CN210090326U

CN210090326U - 一种风电机组叶片表面缺陷检测系统

Info

Publication number: CN210090326U
Application number: CN201920303692.5U
Authority: CN
Inventors: 张士龙; 张宁宁; 李忆
Original assignee: Huadian Electric Power Research Institute Co Ltd
Current assignee: Huadian Electric Power Research Institute Co Ltd
Priority date: 2019-03-11
Filing date: 2019-03-11
Publication date: 2020-02-18
Anticipated expiration: 2029-03-11

Abstract

本实用新型涉及一种风电机组叶片表面缺陷检测系统，属于风电故障检测领域。本实用新型包括用于识别缺陷的成像阵列装置，用于定位叶片是否充满整个视野范围、并辅助调整成像阵列装置拍摄角度的定位阵列装置，图像处理服务器，阵列操控装置，通信线缆和交流电源；所述成像阵列装置与定位阵列装置连接，所述图像处理服务器与阵列操控装置连接，所述定位阵列装置与阵列操控装置均通过通信线缆与交流电源连接。

Description

一种风电机组叶片表面缺陷检测系统

技术领域

本实用新型涉及一种风电机组叶片表面缺陷检测系统，属于风电故障检测领域。

背景技术

近年来，全球可再生能源利用年增长率达到25%．可再生能源的利用将以电力行业为主导，非水力可再生能可再生能源可再生能源源的发电比例将扩大两倍。据统计，2030年可再生能源的消费将超过22亿t油当量。风能发电作为除水力发电外技术最成熟的一种可再生能源发电，其装机容量占整个可再生能源发电装机总容员的绝大部分。但是电力电子器件性能的限制，给大容量风电机组的研制及应用造成了一定的瓶颈。

随着大功串的电力电子器件和能源存储设备的进一步发展，风力发电在总投资或发电费用上可与常规能源相竞争，风力发电技术也会得到更大的发展。

有鉴于此，在申请号为201810052136.5的专利文献中公开了一种风力发电机组叶片表面缺陷智能检测系统，包括摄像系统、可编程软件检测系统和通讯系统，摄像系统包括支架和摄像装置，调节装置包括俯仰角调节器和水平调节器，可编程软件检测系统包括依次连接的图像采集模块、图像分析及筛选模块、图像分类模块、图像滤波模块、图像处理模块、缺陷识别模块、计算缺陷位置及几何特征信息模块、缺陷分析建议模块和输出缺陷检测报告模块。

目前还没有针对风电机组叶片表面缺陷检测系统及方法开展相关研究。

实用新型内容

本实用新型的目的在于克服现有技术中存在的上述不足，而提供一种结构设计合理的风电机组叶片表面缺陷检测系统。

本实用新型解决上述问题所采用的技术方案是：该风电机组叶片表面缺陷检测系统，其结构特点在于：包括用于识别缺陷的成像阵列装置，用于定位叶片是否充满整个视野范围、并辅助调整成像阵列装置拍摄角度的定位阵列装置，图像处理服务器，阵列操控装置，通信线缆和交流电源；所述成像阵列装置与定位阵列装置连接，所述图像处理服务器与阵列操控装置连接，所述定位阵列装置与阵列操控装置均通过通信线缆与交流电源连接。

