KR102223118B1 - 터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템 - Google Patents

터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR102223118B1
KR102223118B1 KR1020190082177A KR20190082177A KR102223118B1 KR 102223118 B1 KR102223118 B1 KR 102223118B1 KR 1020190082177 A KR1020190082177 A KR 1020190082177A KR 20190082177 A KR20190082177 A KR 20190082177A KR 102223118 B1 KR102223118 B1 KR 102223118B1
Authority
KR
South Korea
Prior art keywords
image
turbine
blade
determining
blades
Prior art date
Application number
KR1020190082177A
Other languages
English (en)
Other versions
KR20200022327A (ko
Inventor
최종민
손현우
Original Assignee
두산중공업 주식회사
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 두산중공업 주식회사 filed Critical 두산중공업 주식회사
Publication of KR20200022327A publication Critical patent/KR20200022327A/ko
Application granted granted Critical
Publication of KR102223118B1 publication Critical patent/KR102223118B1/ko

Links

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
    • G01M15/00—Testing of engines
    • G01M15/14—Testing gas-turbine engines or jet-propulsion engines
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/63—Specific applications or type of materials turbine blades

Abstract

터빈의 블레이드의 상태를 판단하기 위한 방법이 개시된다. 방법은, 터빈에 설치된 카메라를 이용하여 블레이드의 이미지를 생성하는 단계, 이미지를 처리하여 이미지의 화질을 개선하는 단계, 이미지에 포함된 이상 부분을 식별하는 단계 및 식별된 이상 부분과 기준 이미지를 비교하고, 비교 결과에 따라 블레이드의 상태를 결정하는 단계를 포함한다.

