点定位方法设置涡轮叶片位置,并在涡轮叶片的底部、上风高压侧和下风高压侧设置六个位置感测模块;所述感测模块包括第一定位模块和第二定位模块;(S2)设置校准模块,调整涡轮叶片在工作状态中的位置,通过感测模块获取涡轮叶片在工作状态中的位置;(S3)根据校准模块计算出的涡轮叶片数据进行校准计算后进行分析,以调整合适的位置;(S4)将异常数据信息传递到计算机进行保存、计算与应用。本发明大大提高了涡轮叶片姿态测量能力和测量精度。
Description
技术领域
本发明涉及测量和测试技术领域,且更具体地涉及一种涡轮叶片基于六点定位的姿态调整方法。
背景技术
涡轮叶片是燃气涡轮发动机中涡轮段的重要组成部件。高速旋转的叶片负责将高温高压的气流吸入燃烧器,以维持发动机的工作。为了能保证在高温高压的极端环境下稳定长时间工作,涡轮叶片往往采用高温合金锻造,并采用不同方式来冷却例如内部气流冷却、边界层冷却、抑或采用保护叶片的热障涂层等方式来保证运转时的可靠性。在蒸汽涡轮发动机和燃气涡轮发动机中,叶片的金属疲劳是发动机故障最主要的原因。强烈的震动或者共振都有可能导致金属疲劳。涡轮叶片工作状态姿态师往往采用摩擦阻尼器来降低这些因素对叶片带来的损害。在姿态调整方面,许多研究人员致力于研究自由曲面上的测量点采样策略,其中专利CN102867332B公开一种复杂边界约束的多级细分网格曲面拟合方法,该方法采用了二维矩形网格在曲面上定义涡轮叶片测量点,然后将网格点投影到曲面上,投影线和模型之间的每个交点将指定一个涡轮叶片测量点,通过生成二维矩形网格,将约束边界在层位曲面细分网格上作投影;层位曲面网格点插值;层位曲面三角网拟合,这种方法虽然适用于空间曲面拟合的解决方案,但是涡轮叶片基于六点定位的应用范围比较小,应用过程复杂。并且,这种方法的缺点是它不适合具有高曲率的复杂形状涡轮叶片。为了克服这一问题,专利CN110057337B公开了自由曲面检查的智能采样方法,在该公开技术方案中,点分两个步骤分布在曲面内:(1)采样取决于每个面片的最大和最小高斯曲率的最关键点;(2)添加更多点取决于曲面上分布的最关键的点的总体分布。但这种智能采样方法在确定零件的设计坐标系时,不能获得高的精度点。
上述方案虽然在某方面进行了测量,但是无法对姿态进行调整,因此,如何对涡轮叶片基于六点定位进行姿态调整是亟待解决的技术问题。
发明内容
针对现有技术的不足,本发明提供了一种涡轮叶片基于六点定位的姿态调整方法,实现测量涡轮叶片的姿态形状,通过机器测量方法六点定位涡轮叶片实际形状,并与标称形状进行比较,实现自适应调整装置加工涡轮叶片姿态与尺寸的高精度性能,大大提高了涡轮叶片姿态测量能力和测量精度。
为实现上述目的,本发明提供如下技术方案:
一种涡轮叶片基于六点定位的姿态调整方法,其特征在于:所述方法包括以下步骤:
(S1)选择待姿态调整的涡轮叶片,通过六点定位方法设置涡轮叶片位置,并在涡轮叶片的底部、上风高压侧和下风高压侧设置六个位置感测模块;所述感测模块包括第一定位模块和第二定位模块;其中所述第一定位模块用于定位姿态调整位置,所述第二定位模块用于评估姿态调整程度;其中第一定位模块为激光定位模块,第二定位模块为行波定位模块;
(S2)设置校准模块,调整涡轮叶片在工作状态中的位置,通过感测模块获取涡轮叶片在工作状态中的位置,通过控制校准模块转动校准六点定位的姿态信息,通过调整激光准直发射器发射角度与目标物体的中心点保持在同一直线,激光准直发射器锁定目标中心点后发射激光,重复发射10次,发射后的激光遇到涡轮叶片目标物体后反射到激光接收端;通过校准模块校准涡轮叶片在工作状态中的姿态位置;
其中校准模块包括涡轮叶片位置获取模块、基于改进LS-SVM模型的计算模块、对比模块和校准输出模块,其中涡轮叶片位置获取模块用于获取涡轮叶片位置工作过程中的数据信息,所述计算模块用于计算涡轮叶片工作状态中姿态信息,所述对比模块用于将实际获取的涡轮叶片位置数据信息与模板匹配库中的涡轮叶片位置数据信息进行对比与计算,所述校准输出模块用于将对比计算后的涡轮叶片位置信息输出,其中所述涡轮叶片位置获取模块的输出端与计算模块的输入端连接,所述计算模块的输出端与对比模块的输入端连接,所述对比模块的输出端与校准输出模块的输入端连接;
(S3)根据校准模块计算出的涡轮叶片数据进行校准计算后进行分析,以调整合适的位置;
(S4)将异常数据信息传递到计算机进行保存、计算与应用。
涡轮叶片位置获取模块为具有无线通信功能的数据信息传输模块。
