[发明专利]大型风力机叶片主梁内部缺陷类型红外自动识别方法

说明书

本发明涉及风力发电设备运行维护技术领域，同时也适用于其他树脂基复合材料的早期缺陷类型无损检测。其精准、适用性强且能够适用于野外工作环境。包括以下步骤：S1获取环境温度、主梁样件厚度、热源距样件距离、样件表面风速以及含缺陷样件各缺陷部位热扩散系数的数据样本，建立这些参数与不同类型缺陷热扩散系数之间的非线性耦合关系，同时计算神经网络模型参数；S2持续照射风力机叶片表面；S3采集和提取叶片有缺陷区域和无缺陷区域的表面温差曲线；S4‑S5记录当前照射位置叶片主梁厚度；测量当前环境温度；测量叶片表面平均风速；S6按照BP神经网络计算方法，计算热扩散系数；S7利用热扩散系数相对误差率计算公式,从而完成缺陷类型识别。

技术领域

本发明涉及风力发电设备运行维护技术领域，同时也适用于其他树脂基复 合材料的早期缺陷类型无损检测。

背景技术

在我国，作为一种重要的可再生能源技术，风力发电目前正处在高速发展 的重要时期。风力机叶片作为风力发电机组的核心部件，对机组的稳定、安全 运行具有决定性的影响。主梁作为叶片最重要的承力部件，其状态直接决定了 叶片的性能，因此对叶片的状态检测，主要就是针对叶片主梁的状态检测。

受制造工艺、运输及使用不当等随机因素的影响，风力机叶片不可避免的 带有气泡、夹杂、褶皱等缺陷。在风载荷的作用下，将引起叶片结构损伤的产 生，最终导致叶片损坏。由于风力机叶片采用的材料是复合材料，属于非均匀 介质，且叶片外观设计带有明显的非线性特征，许多内部缺陷无法检测。目前， 视觉判断仍是风电场技术人员对于叶片损伤的主要判断方法，误差大，失误率 高，发现晚，相应的导致修复成本高、技术难度大、停机损失巨大。因此，研 究大型风力机叶片内部缺陷检测技术对于保证机组稳定运行，减少维护成本和 降低停机损失具有十分重要的意义。

对缺陷类型的识别是叶片内部缺陷检测的核心内容。一方面，不同类型的 缺陷具有不同的生成机制，对缺陷类型进行有效识别，可以相应的采取预防措 施，降低其形成的几率。另一方面，不同类型的缺陷对材料性能的影响各不相 同，诱发结构损伤的机制也大相径庭，准确识别缺陷类型是掌握叶片当前状态， 实现叶片寿命预测的前提。除此之外，不同类型的缺陷对应了不同的维修方案， 实现类型的准确识别可以正确指导运维，节约成本、提高维修效率。

红外热成像作为一种最常用的无损检测技术，已经开始被应用到大型风力 机叶片的内部缺陷类型检测中，但目前的检测方法往往都忽略环境热交换影响 及叶片外形影响，只适用于室内检测而不适合在风电场等野外环境中应用；另 外，目前的检测方法很难实现自动检测，并且难以区分热成像效果相近的缺陷 类型。因此，一种精准、适用性强且能够适用于野外工作环境的大型风力机叶 片缺陷类型检测的红外检测方法具有十分巨大的应用价值。

发明内容

本发明就是针对现有技术存在的缺陷，提供一种大型风力机叶片主梁内部 缺陷类型红外自动识别方法。其主要解决以下几方面内容：

1.针对目前叶片内部缺陷红外测量方法忽略了环境热交换影响及叶片外形 结构影响，导致测量方法不适用于现场检测的问题，提出一种算法，建立起叶 片厚度、照射距离，环境温度及叶片表面风速与热扩散系数之间的耦合关系， 提高现场识别的准确性，使其适合在现场环境使用。

2.针对目前一些叶片内部缺陷红外测量方法无法实现缺陷类型自动分析的 问题，需要提出基于比对实测热扩散系数与标准热扩散系数的测量方法，实现 对缺陷类型进行自动识别。

3.针对目前的叶片内部缺陷红外测量方法无法区分热扩散系数接近的相似 缺陷的问题，需要提出一种测量方法，对相似缺陷进行自动、准确区分。

为实现上述目的，本发明采用如下技术方案，包括以下步骤：