Description

터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템{METHOD AND SYSTEM FOR DETERMINING CONDITION OF BLADE OF TURBINE}
본 발명의 실시 예들은 터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템에 관한 것이다.
터빈은 유체의 운동에너지를 기계적인 에너지로 변환하여 발전기를 고속으로 회전시키고 전력을 생산하는 발전소의 주요설비 중 하나이다. 터빈의 블레이드는 상기 터빈의 요소 중 하나로서, 고속 회전으로 인한 높은 응력을 받고 있어 손상 가능성이 크다. 상기 블레이드가 파손되거나 상기 블레이드에 균열이 발생하는 경우, 이를 고치기 위해서는 상당한 시간이 소요될 뿐만 아니라 많은 비용이 발생한다.
본 발명이 해결하고자 하는 과제는, 터빈의 블레이드의 이미지를 생성하고 상기 이미지를 이용하여 상기 터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템을 제공하는 것에 있다.
본 발명의 실시 예들에 따른 터빈의 블레이드의 상태를 판단하기 위한 방법은, 터빈에 설치된 카메라를 이용하여 블레이드의 이미지를 생성하는 단계, 이미지를 처리하여 이미지의 화질을 개선하는 단계, 이미지에 포함된 이상 부분을 식별하는 단계 및 식별된 이상 부분과 기준 이미지를 비교하고, 비교 결과에 따라 블레이드의 상태를 결정하는 단계를 포함한다.
본 발명의 실시 예들에 따른 터빈의 블레이드의 상태를 판단하기 위한 시스템은, 블레이드를 포함하는 터빈, 터빈 내에 설치되어 터빈의 블레이드의 이미지를 생성하는 이미지 생성부 및 이미지 생성부에 의해 생성된 이미지를 이용하여 블레이드의 상태를 판단하는 상태 판단부를 포함하고, 상태 판단부는, 이미지를 처리하여 이미지의 화질을 개선하고, 이미지에 포함된 이상 부분을 식별하고, 식별된 이상 부분과 기준 이미지를 비교하고, 비교 결과에 따라 블레이드의 상태를 결정한다.
본 발명의 실시 예들은 터빈의 블레이드에 대한 이미지를 생성하고 상기 이미지에 기초하여 상기 블레이드의 상태를 판단할 수 있는 효과가 있다.
본 발명의 실시 예들은 터빈의 블레이드의 실시간으로 상태를 판단할 수 있으므로, 판단된 상태에 기초하여 상기 블레이드에 대한 정비를 적시에 수행할 수 있을 뿐만 아니라, 상기 블레이드에 발생할 수 있는 고장이나 균열을 미리 예측할 수 있는 효과가 있다.
도 1은 본 발명의 실시 예들에 따른 증기 터빈을 나타낸다.
도 2는 본 발명의 실시 예들에 따른 블레이드 진단 시스템을 나타낸다.
도 3은 본 발명의 실시 예들에 따른 상태를 진단하기 위한 방법을 나타내는 플로우 차트이다.
도 4는 본 발명의 실시 예들에 따른 이상 부분의 식별 방법을 설명하기 위한 도면이다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시 예들을 설명한다.
도 1은 본 발명의 실시 예들에 따른 증기 터빈을 나타낸다. 도 1에 도시된 증기 터빈(10)은 저압(low pressure) 터빈일 수 있다.
터빈(10)은 유체(예컨대, 스팀(증기), 가스 등)의 흐름을 이용하여 회전력을 얻고, 회전할 수 있는 장치를 의미할 수 있다. 실시 예들에 따라, 터빈(10)으로 전달된 유체는 터빈(10)을 통과하면서 터빈(10)으로 회전력을 전달하고, 터빈(10)은 전달된 회전력을 이용하여 회전한다. 터빈(10)의 회전에 따라 운동 에너지가 발생하며 상기 운동 에너지는 발전 등에 사용될 수 있다. 예컨대, 터빈(10)은 가스를 이용하는 가스 터빈이거나 또는 증기를 이용하는 스팀 터빈일 수 있으나, 이에 한정되는 것은 아니다.
도 1을 참조하면, 증기 터빈(10)은 외관을 형성하는 외부 케이싱(20)을 포함할 수 있다. 외부 케이싱(20)은 외부 케이싱(20) 내부에 배치된 내부 케이싱(21)을 포함할 수 있다.
내부 케이싱(21)의 내측에는 다이어프램 외륜(22)과 다이어프램 내륜(23)이 배치될 수 있다. 다이어프램 외륜(22)과 다이어프램 내륜(23) 사이에는 둘레 방향으로 복수의 스테이터 블레이드(또는 정익; 25)가 배치될 수 있다
배열된 복수의 로터 블레이드(25)의 마지막 로터 블레이드를 최종단 스테이터 블레이드(25a)라 칭할 수 있다.
증기 터빈(10)은 내부 케이싱(21) 내에 관통 설치된 터빈 로터(30)를 포함할 수 있다.
