[发明专利]用于风力发电机组外转子识别的方法及装置

说明书

本发明提供了一种用于风力发电机组外转子识别的方法及装置，所述方法包括以下步骤：采集风力发电机组外转子的图像数据；对采集的图像数据进行图像处理以获取外转子目标区域的图像数据；从外转子目标区域的图像数据提取外转子目标区域的图像特征值，并根据提取的图像特征值训练机器学习模型以对外转子的清洁度进行自动分类和识别。本发明通过对采集的外转子的实时图像数据进行数据处理和机器学习以实现对外转子的清洁度的自动识别和分类，通过对外转子的实时状态的监测可及时对有污损的外转子进行清洗和更换以避免存在安全隐患。

技术领域

本发明涉及风力发电技术领域，具体地讲，涉及一种用于风力发电机组外转子识别的方法及装置。

背景技术

在风力发电机组中，机舱安装在塔架顶部，在机舱里有支撑整个风力发电机组的机座，机座上固定有主轴与内定子支架，其中，风力发电机组的外转子安装在风力发电机组的主轴上。风力发电机组的外转子在运行过程中由于受到各种天气的影响会造成不同程度的污损，外转子的污损不仅影响风力发电机组的整体美观，还也会给风力发电机组的运行带来一定的安全隐患，例如，外转子的污损如果没有及时被处理，当污损累积到一定程度时便会影响外转子的正常运行，且当外转子上的灰尘等通过排风管道进入发电机后会造成发电机异常，因此，对于风力发电机组的外转子的清洁度的识别和监测技术至关重要。

现有技术中，对于风力发电机组的外转子的清洁度的识别只能通过人眼来进行查看，在人眼进行观测外转子清洁度情况时，需要爬上风力发电机组，并且在风力发电机组的机舱外面才可以观察到外转子的清洁度情况，该方法不能够随时观察风力发电机组的外转子的实时状态，具有一定的局限性。目前，没有固定的识别方法或者成型的识别装置来实现对外转子的清洁度的实时识别和监测。

发明内容

本发明针对现有技术存在的弊端，提出了一种用于风力发电机组外转子识别的方法及装置。

本发明的一方面提供了一种用于风力发电机组外转子识别的方法，所述方法包括以下步骤：采集风力发电机组外转子的图像数据；对采集的图像数据进行图像处理以获取外转子目标区域的图像数据；从外转子目标区域的图像数据提取外转子目标区域的图像特征值，并根据提取的图像特征值训练机器学习模型以对外转子的清洁度进行自动分类和识别。

优选地，所述对采集的图像数据进行图像处理以获取外转子目标区域的图像数据的步骤包括：读取采集的图像数据并截取一定时间间隔的每一帧图像数据作为外转子原始图像；对外转子原始图像进行边缘检测处理以识别出外转子的边缘轮廓数据；对识别的外转子的边缘轮廓数据进行曲线拟合以得出外转子目标区域的图像数据。

优选地，所述对外转子原始图像进行边缘检测处理以识别出外转子的边缘轮廓数据的步骤包括：对外转子原始图像进行滤波处理；求取滤波处理后的外转子原始图像的梯度，并根据求取的梯度进行非极大值抑制来对外转子原始图像进行边缘增强；通过阈值算法对边缘增强后的外转子原始图像进行边缘检测以识别出外转子的边缘轮廓数据。

优选地，利用最小二乘法来实现对识别的外转子的边缘轮廓数据进行曲线拟合。

优选地，所述从外转子目标区域的图像数据提取外转子目标区域的图像特征值，并根据提取的图像特征值训练机器学习模型以对外转子的清洁度进行自动分类和识别的步骤包括：提取外转子目标区域的图像特征值，其中，所述图像特征值包括红色分量方差、绿色分量方差、蓝色分量方差、红色分量均值、绿色分量均值、蓝色分量均值和边缘数量；基于支持向量机算法对提取的图像特征值进行训练，并根据训练的模型对外转子的清洁度进行自动分类和识别。

优选地，所述提取外转子目标区域的图像特征值的步骤包括：对外转子目标区域的RGB三个通道分量分别进行归一化处理以计算得出所述红色分量方差、绿色分量方差、蓝色分量方差、红色分量均值、绿色分量均值和蓝色分量均值，以及对外转子目标区域进行边缘检测以计算得出所述边缘数量。