激光定位模块包括激光发射模块、定位处理模块、数图拟合模块、智能指引系统、异常检测模块、图像处理模块、数据记录仪和计算机显示管理系统;
其中计算机显示管理系统分别与定位处理模块、数图拟合模块、智能指引系统、异常检测模块、图像处理模块和数据记录仪连接,智能指引系统与激光发射模块连接。
作为本发明进一步的技术方案,行波定位模块为基于单端行波测距的定位模块。
作为本发明进一步的技术方案,所述定位模块的定位公式为:
公式(1)中的、/>分别表示在涡轮叶片工作状态姿态异常/>、/>处测得的故障距离,/>表示选择的测量涡轮叶片工作状态姿态异常可疑位置长度,m、n分别表示涡轮叶片工作状态姿态异常处的位置;计算波头的反射时间,涡轮叶片工作状态姿态异常可疑位置处,故障信息反射需要耗费的时间用/>、/>表示,初始波头的时间如果为/>和/>时,计算的公式为:
公式(3)中,l表示为涡轮叶片工作状态姿态异常可疑位置横截面长度,T 1、 T 2 分别表示故障信息反射需要耗费的时间与初始波头的时间的差,故障点与涡轮叶片工作状态姿态异常参考点一端相距,另一个参考点为/>;/>、/>表示距离故障/>、/>处的行波初始波头时间;/>、/>表示通过涡轮叶片工作状态姿态异常可疑位置后,反射到参考点/>、/>处的行波初始波头时间。
作为本发明进一步的技术方案,改进LS-SVM模型的计算模块的工作方法为:
假设涡轮叶片工作状态姿态异常故障信息集合,其中/> ,N表示涡轮叶片工作状态姿态异常故障信息样本数,/>和/>分别是指涡轮叶片工作状态姿态异常故障信息的输入向量与输出向量,通过非线性映射函数将输入数据映射到高维特征空间/>,建立回归模型公式为:
公式(4)中,表示回归模型,用于将输入数据映射到高维特征空间;w表示涡轮叶片工作状态姿态异常故障信息权重向量,b表示涡轮叶片工作状态姿态异常故障信息偏差参数,/>表示高维特征空间;根据结构风险最小化原则,涡轮叶片工作状态姿态异常故障信息回归模型可以转化为约束二次优化模型:
公式(5)中,γ是正则化参数,E是松弛系数。
作为本发明进一步的技术方案,改进LS-SVM模型包括拉格朗日乘子,通过拉格朗日乘子来获得涡轮叶片工作状态姿态异常故障信息处理目标函数:
公式(6)中,L表示拉格朗日乘子,用来获得涡轮叶片工作状态姿态异常故障信息处理目标函数,根据最优系统理论中的Karush–Kuhn–Tucker条件,得到线性方程,线性方程为:
作为本发明进一步的技术方案,对比模块通过阈值判断的区域指导算法编程方式判定涡轮叶片的特征参数,判定条件如公式(9)所示:
式(9)中,W表示阈值判断的区域指导算法判定条件函数,f表示一次处理涡轮叶片热像图判定条件系数,θ表示阈值判断的区域指导算法识别标准一次处理涡轮叶片热像图形式。
作为本发明进一步的技术方案,校准输出模块设置有兼容式数据接口,所述兼容式数据接口兼容wifi接口、蓝牙接口或者区块链接口。
本发明有益的积极效果在于:
区别于常规技术,本发明快速有效地解决混合加工过程中姿态精度差和尺寸一致性差的问题,姿态面参数作为计算机系统的输入数据,通过选择待姿态调整的涡轮叶片,通过六点定位方法设置涡轮叶片位置,并在涡轮叶片的底部、上风高压侧和下风高压侧设置六个位置感测模块;所述感测模块包括第一定位模块和第二定位模块;其中所述第一定位模块用于定位姿态调整位置,所述第二定位模块用于评估姿态调整程度;其中第一定位模块为激光定位模块,第二定位模块为行波定位模块;大大提高了涡轮叶片位置姿态信息获取、分析与应用,大大提高了涡轮叶片自动化检测能力,提高了加工涡轮叶片姿态与尺寸的精度。
附图说明
图1为本发明一种涡轮叶片基于六点定位的姿态调整方法的流程示意图;
图2为本发明一种涡轮叶片基于六点定位的姿态调整方法中感测模块一种实施例示意图;
图3为本发明一种涡轮叶片基于六点定位的姿态调整方法的中涡轮叶片六点定位一种实施例的第一示意图;
图4为本发明一种涡轮叶片基于六点定位的姿态调整方法中种涡轮叶片六点定位另一种实施例的第二示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明;
如图1-图4所示,一种涡轮叶片基于六点定位的姿态调整方法,步骤包括:
(S1)选择待姿态调整的涡轮叶片,通过六点定位方法设置涡轮叶片位置,并在涡轮叶片的底部、上风高压侧和下风高压侧设置六个位置感测模块;所述感测模块包括第一定位模块和第二定位模块;其中所述第一定位模块用于定位姿态调整位置,所述第二定位模块用于评估姿态调整程度;其中第一定位模块为激光定位模块,第二定位模块为行波定位模块;