터빈 로터(30)는 복수의 로터 디스크(31)를 포함할 수 있다. 복수의 로터 디스크(31)는 터빈 로터(30)의 둘레 방향 반경 외측으로 돌출되도록 형성될 수 있다.
터빈 로터(30)는 로터 디스크(31)의 둘레 방향으로 연결된 복수의 로터 블레이드(또는 동익; 32)을 포함할 수 있다. 복수의 로터 블레이드(32)은 터빈 로터(30) 축 방향으로 배열될 수 있다. 배열된 복수의 로터 블레이드(32)의 마지막 로터 블레이드를 최종단 로터 블레이드(32a)라 칭할 수 있다.
터빈 로터(30)는 로터 베어링(35)를 통해 회전 가능하도록 설치될 수 있다.
실시 예들에 따라, 복수의 스테이터 블레이드(25)와 복수의 로터 블레이드(32)는 터빈 로터(30)의 축 방향으로 서로 교차하도록 배열될 수 있다. 복수의 스테이터 블레이드(25)와 복수의 로터 블레이드(32)는 하나의 터빈 단락을 구성할 수 있다.
증기 터빈(10)은 증기가 도입되는 흡기실(40)을 포함할 수 있다. 흡기실(40)은 흡기 크로스오버관(41)으로부터 증기를 흡입할 수 있다. 흡기 크로스오버관(41)으로부터 좌우의 터빈 단락에 증기를 분배해서 도입한다.
증기 터빈(10)은 터빈 로터(30)의 최종 단락에 형성되는 스팀 가이드(50) 및 베어링 콘(60)을 포함할 수 있다.
실시 예들에 따라, 터빈 로터(30)의 최종 단락(이하, 최종단)은 배열된 복수의 로터 블레이드(32)의 마지막 로터 블레이드(즉, 최종단 블레이드))가 위치한 부근을 의미할 수 있다.
스팀 가이드(50)는 터빈 로터(30)의 최종단의 외주측에 형성될 수 있고, 베어링 콘(60)은 터빈 로터(30)의 최종단의 내주측에 형성될 수 있다. 실시 예들에 따라, 베어링 콘(50)의 내부에는 로터 베어링(25) 등이 포함될 수 있다.
증기 터빈(10)은 스팀 가이드(50) 및 베어링 콘(60)에 의해 형성되고, 증기를 반경 방향 외측을 향해 배출할 수 있는 디퓨저(70)를 포함할 수 있다.
외부 케이싱(20), 내부 케이싱(21), 스팀 가이드(50) 및 베어링 콘(60)은 상하로 2분할 구조로 구성될 수 있다. 예를 들면, 상반측 및 하반측의 스팀 가이드(50)에 의하여 원통 형상의 스팀 가이드(50)가 구성될 수 있다. 마찬가지로, 상반측 및 하반측의 베어링 콘(60)에 의하여 원통 형상의 베어링 콘(60)이 구성될 수 있다. 그리고, 원통 형상의 스팀 가이드(50)와 그 내측에 설치된 원통 형상의 베어링 콘(60)에 의하여 디퓨저(70)가 형성될 수 있다.
도 2는 본 발명의 실시 예들에 따른 블레이드 진단 시스템을 나타낸다. 도 1과 도 2를 참조하면, 진단 시스템(1000)은 터빈(10)의 상태를 감지하고, 감지 결과에 따라 터빈(10)의 상태를 진단할 수 있다. 실시 예들에 따라, 진단 시스템(1000)은 터빈(10)의 블레이드(스테이터 블레이드(도 1의 25) 및 로터 블레이드(도 1의 32)의 상태를 진단할 수 있다.
실시 예들에 따라, 진단 시스템(1000)은 터빈(10)의 최종단 블레이드의 상태를 진단할 수 있다. 도 1을 참조하여 설명한 바와 같이, 상기 최종단 블레이드는 터빈(10)의 최종 단락에 위치하는 블레이드를 의미할 수 있다. 예컨대, 최종단 블레이드는 낮은 유체압에서 동작할 수 있다.
진단 시스템(1000)은 터빈(10), 이미지 생성부(100) 및 상태 판단부(200)를 포함할 수 있다.
이미지 생성부(100)는 터빈(10)에 대한 이미지를 획득할 수 있다. 상기 이미지는 정지 이미지(still image) 또는 동영상(moving image or video image)일 수 있다. 예컨대, 이미지 생성부(100)는 카메라, 비디오 카메라, 적외선 카메라, 산업용 내시경 카메라, 또는 열화상 카메라로 구현될 수 있으나 이에 한정되는 것은 아니며, 이미지를 획득할 수 있는 임의의 장치일 수 있다.
이미지 생성부(100)는 터빈(10)의 블레이드에 대한 이미지를 생성할 수 있다. 실시 예들에 따라, 이미지 생성부(100)는 터빈(10)의 로터 블레이드의 이미지를 생성할 수 있다. 예컨대, 이미지 생성부(100)는 터빈(10)의 최종단 로터 블레이드의 이미지를 생성할 수 있다.
이미지 생성부(100)는 일정 시간 간격으로 터빈(10)의 블레이드를 촬영하고, 블레이드의 이미지를 생성할 수 있다.