进一步地，所述通信线缆的长度为100米。

进一步地，本实用新型的另一个技术目的在于提供一种风电机组叶片表面缺陷检测系统的检测方法。

本实用新型的上述技术目的是通过以下技术方案得以实现的。

一种风电机组叶片表面缺陷检测系统的检测方法，其特点在于：所述检测方法步骤如下：

步骤1：放置风电机组叶片表面缺陷检测系统在风机下方；

步骤2：调整云台，使得叶片在阵列的范围之内；

步骤3：控制风机的转速；

步骤4：控制风机叶片旋转，对风机叶片编号；

步骤5：在阵列操控装置输入叶片编号，等待叶片与地面水平，开始检测；

步骤6：拍摄其余两只叶片；

步骤7：旋转发电机机舱180°，确认检测条件；

步骤8：重复上述步骤，拍摄叶片另一面；

步骤9：AI自动辨识定位，导出检测数据；

步骤10：形成报告；

结束。

进一步地，检测方法采取AI软件，基于人工智能深度学习的针对机器视觉开发的软件，无需编程，能够进行自学习的方式来训练。

相比现有技术，本实用新型具有以下优点：

1、结构简单、系统紧凑，实用性强，适合风电行业使用，具备可操作性，实践证明是一种很好的方法。

2、具备科学性，选取了能准确反映风电机组叶片实际情况的指标，具有全面性、概括性、综合性和精确性的等特点。

3、具有灵敏度高、计算速度快、结果直观形象等优点。

4、可操作性强，在考虑科学性的基础上，指标有理有据，原始数据方便获取，具备可操作性。

5、可比性强。

6、向导性强，量化统计，可以为科学研究提供数据。

7、具有广泛适用性。

附图说明

图1是本实用新型实施例的风电机组叶片表面缺陷检测系统的原理结构示意图。

图2是本实用新型实施例的风电机组叶片表面缺陷检测系统的流程结构示意图。

图中：成像阵列装置1、定位阵列装置2、图像处理服务器3、阵列操控装置4、通信线缆5、交流电源6。

具体实施方式

下面结合附图并通过实施例对本实用新型作进一步的详细说明，以下实施例是对本实用新型的解释而本实用新型并不局限于以下实施例。

实施例。

参见图1至图2所示，须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本实用新型可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本实用新型所能产生的功效及所能达成的目的下，均应仍落在本实用新型所揭示的技术内容能涵盖的范围内。同时，本说明书中若用引用如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本实用新型可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本实用新型可实施的范畴。

风力发电机组包括风轮、发电机；风轮中含叶片、轮毂、加固件等组成；它有叶片受风力旋转发电、发电机机头转动等功能。风力发电电源由风力发电机组、支撑发电机组的塔架、蓄电池充电控制器、逆变器、卸荷器、并网控制器、蓄电池组等组成。

风力发电机组进行发电时，都要保证输出电频率恒定。这无论对于风机并网发电还是风光互补发电都非常必要。要保证风电的频率恒定，一种方式就是保证发电机的恒定转速，即恒速恒频的运行方式，因为发电机由风力机经过传动装置进行驱动运转，所以这种方式无疑要恒定风力机的转速，这种方式会影响到风能的转换效率；另一种方式就是发电机转速随风速变化，通过其它的手段保证输出电能的频率恒定，即变速恒频运行。

叶片是风电部件中确定性较高、市场容量较大、盈利模式清晰的行业。叶片产生缺陷的原因多种多样：

1、设计不完善

1.1面对降低成本的压力

为了追求更高的利润，管理层要求设计出低廉的部件，以便使企业有更大的空间。设计部门有时不得不做出妥协，比如，减小叶片的叶根直径的方式来减少轮毂和叶片的成本，但是叶根尺寸减小后会导致叶片强度不够，再如，选择质量不佳但价格便宜的原材料，这往往导致叶片出现致命的缺陷。

1.2擅自更改生产工艺。

1.3极限设计

叶片的设计需要考虑到机组其他部件的要求与配合，例如，塔架与叶片的间距通常是设计叶片强度时需要考虑的一个原因，主轴和轴承也对叶片的重量提出要求，如果这些参数考虑不周就会使叶片设计达到极限值。

1.4安全质量降低

2、生产缺陷

2.1使用不合理的材料

2.2不严格的质量控制

2.3生产工工艺过程过于复杂，很难生产质量一致的产品。

3、自然原因

雷击叶片。主要包括：雷击、空气中的颗粒、高速风、剪切风、恶劣气候、疲劳寿命。

4、运行和维护不当

4.1超额定功率运行

4.2失控

当机器変桨系统出现故障，机器上的刹车不会使叶轮停止转动，叶片出现失控，会继续快速旋转，严重会导致叶片抛出，造成风机灾难性事故。

4.3缺少预防性维护

本实施例中的风电机组叶片表面缺陷检测系统，包括用于识别缺陷的成像阵列装置1，用于定位叶片是否充满整个视野范围、并辅助调整成像阵列装置1拍摄角度的定位阵列装置2，图像处理服务器3，阵列操控装置4，通信线缆5和220V交流电源6；所述成像阵列装置1与定位阵列装置2连接，所述图像处理服务器3与阵列操控装置4连接，所述定位阵列装置2与阵列操控装置4均通过通信线缆5与交流电源6连接；所述通信线缆5的长度为100米。