在具体实施例中,在姿态调整时,控制伸缩支架伸展到一定长度,激光定位模块固定在伸缩支架,感测模块在一种实施例中为CMOS摄像头,在其他实施例中可以为位置传感器、位置检测电路等。通过智能指引系统控制CMOS摄像头自上向下、在左向右探测周围环境,图像处理模块将采集到的环境信息映射变换成单色三维图像,并在计算机显示管理系统显示;
在其他具体实施例中,风力涡轮机叶片通常由形成高压侧和低压侧的粘合复合壳体制造。后缘与前缘一样粘合,在某些情况下,在由构成夹层板的内部和外部玻璃纤维蒙皮形成的两个凸缘之间粘合,可由玻璃纤维或碳纤维层压材料或其他类似复合材料制成的翼梁腹板3.0结合到夹层板的边缘,翼梁腹板可以是实心玻璃纤维层压板或具有玻璃纤维或碳纤面板的夹层结构,以及由泡沫、轻木或其他具有高压缩强度的合适材料制成的芯材。翼梁腹板3.0用粘合剂粘结到翼梁帽以形成工字梁。有时,存在形成箱形梁的第二或甚至第三翼梁腹板。
(S2)设置校准模块,调整涡轮叶片在工作状态中的位置,通过感测模块获取涡轮叶片在工作状态中的位置,通过控制校准模块转动校准六点定位的姿态信息,通过调整激光准直发射器发射角度与目标物体的中心点保持在同一直线,激光准直发射器锁定目标中心点后发射激光,重复发射10次,发射后的激光遇到涡轮叶片目标物体后反射到激光接收端;通过校准模块校准涡轮叶片在工作状态中的姿态位置;
在具体实施例中,通过校准模块对校准涡轮叶片热像图存在于翼梁帽与翼梁腹板3.0粘合剂粘结处的诸如粘合剂剥离或未粘结的缺陷可导致叶片在使用中的灾难性故障信息,实心翼梁帽层压体中的纤维波也可导致开裂并最终导致叶片失效。此外,后缘在高压侧和低压侧壳体粘合剂结合部中的裂口或裂缝可能是操作期间叶片过度弯曲的迹象。后缘粘合剂结合在朝向叶根端的最大叶片弦宽度区域中支撑叶片扭转载荷。除非及时检测到并且涡轮机停机并及时修复,否则这些位置处的粘合剂结合中的裂纹和断裂也可能导致叶片故障。当其中一个加强元件(如玻璃或碳纤维)断裂时,会发出明显的声音,就像棍子断裂一样。声音传播穿过风力涡轮机叶片的结构,并穿过由叶片外皮的内表面限定的封闭空间。此外,由于向心加速度,封闭空间内形成压力梯度。封闭空间的靠近风力涡轮机轮毂的部分与封闭空间的最外部之间的压差可以在2psi的量级上。
其中校准模块包括涡轮叶片位置获取模块、基于改进LS-SVM模型的计算模块、对比模块和校准输出模块,其中涡轮叶片位置获取模块用于获取涡轮叶片位置工作过程中的数据信息,所述计算模块用于计算涡轮叶片工作状态中姿态信息,所述对比模块用于将实际获取的涡轮叶片位置数据信息与模板匹配库中的涡轮叶片位置数据信息进行对比与计算,所述校准输出模块用于将对比计算后的涡轮叶片位置信息输出,其中所述涡轮叶片位置获取模块的输出端与计算模块的输入端连接,所述计算模块的输出端与对比模块的输入端连接,所述对比模块的输出端与校准输出模块的输入端连接;
(S3)根据校准模块计算出的涡轮叶片数据进行校准计算后进行分析,以调整合适的位置;
(S4)将异常数据信息传递到计算机进行保存、计算与应用。
在具体实施例中,涡轮叶片位置获取模块为具有无线通信功能的数据信息传输模块。
在具体应用中,其中所述数据信息传输模块可以为无线蓝牙或则wifi通信,能够提高数据信息通信能力,不用接入数据线便可实现一定范围的数据信息通信。
激光定位模块包括激光发射模块、定位处理模块、数图拟合模块、智能指引系统、异常检测模块、图像处理模块、数据记录仪和计算机显示管理系统;其中所述激光发射模块包括ARM处理芯片、激光源、校准模块、激光接收端和激光准直发射器;所述定位处模块包括GPS定位模块、数据处理单元和发送单元;所述数图拟合模块包括中继单元、数据模拟单元和叠加单元;所述异常检测模块包括异常分析模型和异常发送单元;所述图像处理模块包括CMOS摄像头、优化单元、图像单色过滤单元和图像三维处理单元;所述智能指引系统用于控制激光发射模块自动寻找并激光定位目标点;所述数据记录仪用于记录激光定位系统中所有运行数据和指令;所述计算机显示管理系统用于操作人员控制激光定位系统工作状态并显示数图叠加信息;其中计算机显示管理系统分别与定位处理模块、数图拟合模块、智能指引系统、异常检测模块、图像处理模块和数据记录仪连接,智能指引系统与激光发射模块连接。
在具体实施例中,行波定位模块为基于单端行波测距的定位模块。