이미지 생성부(100)는 터빈(10)의 운전 속도가 기준 속도 이하일 때, 블레이드에 대한 이미지를 생성할 수 있다. 실시 예들에 따라, 이미지 생성부(100)는 터빈(10)의 운전 속도를 모니터링하고, 상기 운전 속도가 기준 속도 이하일 때, 블레이드에 대한 이미지를 생성할 수 있다.
이미지 생성부(100)는 터빈(10) 내부에 설치될 수 있다. 실시 예들에 따라, 이미지 생성부(100)는 블레이드를 촬영할 수 있는 적절한 위치에 설치될 수 있다.
이미지 생성부(100)는 터빈(10)의 다이어프램 외륜(22)의 일면에 설치될 수 있다. 예컨대, 이미지 생성부(100)는 터빈(10)의 블레이드들 중에서 최외곽에 설치된 최종단 블레이드와 가장 인접한 다이어프램 외륜(22)의 일면에 설치될 수 있다.
상태 판단부(200)는 이미지 생성부(100)로부터 생성된 블레이드의 이미지를 이용하여, 블레이드의 상태를 판단(또는 진단)할 수 있다. 상태 판단부(200)는 이미지 처리부(210) 및 이미지 해석부(220)를 포함할 수 있다. 상태 판단부(200)는 소프트웨어 또는 하드웨어(예컨대, 프로세서(processor))로 구현될 수 있다.
이미지 처리부(210)는 이미지 생성부(100)로부터 전달된 블레이드의 이미지 데이터를 처리할 수 있다.
터빈(10)의 내부는 습도가 높을 뿐 아니라, 터빈(10)의 블레이드의 회전 속도가 빠를 수 있으므로, 이미지 생성부(100)에 의해 생성된 블레이드의 이미지에 대한 전처리가 필요할 수 있다. 이에, 이미지 처리부(210)는 생성된 이미지를 처리함으로써 이미지의 화질을 개선할 수 있다.
이미지 처리부(210)는 생성된 블레이드에 대한 이미지의 노이즈를 제거하여 상기 이미지의 화질을 개선하는 이미지 처리를 수행할 수 있다. 예컨대, 이미지 처리부(210)는 가우시안 필터 또는 EWA(elliptical weighted average)를 이용하여 이미의 화질을 개선할 수 있으나 이에 한정되는 것은 아니다.
이미지 처리부(210)는 이미지 생성부(100)에 의해 생성된 블레이드의 이미에 대해 회전 왜곡 보정 및 습기 제거 보정 중 적어도 하나를 수행함으로써 이미지를 전처리할 수 있다.
실시 예들에 따라, 이미지 처리부(210)는 터빈(10)의 회전 속도를 획득하고, 획득된 회전 속도에 기초하여 블레이드의 이미지에 대해 회전 왜곡 보정을 수행할 수 있다. 예컨대, 이미지 처리부(210)는 터빈(10)의 회전 속도, 이미지 생성부(100)의 설치 위치 및 블레이드의 형상 중 적어도 하나에 기초하여 결정된 필터를 블레이드의 이미지에 적용함으로써, 블레이드의 이미지에 대해 회전 왜곡 보정을 수행할 수 있다.
실시 예들에 따라, 이미지 처리부(210)는 터빈(10) 내부의 습도에 기초하여 블레이드의 이미지에 대해 습기 제거 보정을 수행할 수 있다. 예컨대, 이미지 처리부(210)는 터빈(10)의 내부 습도에 해당하는 필터를 블레이드의 이미지에 적용함으로써, 블레이드의 이미지에 대해 습기 제거 보정을 수행할 수 있다.
예컨대, 이미지 처리부(210)는 생성된 이미지로부터 휘도 신호를 추출하고, 휘도 신호를 보정함으로써 블레이드의 이미지에 대해 습기 제거 보정을 수행할 수 있다.
이미지 처리부(210)는 블레이드의 이미지에 나타난 블레이드의 이상 부분을 식별할 수 있다. 실시 예들에 따라, 이미지 처리부(210)는 전처리된 이미지를 이용하여, 블레이드의 이상 부분을 식별할 수 있다.
이미지 처리부(210)는 식별된 이상 부분의 유형을 판단할 수 있다. 예컨대, 이미지 처리부(210)는 식별된 이상 부분이 크랙(crack)인지 또는 부식(corrosion)인지 여부를 판단할 수 있다. 상기 크랙은 블레이드 표면에 흠집등이 발생하여 블레이드에 균열이 발생하는 것을 의미하고, 상기 부식은 블레이드 표면 또는 내부의 성질이 변화하어 블레이드의 성질이 열화되는 것을 의미한다.
실시 예들에 따라, 이미지 처리부(210)는 식별된 이상 부분의 형상 및 색상에 기초하여, 이상 부분이 크랙(crack)인지 또는 부식(corrosion)인지 여부를 판단할 수 있다.
예컨대, 이미지 처리부(210)는 이상 부분의 모서리의 진폭의 편차가 기준 값 이상일 때(즉, 모서리가 부드럽지 않을 때) 또는 상기 이상 부분의 면적이 기준 값 미만일 때, 상기 이상 부분을 크랙으로 판단할 수 있다.
예컨대, 이미지 처리부(210)는 이상 부분의 모서리의 진폭의 편차가 기준 값 미만일 때(즉, 모서리가 부드러울 때) 또는 상기 이상 부분의 면적이 기준 값 이상일 때, 상기 이상 부분을 부식으로 판단할 수 있다.