本实施例中的风电机组叶片表面缺陷检测系统的检测方法，步骤如下：

步骤1：放置风电机组叶片表面缺陷检测系统在风机下方；

步骤2：调整云台，使得叶片在阵列的范围之内；

步骤3：控制风机的转速；

步骤4：控制风机叶片旋转，对风机叶片编号；

步骤5：在阵列操控装置4输入叶片编号，等待叶片与地面水平，开始检测；

步骤6：拍摄其余两只叶片；

步骤7：旋转发电机机舱180°，确认检测条件；

步骤8：重复上述步骤，拍摄叶片另一面；

步骤9：AI自动辨识定位，导出检测数据；

步骤10：形成报告；

结束。

本实施例中的检测方法采取AI软件，基于人工智能深度学习的针对机器视觉开发的软件，无需编程，能够进行自学习的方式来训练。

在风机的日常运行维护时，叶片往往得不到重视。可是叶片的老化却在阳光，酸雨，狂风，自振，风沙，盐雾等不利的条件下随着时间的变化而发生着变化。在地面一旦发现问题，就意味着问题很严重。叶片的日常维护很难检查和维护到叶片，在许多风场叶片都会因为老化而出现自然开裂，沙眼，表面磨损，雷击损坏，横向裂纹等。这些问题如果日常维护做到位，就可以避免日后高额的维修费用、减少停机中造成的经济损失。

风电机组数量庞大，叶片缺陷原因多种多样，给风电机组叶片故障的自动辨识、分类、定位带来很大难度。

本实施例中的风电机组叶片主要技术参数

制造的检测设备参数

该风电机组叶片表面缺陷检测系统中AiDitron 是一款基于人工智能深度学习的针对机器视觉开发的软件。

主要功能如下：

1、字符识别

2、定位。

3、缺陷检测。

4、图片分类。

AiDitron人工智能软件/智能相机能够像人一样，无需编程，能够进行自学习的方式来训练，功能强大，其优势在于：

1、准确率高：在工业检测领域，通过大数据的学习和不断的重复，准确率无限接近100%。

2、解决疑难问题：在AiDitron人工智能软件调节一个参数另一个参数不变动，能够满足所有缺陷的检测要求。

3、短时间可以做出结果：在时间要求很短的项目上，只要有足够多的图片，而且进行标识，原则上一天就可以做出理想的结果。

4、后期维护方便：传统算法现场出现问题，无法检测出想要的结果，软件编程技术人员要到生产现场进行软件调试。AiDitron人工智能软件直接把没有检测出来的图片在生产现场再学一遍就可以达到想要的结果。

5、操作门槛低：没有编程基础的人使用这个软件就可以快速对复杂缺陷进行检测识别。

检测时，按照图2，装配该风电机组叶片表面缺陷检测系统放于风机下方，调整云台使得叶片平行地面时在拍摄范围之内，调整成像阵列装置1和定位阵列装置2，实现最佳拍摄效果。

通过通信线缆5将数据传输至图像处理服务器3，检测员在图像处理服务器3上操控阵列操控装置4进行检测，该风电机组叶片表面缺陷检测系统通过人工智能缺陷识别系统自动识别判断叶片的缺陷，输出检测数据形成报告。

实现的检测成果如下：

实现的技术指标成果

发现的缺陷如下：

第一种：裂痕。

第二种：掉漆。

第三种：损伤。

综上所述,该风电机组叶片表面缺陷检测系统具有以下优点：

2、方便现场组装拆卸。

3、可以实现对风机叶片缺陷进行检测、分类、定位。

4、具备科学性，选取了能准确反映风电工作实际情况的指标，具有全面性、概括性、综合性和精确性的等特点。

5、具有灵敏度高、计算速度快、结果直观形象等优点。

6、可操作性强，在考虑科学性的基础上，指标有理有据，原始数据方便获取，具备可操作性。

7、可比性强。

8、向导性强，量化统计，可以为科学研究提供数据。

9、具有广泛适用性。

通过上述阐述，本领域的技术人员已能实施。

此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同，本说明书中所描述的以上内容仅仅是对本实用新型结构所作的举例说明。凡依据本实用新型专利构思所述的构造、特征及原理所做的等效变化或者简单变化，均包括于本实用新型专利的保护范围内。本实用新型所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本实用新型的结构或者超越本权利要求书所定义的范围，均应属于本实用新型的保护范围。

Claims

1.一种风电机组叶片表面缺陷检测系统，其特征在于：包括用于识别缺陷的成像阵列装置（1），用于定位叶片是否充满整个视野范围、并辅助调整成像阵列装置（1）拍摄角度的定位阵列装置（2），图像处理服务器（3），阵列操控装置（4），通信线缆（5）和交流电源（6）；所述成像阵列装置（1）与定位阵列装置（2）连接，所述图像处理服务器（3）与阵列操控装置（4）连接，所述定位阵列装置（2）与阵列操控装置（4）均通过通信线缆（5）与交流电源（6）连接。

2.根据权利要求1所述的风电机组叶片表面缺陷检测系统，其特征在于：所述通信线缆（5）的长度为100米。