在具体实施例中,所述双端行波测距是在线路两端都安装行波测距设备,通过检测第一个行波到达两端的时间差来计算故障点位置;本发明中选用单端行波测距的方法,应用单端固有频率法计算涡轮叶片工作状态姿态异常故障点,定位公式如下:
公式(1)中的、/>分别表示在涡轮叶片工作状态姿态异常/>、/>处测得的故障距离,/>表示选择的测量涡轮叶片工作状态姿态异常可疑位置长度,/> 、/>分别表示涡轮叶片工作状态姿态异常处的位置;计算波头的反射时间,涡轮叶片工作状态姿态异常可疑位置处,故障信息反射需要耗费的时间用/>、/>表示,初始波头的时间如果为/>和/>时,计算的公式为:
公式(3)中,l表示为涡轮叶片工作状态姿态异常可疑位置横截面长度,T 1、 T 2 分别表示故障信息反射需要耗费的时间与初始波头的时间的差,故障点与涡轮叶片工作状态姿态异常参考点一端相距,另一个参考点为/>;/>、/>表示距离故障/>、/>处的行波初始波头时间;/>、/>表示通过涡轮叶片工作状态姿态异常可疑位置后,反射到参考点/>、/>处的行波初始波头时间。
通过这种等式换算关系计算出并定位涡轮叶片工作状态姿态异常发生可疑信息的位置点。行波(travelling wave)是指平面波在传输线上的一种传输状态,其幅度沿传播方向按指数规律变化,相位沿传输线按线性规律变化。从相邻时刻 t1 和 t1+△t 进行考察,可以发现波形随时间的增长而向传输线的终端移动。通过这种方法能够将涡轮叶片工作状态姿态不同的位置定位,以提取不同状态的数据信息。
在上述实施例中,改进LS-SVM模型的计算模块的工作方法为:
假设涡轮叶片工作状态姿态异常故障信息集合,其中/> ,N表示涡轮叶片工作状态姿态异常故障信息样本数,/>和/>分别是指涡轮叶片工作状态姿态异常故障信息的输入向量与输出向量,通过非线性映射函数将输入数据映射到高维特征空间/>,建立回归模型公式为:
公式(4)中,表示回归模型,用于将输入数据映射到高维特征空间;w表示涡轮叶片工作状态姿态异常故障信息权重向量,b表示涡轮叶片工作状态姿态异常故障信息偏差参数,/>表示高维特征空间;根据结构风险最小化原则,涡轮叶片工作状态姿态异常故障信息回归模型可以转化为约束二次优化模型:
公式(5)中,γ是正则化参数,E是松弛系数。
将涡轮叶片工作状态姿态转换为数学模型能够大大提高分析能力。SVM概述支持向量机(Support Vector Machine),最小二乘支持向量机(LS-SVM),支持向量机(SVM)是数据分类和回归的一套分析算法的总称。SVM 算法基于将源数据变换到更高维度的空间中,其中的每个输入向量,形成了含有时间延迟的种子点序列。 然后,这些向量会作为关键样本,以特殊方式进行组合,从而能够以指定的精度计算定义数据分布的回归超平面。 这些计算代表称之为“内核”的全部样本的总和,即输入的统合函数。这些函数可以是线性的、或非线性的(常态为钟形),且指导参数会影响回归精度。 通过这种方法能够提高风力涡轮机叶片的姿态测量与计算能力。
在具体实施例中,无论叶片节距或与地面的视角如何,叶片根部端直径可用于校准风力涡轮机叶片的图像比例,然后允许在相同的接近距离测量其他特征。由于塔架接头焊缝处的钢厚度增加,这些接头保留了来自太阳的热量,并在夜间大部分时间通过红外摄像机保持可见,此时风力涡轮机叶片的热检查是最好的,因为有热排放的缺陷被冲洗掉。调整之后的一次处理涡轮叶片热像图能够被阈值判断的区域指导算法程序识别,通过阈值判断的区域指导算法编程方式判定涡轮叶片的特征参数。
为了解决上述优化模型,引入拉格朗日乘子来获得涡轮叶片工作状态姿态异常故障信息处理目标函数:
公式(6)中,L表示拉格朗日乘子,用来获得涡轮叶片工作状态姿态异常故障信息处理目标函数,根据最优系统理论中的Karush–Kuhn–Tucker条件,得到线性方程,线性方程为:
公式(8)中,f(x)表示涡轮叶片工作状态姿态异常故障信息回归函数,K表示满足Mercer定理条件的核函数;
采用最小最大法改进LS-SVM模型,对所有涡轮叶片工作状态姿态异常故障信息样本进行归一化处理,其归一化处理式为:
公式(9)中,表示涡轮叶片工作状态姿态异常故障信息样本的标准化值,/>表示第i个变量的第j个涡轮叶片工作状态姿态异常故障信息样本值,/>表示第i个变量的最大值,/>表示第i个变量的最小值,用于对数据进行归一化处理,使得预处理的数据被限定在一定的范围内,从而消除奇异样本数据导致的不良影响。
基本的拉格朗日乘子法(又称为拉格朗日乘数法),就是求函数在/>的约束条件下的极值的方法。其主要思想是引入一个新的参数 λ(即拉格朗日乘子),将约束条件函数与原函数联系到一起,使能配成与变量数量相等的等式方程,从而求出得到原函数极值的各个变量的解。通过这种方法提高涡轮叶片工作状态姿态异常故障信息样本计算能力。
对比模块通过阈值判断的区域指导算法编程方式判定涡轮叶片的特征参数,判定条件如公式(10)所示:
式(10)中,W表示阈值判断的区域指导算法判定条件函数,f表示一次处理涡轮叶片热像图判定条件系数,θ表示阈值判断的区域指导算法识别标准一次处理涡轮叶片热像图形式。通过将测量出的计算数据以及影响涡轮叶片环境的数据信息,以提高数据信息计算能力。
校准输出模块设置有兼容式数据接口,所述兼容式数据接口兼容wifi接口、蓝牙接口或者区块链接口。
通过上述方法,计算机处理中心接收一次处理涡轮叶片热像图,采用阈值判断的区域指导算法建立特征判定条件函数对一次处理涡轮叶片热像图进行特征判定,得到涡轮叶片的特征参数。
在具体实施例中,图像的特征提取技术是图像分析处理的第一步,图像的边缘是图像最基本的特征之一。所谓的边缘,简单地指的是图像中那些像素的集合,其中周围像素的灰色具有突然变化,并且边缘是图像中局部特征的最明显变化。标记一个区域的结束和另一个区域的开头。边缘在目标和背景之间,目标和目标之间以及区域和区域之间广泛存在,因此它是实现图像分割的重要方法图像的边缘检测也叫边缘特征提取,其目的就是标识数字图像中灰度变化明显的点,此像素集合即构成了图像的边缘。图像边缘检测的主要目的是保留图像的重要结构特性,去除与边缘无关的信息,这也大大减少了数据量。
在其他具体实施例中,采用六个热成像摄像机,进行六点定位,其方法包括:首先在涡轮叶片的底部前侧与后侧三十米处放置第一热成像摄像机与第二热成像摄像机;假设穿过第一热成像摄像机与第二热成像摄像机的线作为垂直线,则垂直线向西平移六十米出为涡轮叶片的下风高压侧,平移得到下风高压侧上的两台热成像摄像机为第三热成像摄像机与第四热成像摄像机;垂直线向东平移六十米出为涡轮叶片的上风高压侧,平移得到上风高压侧上的两台热成像摄像机为第五热成像摄像机与第六热成像摄像机;六台热成像摄像机定位在涡轮叶片的周边六点,同时对涡轮叶片进行室外采集。
在具体实施例中,第一热成像摄像机与第一热成像摄像机位于叶片下方的位置处,以接收来自低压侧前缘和前部的热辐射。该位置减少了在帧采集期间由于图像中的叶片旋转引起的角度变化。来自热成像摄像机采集得到的涡轮叶片热像图由计算机处理中心记录,或作为视频文件记录在热成像摄像机中的存储设备中,并使用峰值存储或其他图像处理技术进行处理和呈现,并呈现在显示器上,以获得良好的图像质量以及尺寸和位置的定量测量,比较目标范围内已知尺寸的特征。
在具体实施例中,所述第一热成像摄像机与第二热成像摄像机定位接收来自涡轮叶片的低水平热辐射;所述低水平热辐射是由于涡轮自叶片旋转运动的重力作用在涡轮叶片材料上的应力的热弹性,由于涡轮叶片内部摩擦和缺陷周围的塑性,来自机械应力缺陷显示在热成像摄像机产生的图像中。
在具体实施例中,所述第三热成像摄像机与第四热成像摄像机定位接收来自涡轮叶片的下风低压侧表面良好视图,在三到四个视频帧中具有相对低的角度变化率,具有快速移动角度变化和叶片扭曲的热成像。
在具体实施例中,涡轮叶片指向不同于水平方向的角度的图像,由于红外摄像机到叶片上点的距离变化,图像比例失真更大。如果叶片朝下,则感测模块到叶片尖端的距离大约等于塔架高度的一半。叶尖处的图像尺度将是叶根处图像尺度值的两倍,缺陷测量值将是实际尺寸的两倍,可以逐帧回放数字热图像或照片序列,以允许分析员能够选择具有最佳图像质量的帧来定义异常的边界。可以对沿着穿过缺陷指示的线测量每个像素值的图像测量工具进行编程,以测量信噪比,该信噪比可以定义为邻近缺陷平方的区域的像素值除以缺陷指示平方的像素值。在图像处理领域的技术人员已知的许多工具中,这种工具可以用于定量地选择具有最佳图像质量的图像。现场操作员可以在位置段中对风力涡轮机叶片进行成像,以便在所有三个叶片通过感测模块视场时至少一次捕获它们的多个图像序列。这之后可以是感测模块在其支架上的旋转,以捕获下一个叶片段,以便在所有三个叶片通过感测模块场时至少一次拍摄它们的多个图像序列,等等,直到捕获整个叶片的图像。换言之,随着叶片旋转,从内向外递增扫描沿叶片纵轴按长度分割的片段。分析人员审查整个叶片长度上的逐帧序列时,可以使用具有距离校正因子的图像比例来获得准确的测量值。
在上述实施例中,采用最小最大法改进LS-SVM模型过程中,本发明采用引力搜索(Gravitational Search Algorithm,GSA) 算法用于优化LS-SVM模型内部参数,包括:
步骤三:根据得到第i个agent的位置和速度的关系式更新agent的位置;得到优化后的LS-SVM参数值;
步骤四:当达到最大迭代次数或适应值满足目标值时,停止优化过程,获得LS-SVM的最佳参数。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变;例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围;因此,本发明的范围仅由所附权利要求书限定。
Claims (3)
1.一种涡轮叶片基于六点定位的姿态调整方法,其特征在于:所述方法包括以下步骤:
(S1)选择待姿态调整的涡轮叶片,通过六点定位方法设置涡轮叶片位置,并在涡轮叶片的底部、上风高压侧和下风高压侧设置六个位置感测模块;所述感测模块包括第一定位模块和第二定位模块;其中所述第一定位模块用于定位姿态调整位置,所述第二定位模块用于评估姿态调整程度;其中第一定位模块为激光定位模块,第二定位模块为行波定位模块;
(S2)设置校准模块,调整涡轮叶片在工作状态中的位置,通过感测模块获取涡轮叶片在工作状态中的位置,通过控制校准模块转动校准六点定位的姿态信息,通过调整激光准直发射器发射角度与目标物体的中心点保持在同一直线,激光准直发射器锁定目标中心点后发射激光,重复发射10次,发射后的激光遇到涡轮叶片目标物体后反射到激光接收端;通过校准模块校准涡轮叶片在工作状态中的姿态位置;
其中校准模块包括涡轮叶片位置获取模块、基于改进LS-SVM模型的计算模块、对比模块和校准输出模块,其中涡轮叶片位置获取模块用于获取涡轮叶片位置工作过程中的数据信息,所述计算模块用于计算涡轮叶片工作状态中姿态信息,所述对比模块用于将实际获取的涡轮叶片位置数据信息与模板匹配库中的涡轮叶片位置数据信息进行对比与计算,所述校准输出模块用于将对比计算后的涡轮叶片位置信息输出,其中所述涡轮叶片位置获取模块的输出端与计算模块的输入端连接,所述计算模块的输出端与对比模块的输入端连接,所述对比模块的输出端与校准输出模块的输入端连接;
(S3)根据校准模块计算出的涡轮叶片数据进行校准计算后进行分析,以调整合适的位置;
(S4)将异常数据信息传递到计算机进行保存、计算与应用;
涡轮叶片位置获取模块为具有无线通信功能的数据信息传输模块;
激光定位模块包括激光发射模块、定位处理模块、数图拟合模块、智能指引系统、异常检测模块、图像处理模块、数据记录仪和计算机显示管理系统;
其中计算机显示管理系统分别与定位处理模块、数图拟合模块、智能指引系统、异常检测模块、图像处理模块和数据记录仪连接,智能指引系统与激光发射模块连接;
行波定位模块为基于单端行波测距的定位模块;
所述定位模块的定位公式为:
公式(1)中的、/>分别表示在涡轮叶片工作状态姿态异常/>、/>处测得的故障距离,表示选择的测量涡轮叶片工作状态姿态异常可疑位置长度,m、n分别表示涡轮叶片工作状态姿态异常处的位置;计算波头的反射时间,涡轮叶片工作状态姿态异常可疑位置处,故障信息反射需要耗费的时间用/>、/>表示,初始波头的时间如果为/>和/>时,计算的公式为:
公式(3)中,l表示为涡轮叶片工作状态姿态异常可疑位置横截面长度,T 1、 T 2 分别表示故障信息反射需要耗费的时间与初始波头的时间的差,故障点与涡轮叶片工作状态姿态异常参考点一端相距,另一个参考点为/>;/>、/>表示距离故障/>、/>处的行波初始波头时间;/>、/>表示通过涡轮叶片工作状态姿态异常可疑位置后,反射到参考点/>、/>处的行波初始波头时间;
改进LS-SVM模型的计算模块的工作方法为:
假设涡轮叶片工作状态姿态异常故障信息集合,其中,N表示涡轮叶片工作状态姿态异常故障信息样本数,/>和/>分别是指涡轮叶片工作状态姿态异常故障信息的输入向量与输出向量,通过非线性映射函数将输入数据映射到高维特征空间/>,建立回归模型公式为:
公式(4)中,表示回归模型,用于将输入数据映射到高维特征空间;w表示涡轮叶片工作状态姿态异常故障信息权重向量,e表示涡轮叶片工作状态姿态异常故障信息权重向量偏差,b表示涡轮叶片工作状态姿态异常故障信息偏差参数,/>表示高维特征空间;根据结构风险最小化原则,涡轮叶片工作状态姿态异常故障信息回归模型可以转化为约束二次优化模型:
公式(5)中,γ是正则化参数,E是松弛系数;
改进LS-SVM模型包括拉格朗日乘子,通过拉格朗日乘子来获得涡轮叶片工作状态姿态异常故障信息处理目标函数:
公式(6)中,L表示拉格朗日乘子,e表示涡轮叶片工作状态姿态异常故障信息权重向量偏差,表示高维特征空间;用来获得涡轮叶片工作状态姿态异常故障信息处理目标函数,根据最优系统理论中的Karush–Kuhn–Tucker条件,得到线性方程,线性方程为:
3.根据权利要求1所述的一种涡轮叶片基于六点定位的姿态调整方法,其特征在于:校准输出模块设置有兼容式数据接口,所述兼容式数据接口兼容wifi接口、蓝牙接口或者区块链接口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310207672.9A CN115890537B (zh) | 2023-03-07 | 2023-03-07 | 一种涡轮叶片基于六点定位的姿态调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310207672.9A CN115890537B (zh) | 2023-03-07 | 2023-03-07 | 一种涡轮叶片基于六点定位的姿态调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115890537A CN115890537A (zh) | 2023-04-04 |
CN115890537B true CN115890537B (zh) | 2023-06-23 |
Family
ID=86483557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310207672.9A Active CN115890537B (zh) | 2023-03-07 | 2023-03-07 | 一种涡轮叶片基于六点定位的姿态调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115890537B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100453969C (zh) * | 2004-12-31 | 2009-01-21 | 上海萨克斯动力总成部件系统有限公司 | 用于测量复杂曲面的三坐标机测量方法及其装置 |
US20120296593A1 (en) * | 2011-05-20 | 2012-11-22 | Tyco Thermal Controls Llc | System and method for determining position of rotating blades having variable thickness |
CN102324034B (zh) * | 2011-05-25 | 2012-08-15 | 北京理工大学 | 基于最小二乘支持向量机在线预测的传感器故障诊断方法 |
CN104140927A (zh) * | 2014-07-31 | 2014-11-12 | 苏州大学 | 一种细胞位姿调节芯片、装置和方法 |
CN110202318B (zh) * | 2019-06-18 | 2021-11-05 | 华东理工大学 | 一种基于双侧超声滚压加工的航空叶片定位与姿态调节方法 |
CN112329175B (zh) * | 2020-11-13 | 2022-11-22 | 中国航发沈阳发动机研究所 | 一种涡轮叶片型面建立方法 |
CN115507803A (zh) * | 2022-10-20 | 2022-12-23 | 中国航发北京航空材料研究院 | 一种涡轮叶片加工和检测的方法、装置及设备 |
CN115372412B (zh) * | 2022-10-24 | 2023-01-10 | 北京汉飞航空科技有限公司 | 一种涡轮叶片基于六点定位的特征测量方法 |
CN115682989A (zh) * | 2023-01-05 | 2023-02-03 | 北京汉飞航空科技有限公司 | 一种涡轮叶片基于六点定位的形面测量方法 |
-
2023