이미지 처리부(210)는 블레이드의 이미지로부터 관심 영역(region of interest)을 설정하고, 설정된 관심 영역으로부터 블레이드의 이상 부분을 식별할 수 있다.
실시 예들에 따라, 이미지 처리부(210)는 제1시점에서 상기 최종단 블레이드의 제1이미지와 상기 제1시점 이후의 제2시점에서 상기 최종단 블레이드의 제2이미지를 비교하고, 비교 결과에 따라 관심 영역을 설정할 수 있다. 예컨대, 이미지 처리부(210)는 제1이미지와 제2이미지에서 변화가 가장 큰 영역을 특정하고, 특정된 영역을 기초로 관심 영역을 설정할 수 있다. 예를 들면, 특정된 영역을 중심으로 하는 다각형을 관심 영역으로서 설정할 수 있다.
이미지 해석부(220)는 블레이드의 이미지를 해석하고, 해석 결과에 따라 블레이드의 상태를 결정할 수 있다. 실시 예들에 따라, 이미지 해석부(220)는 블레이드의 이미지로부터 블레이드의 고장 여부, 잔존 수명, 파손 여부, 열화 정도, 손상 부위 위치등을 진단할 수 있다. 실시 예들에 따라, 이미지 해석부(220)는 소프트웨어 또는 하드웨어(예컨대, 프로세서)로 구현될 수 있다.
이미지 해석부(220)는 블레이드의 이미지와 기준 이미지를 이용하여 블레이드의 상태를 결정할 수 있다. 실시 예들에 따라, 이미지 해석부(220)는 블레이드의 이미지와 기준 이미지를 비교하여, 블레이드의 이미지와 상기 기준 이미지 사이의 유사도에 따라 블레이드의 상태를 결정할 수 있다. 예컨대, 이미지 해석부(220)는 기준 이미지 중에서 블레이드의 이미지와 가장 유사한 기준 이미지를 선택하고, 선택된 기준 이미지에 대한 정보를 이용하여 블레이드의 상태를 결정할 수 있다. 상기 기준 이미지는 블레이드의 파손에 관한 이미지일 수 있고, 상기 기준 이미지에 대한 정보는 상기 기준 이미지에 나타난 블레이드의 파손에 대한 정보일 수 있다.
이미지 해석부(220)는 선택된 유사한 이미지에 대응하는 정보를 리드하고, 리드된 정보를 이용하여 블레이드의 상태를 결정할 수 있다.
실시 예들에 따라, 기준 이미지와 기준 이미지에 대한 정보는 사전에 저장될 수 있고, 이미지 해석부(220)는 블레이드의 이미지와 유사한 기준 이미지를 선택하고, 선택된 유사한 기준 이미지와 관련된 정보에 기초하여 블레이드의 상태를 결정할 수 있다. 예컨대, 이미지 해석부(220)는 블레이드의 이미지와 유사한 기준 이미지 사이의 유사도를 가중치가 적용된 유사한 기준 이미지의 정보의 조합에 기초하여 블레이드의 상태를 결정할 수 있다.
이미지 해석부(220)는 생성된 블레이드의 이미지와 기준 이미지 각각으로부터 특징점을 추출하고, 추출된 특징점에 기초하여 블레이드의 이미지와 기준 이미지를 비교할 수 있다. 실시 예들에 따라, 이미지 해석부(220)는 추출된 특징점에 기초하여 블레이드의 이미지와 기준 이미지 사이의 유사도를 측정할 수 있다.
이미지 해석부(220)는 인공 신경망(artificial nerual network)을 이용하여, 블레이드의 이미지와 유사한 기준 이미지를 선택하여, 블레이드의 상태를 결정할 수 있다. 상기 인공 신경망은 콘볼루션 신경망(convolution neural network), 심층 신경망(deep neural network), 리커런트 신경망(recurrunt neural network) 및 이들의 조합을 포함할 수 있다.
실시 예들에 따라, 이미지 해석부(220)는 이미지 처리부(210)에 의해 식별된 이상 부분을 중심으로 이미지와 기준 이미지를 비교하여 블레이드의 상태를 결정할 수 있다. 예컨대, 이미지 해석부(220)는 식별된 이상 부분과 기준 이미지를 비교하여 블레이드의 상태를 결정할 수 있다.
예컨대, 이미지 해석부(220)는 이미지 처리부(210)에 의해 식별된 이상 부분의 유형을 판단하고, 판단된 유형에 해당하는 기준 이미지와의 유사도에 기초하여 블레이드의 상태를 결정할 수 있다. 즉, 이미지 해석부(220)는 식별된 이상 부분이 크랙일 때, 크랙을 나타내는 기준 이미지와의 유사도에 기초하여 블레이드의 상태를 결정할 수 있고, 식별된 이상 부분이 부식일 때, 부식을 나타내는 기준 이미지와의 유사도에 기초하여 블레이드의 상태를 결정할 수 있다.
실시 예들에 따라, 이미지 해석부(220)는 블레이드의 상태를 판단함과 동시에, 판단된 블레이드의 상태를 저장하고, 저장된 판단 결과를 이용하여 자가 학습을 수행할 수 있다. 따라서, 본 발명의 실시 예들에 따른 진단 시스템(1000)은 데이터가 축적될수록 더욱 정교해지고 정확해질 수 있다.
실시 예들에 따라, 이미지 해석부(220)는 블레이드의 상태를 진단하고, 진단 결과를 시각화하여 시각화 데이터를 생성할 수 있다.
비록 도 2에는 이미지 획득부(100), 이미지 처리부(210) 및 이미지 해석부(220)가 분리되어 도시되어 있으나, 실시 예들에 따라 이미지 생성부(100), 이미지 처리부(210) 및 이미지 해석부(220) 중 적어도 둘 이상은 하나의 모듈 또는 장치로서 구현될 수 있다. 예컨대, 이미지 처리부(210) 및 이미지 해석부(220)는 하나의 장치로 구현될 수 있다.
본 발명의 실시 예들은 터빈의 블레이드의 실시간으로 상태를 판단할 수 있으므로, 판단된 상태에 기초하여 상기 블레이드에 대한 정비를 적시에 수행할 수 있을 뿐만 아니라, 상기 블레이드에 발생할 수 있는 고장이나 균열을 미리 예측할 수 있는 효과가 있다.
도 3은 본 발명의 실시 예들에 따른 상태를 진단하기 위한 방법을 나타내는 플로우 차트이다. 도 3에 도시된 방법은 상태 판단부(200)에 의해 수행될 수 있다.
도 1 내지 도 3을 참조하면, 상태 판단부(200)는 이미지 생성부(100)에 의해 생성된 블레이드의 이미지(200)를 전처리할 수 있다(S110). 실시 예들에 따라, 상태 판단부(200)는 이미지 생성부(100)에 의해 생성된 블레이드의 이미지에 대해 회전 왜곡 보정 및 습기 제거 보정 중 적어도 하나를 수행할 수 있다.
상태 판단부(200)는 전처리된 이미지로부터 블레이드의 이상 부분을 식별할 수 있다(S120). 실시 예들에 따라, 상태 판단부(200)는 전처리된 이미지로부터 블레이드의 이상 부분을 식별하고, 식별된 이상 부분의 유형을 결정할 수 있다. 상기 이상 부분의 유형은 크랙 또는 부식일 수 있다.
상태 판단부(200)는 식별된 이상 부분과 기준 이미지를 비교하여 블레이드의 상태를 진단할 수 있다(S130). 실시 예들에 따라, 상태 판단부(200)는 식별된 이상 부분을 중심으로, 블레이드의 이미지와 기준 이미지를 비교하여 블레이드의 상태를 진단할 수 있다. 예컨대, 상태 판단부(200)는 블레이드의 이미지와 기준 이미지를 비교할 때, 인공 신경망 기술에 기초할 수 있다.
도 4는 본 발명의 실시 예들에 따른 이상 부분의 식별 방법을 설명하기 위한 도면이다. 도 4에 도시된 방법은 상태 판단부(200)에 의해 수행될 수 있다. 도 4를 참조하여 설명되는 식별 방법은 경계 검출에 관한 것이다.
도 1 내지 도 4를 참조하면, 상태 판단부(200)는 이미지 생성부(100)에 의해 생성된 이미지를 서로 다른 스케일(또는 해상도)로 분해할 수 있다(S210).
상태 판단부(200)는 서로 다른 복수의 스케일(또는 해상도)에서 이미지에 포함된 경계들을 검출(edge detection)할 수 있다(S220). 실시 예들에 따라, 상태 판단부(200)는 각 스케일의 분할된 이미지에서 경계를 검출할 수 있다. 예컨대, 상태 판단부(200)는 제1스케일에서 이미지에 포함된 제1경계들을 검출하고, 제1스케일과 다른 제2스케일에서 이미지에 포함된 제2경계들을 검출할 수 있다.
상태 판단부(200)는 서로 다른 복수의 스케일(또는 해상도)에서 검출된 경계들을 이용하여 이미지 내에서의 최종 경계를 결정할 수 있다(S230). 예컨대, 상태 판단부(200)는 서로 다른 복수의 스케일(또는 해상도)에서 검출된 경계들의 주파수 도메인에서의 주파수 및 해당하는 진폭을 계산하고, 두 경계들의 계산된 주파수 및 진폭의 차이가 기준 값 이내일 때, 상기 두 경계들을 이음(link)으로써 최종 경계를 결정할 수 있다.
상태 판단부(200)는 결정된 최종 경계의 형태에 기초하여 이상 부분을 식별할 수 있다(S240). 실시 예들에 따라, 상태 판단부(200)는 결정된 최종 경계의 깊이, 크기 또는 넓이가 기준 값 보다 클 때, 이상 부분으로서 식별할 수 있다.
본 발명의 실시 예들에 따른 방법들을 수행하기 위한 명령들을 포함하는 프로그램은 컴퓨터 판독가능한 저장 매체에 저장될 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 터빈
100: 이미지 생성부
200: 상태 판단부
210: 이미지 처리부
220: 이미지 해석부