- 2023-03-07 CN CN202310207672.9A patent/CN115890537B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115890537A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9996747B2 (en) | System and method for ground based inspection of wind turbine blades | |
JP6001540B2 (ja) | 風力タービン翼の無破壊試験の方法及びデバイス | |
CN109632103B (zh) | 高空建筑物温度分布与表面裂缝远程监测系统及监测方法 | |
US6909800B2 (en) | Process and apparatus for locating coated cooling holes on turbine vanes | |
US10776660B2 (en) | Method and apparatus for contrast enhanced photography of wind turbine blades | |
CN115372412B (zh) | 一种涡轮叶片基于六点定位的特征测量方法 | |
Norman et al. | Full-scale wind tunnel test of the UH-60A airloads rotor | |
US20220099067A1 (en) | Method of Inspection of Wind Turbine Blades | |
CN102434403A (zh) | 用于风力涡轮机检查的系统及方法 | |
WO2014145537A1 (en) | System and method for ground based inspection of wind turbine blades | |
CN112697388B (zh) | 一种基于纹影图像的高超声速风洞模型姿态角测量方法 | |
WO2021185593A1 (en) | Method of imaging a wind turbine rotor blade | |
CN114912301B (zh) | 一种低速风洞全机模型测力试验数据处理与修正系统 | |
Abrego et al. | Blade displacement measurement technique applied to a full-scale rotor test | |
CN115890537B (zh) | 一种涡轮叶片基于六点定位的姿态调整方法 | |
Norman et al. | Fundamental Test of a Hovering Rotor: Comprehensive Measurements for CFD Validation | |
CN106323587B (zh) | 机翼风洞试验模型弹性变形的单目视频高精度测量方法 | |
Abrego et al. | Summary of full-scale blade displacement measurements of the UH-60A airloads rotor | |
Barrows et al. | Blade displacement measurements of the full-scale UH-60A airloads rotor | |
Leidy et al. | Measurements and computations of natural transition on the NASA juncture-flow model with a symmetric wing | |
GB2590731A (en) | Improvements in and relating to detection and mapping of cracks | |
EP4067648A1 (en) | Method of imaging a wind turbine rotor blade | |
CN109883345B (zh) | 抛物面天线真空低温变形测量的空间网形强度确定方法 | |
CN111692997B (zh) | 一种数据驱动的矢量尾喷口面积在位测量方法 | |
CN114596341A (zh) | 面向大视场运动目标的多相机高精度三维位姿跟踪方法 |
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 |