Claims (15)

  1. 터빈의 블레이드의 상태를 판단하기 위한 방법에 있어서,
    상기 터빈에 설치된 카메라를 이용하여 상기 블레이드의 이미지를 생성하는 단계;
    상기 이미지를 처리하여 상기 이미지의 화질을 개선하는 단계;
    상기 이미지에 포함된 이상 부분을 식별하는 단계;
    식별된 이상 부분과 기준 이미지를 비교하고, 비교 결과에 따라 상기 블레이드의 상태를 결정하는 단계를 포함하고,
    상기 이미지를 처리하는 단계는 상기 이미지에 대하여 회전 왜곡 보정을 수행하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  2. 제1항에 있어서,
    상기 블레이드는 상기 터빈에 포함된 복수의 블레이드들 중에서 가장 최외곽에 위치한 최종단(last stage) 블레이드인,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  3. 제2항에 있어서,
    상기 카메라는 상기 터빈의 상기 최종단 블레이드와 가장 인접한 다이어프램 외륜에 부착되는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  4. 제1항에 있어서, 상기 블레이드의 이미지를 생성하는 단계는,
    상기 터빈의 운전 속도가 기준 속도 이하일 때, 상기 블레이드를 촬영하여 상기 블레이드의 이미지를 생성하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  5. 제1항에 있어서, 상기 이미지를 처리하는 단계는,
    상기 이미지에 대하여 습기 제거 보정을 수행하는 단계를 포함하고,
    상기 습기 제거 보정을 수행하는 단계는,
    상기 터빈의 습기에 해당하는 필터를 상기 이미지에 적용함으로써 습기 제거 보정을 수행하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  6. 제1항에 있어서, 상기 블레이드의 이상 부분을 식별하는 단계는,
    상기 이미지로부터 관심 영역(region of interest)을 설정하는 단계; 및
    상기 관심 영역으로부터 상기 이상 부분을 식별하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  7. 제6항에 있어서, 상기 관심 영역을 설정하는 단계는,
    제1시점에서 상기 블레이드의 제1이미지와 상기 제1시점 이후의 제2시점에서 상기 블레이드의 제2이미지를 비교하는 단계;
    비교 결과에 따라, 상기 이미지의 영역들 중에서 상기 제1시점과 상기 제2시점에서의 상대적 변화가 가장 큰 영역을 특정하는 단계;
    특정된 영역에 기초하여 상기 관심 영역을 설정하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  8. 제1항에 있어서, 상기 이상 부분을 식별하는 단계는,
    상기 이미지를 서로 다른 스케일로 분할하는 단계;
    분할된 이미지 각각에서 경계를 검출하는 단계;
    분할된 이미지 각각에서 검출된 경계들을 이용하여 최종 경계를 결정하는 단계; 및
    결정된 최종 경계의 형태에 기초하여 이상 부분을 식별하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  9. 제1항에 있어서,
    상기 이미지에 포함된 이상 부분을 식별하는 단계는,
    상기 이상 부분의 모서리가 부드러운지 여부 및 상기 이상 부분의 면적에 기초하여, 상기 이상 부분의 유형을 크랙(crack)인지 및 부식(corrosion) 중 어느 하나로 판단하는 단계를 포함하고,
    상기 블레이드의 상태를 결정하는 단계는,
    판단된 유형에 해당하는 기준 이미지와의 유사도에 기초하여 블레이드의 상태를 결정하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  10. 제1항에 있어서, 상기 블레이드의 상태를 결정하는 단계는,
    인공 신경망(artificial neural network) 알고리즘을 이용하여 기준 이미지 중 식별된 부분과 유사한 기준 이미지를 선택하는 단계; 및
    선택된 유사한 기준 이미지의 정보를 이용하여, 상기 블레이드의 상태를 결정하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 방법.
  11. 터빈의 블레이드의 상태를 판단하기 위한 시스템에 있어서,
    블레이드를 포함하는 터빈;
    상기 터빈 내에 설치되어 상기 터빈의 블레이드의 이미지를 생성하는 이미지 생성부; 및
    상기 이미지 생성부에 의해 생성된 이미지를 이용하여 상기 블레이드의 상태를 판단하는 상태 판단부를 포함하고,
    상기 상태 판단부는,
    상기 이미지를 처리하여 상기 이미지의 화질을 개선하고,
    상기 이미지에 대하여 회전 왜곡 보정을 수행하고,
    상기 이미지에 포함된 이상 부분을 식별하고,
    식별된 이상 부분과 기준 이미지를 비교하고, 비교 결과에 따라 상기 블레이드의 상태를 결정하는,
    터빈의 블레이드의 상태를 판단하기 위한 시스템.
  12. 제11항에 있어서,
    상기 블레이드는 상기 터빈에 포함된 복수의 블레이드들 중에서 가장 최외곽에 위치한 최종단(last stage) 블레이드이고,
    상기 이미지 생성부는 상기 터빈의 상기 최종단 블레이드와 가장 인접한 다이어프램 외륜에 부착되는,
    터빈의 블레이드의 상태를 판단하기 위한 시스템.
  13. 제11항에 있어서, 상기 상태 판단부는,
    상기 터빈의 습기에 해당하는 필터를 상기 이미지에 적용함으로써 습기 제거 보정을 수행하는,
    터빈의 블레이드의 상태를 판단하기 위한 시스템.
  14. 제11항에 있어서, 상기 상태 판단부는,
    상기 이미지를 서로 다른 스케일로 분할하고, 분할된 이미지 각각에서 경계를 검출하고, 분할된 이미지 각각에서 검출된 경계들을 이용하여 최종 경계를 결정하고, 결정된 최종 경계의 형태에 기초하여 이상 부분을 식별하는 단계를 포함하는,
    터빈의 블레이드의 상태를 판단하기 위한 시스템.
  15. 제11항에 있어서, 상기 상태 판단부는,
    인공 신경망(artificial neural network) 알고리즘을 이용하여 기준 이미지중 식별된 부분과 유사한 기준 이미지를 선택하고, 선택된 유사한 기준 이미지의 정보를 리드하고, 리드된 정보를 이용하여 상기 블레이드의 상태를 결정하는,
    터빈의 블레이드의 상태를 판단하기 위한 시스템.
KR1020190082177A 2018-08-22 2019-07-08 터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템 KR102223118B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20180098248 2018-08-22
KR1020180098248 2018-08-22

Publications (2)

Publication Number Publication Date
KR20200022327A KR20200022327A (ko) 2020-03-03
KR102223118B1 true KR102223118B1 (ko) 2021-03-04

Family

ID=69938174

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190082177A KR102223118B1 (ko) 2018-08-22 2019-07-08 터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102223118B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102369415B1 (ko) * 2020-04-07 2022-03-04 주식회사 원프레딕트 딥 러닝 기반의 고장 진단 방법 및 이러한 방법을 수행하는 고장 진단 장치
US20220235669A1 (en) * 2021-01-28 2022-07-28 Baker Hughes Holdings Llc Turbine engine imaging

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014526707A (ja) * 2011-09-22 2014-10-06 シーメンス コーポレーション コントローラベースのブレードイメージ形成のためのトリガ

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7690840B2 (en) * 1999-12-22 2010-04-06 Siemens Energy, Inc. Method and apparatus for measuring on-line failure of turbine thermal barrier coatings
US8413493B1 (en) * 2011-12-12 2013-04-09 Florida Turbine Technologies, Inc. Method for detecting a defect on an operating turbine rotor blade
KR20170035262A (ko) * 2015-09-22 2017-03-30 한국전력공사 블레이드 균열 정보 저장방법 및 블레이드 균열 예측방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014526707A (ja) * 2011-09-22 2014-10-06 シーメンス コーポレーション コントローラベースのブレードイメージ形成のためのトリガ

Also Published As

Publication number Publication date
KR20200022327A (ko) 2020-03-03

Similar Documents

Publication Publication Date Title
KR101823746B1 (ko) 베어링 고장 진단 방법
KR102223118B1 (ko) 터빈의 블레이드의 상태를 판단하기 위한 방법 및 시스템
EP2776816B1 (en) System and method for data-driven automated defect detection
Li et al. Fault features extraction for bearing prognostics
CN105122046A (zh) 用于检测物体上的缺陷方法
EP2481924A1 (en) Device and method for visual analysis of a wind turbine blade
CN103842621A (zh) 用于检查气涡轮机的内窥镜系统和相应方法
US9488467B2 (en) System and method for monitoring in real time, a gap between portions in a machine
KR102261899B1 (ko) 드론의 이상 진단장치 및 그 방법
KR102015417B1 (ko) 딥러닝 기반 회전체 결함 예측 진단 장치
US20180115226A1 (en) Method and system for monitoring motor bearing condition
US20190203699A1 (en) Method and device for monitoring a status of at least one wind turbine and computer program product
US20120262131A1 (en) Rotating Electrical Machine Abnormal State Detection Method and Apparatus and Wind Driven Generating System Using the Same
US20200096384A1 (en) Blade abnormality detecting device, blade abnormality detecting system, rotary machine system, and blade abnormality detecting method
CN113383215A (zh) 用于模式匹配轴承振动诊断的系统和过程
JP7163218B2 (ja) 監視装置、監視方法、軸振動判定モデルの作成方法及びプログラム
US20200049564A1 (en) Systems and methods for thermal imaging systems
KR101808390B1 (ko) 기계 고장 진단 방법
JP2010230595A (ja) 回転体検査装置およびコンピュータプログラム
Chana et al. The use of eddy current sensor based blade tip timing for FOD detection
JP2019152979A (ja) 欠陥検出システム、欠陥モデル作成プログラム、および欠陥検出プログラム
TWI583867B (zh) Monitoring system for wind power plant
JP6243940B2 (ja) 風力発電システムの異常予兆診断システム
US20220228569A1 (en) A method for computer-implemented monitoring of a component of a wind turbine
US10161785B2 (en) Method of monitoring rubbing between a rotary party and a stationary part in a rotating turbomachine, monitoring arrangement and turbomachine

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant