[发明专利]一种风力机叶片图像损伤检测和定位方法

说明书

本发明属于故障检测技术领域，具体涉及一种风力机叶片图像损伤检测和定位方法。基于深度卷积神经网络，包括模型训练和损伤检测及定位两个过程。本发明能够对无人机和监控摄像头拍摄的风力机叶片图像自动解读，实现高效准确识别和定位多种类别的风力机叶片损伤。实现叶片损伤评估和预警，减少由于风力机叶片故障导致的风力机意外停机次数，降低风力机运行维护成本。具有识别速度快、精度高、过程全自动化、操作门槛低等优点，弥补了传统方法依靠人工完成，效率低、误判率高，费时费力等缺憾。

技术领域：

本发明属于故障检测技术领域，具体涉及一种风力机叶片图像损伤检测和定位方法。

背景技术：

我国风能资源丰富，全国可开发的风能资源约4350GW，风能资源储量居世界前列。我国普及风力发电机(简称“风力机”)速度迅猛，随着中国乃至世界范围内风力机的部署规模不断扩大，其运行状态监测和安全维护工作越来越受到人们关注。风力机安装在风力资源丰富的地方，大多为海边或离海边较近的山顶野外，环境严酷。因此，风力机通常暴露在多变恶劣的环境中，如高空、沙漠、戈壁和海上等。风力机叶片是风力机的主要部件，寒冷、冰雹、雨雪、潮湿、腐蚀、风沙、震动和高温等极端条件会快速导致风力机叶片的损耗。此外，风力机叶片在长期运行过程中由于变化的负载和疲劳应力产生裂纹，存在严重的安全隐患。据统计，风力机叶片损伤是导致风力机停机的主要故障之一。风力机叶片体型巨大，且安装在高空中，需要使用专业工具和经过专业训练的人员才能接近，人工检修和维护难度极大，故而在所有风力机故障中，风力机叶片故障的维修成本最高，维修时间最长。

近年来，公开发表的资料和文献的数量表明：风力机叶片损伤检测、评估和预测等相关领域，正成为国内外科研机构和相关企业的研究热点。国内外学者对风力机叶片在线损伤检测方法进行了大量的探索，目前主流的检测方法包括声发射检测和振动检测两种。

(1)声发射检测

声发射检测是指通过接收和分析材料的声发射信号来评定风力机叶片性能或结构完整性的检测方法。例如，专利CN103389341A公开了一种风力机叶片裂纹检测方法，其特征是：在风力机叶片上安装声发射传感器，并将接收到的声发射信号传递给声发射采集系统，确定信号的采样频率、采样长度、滤波频率；基于Shannon小波熵优化Morlet小波基函数的带宽参数，得到与扩展裂纹和萌生裂纹声发射信号特征匹配的Morlet小波基函数，再计算声发射信号的重分配尺度谱判断裂纹状态；接着根据所提取的裂纹声发射信号的时频特征参数来判定裂纹故障的扩展状态。专利CN107657110A公开了一种大型风力机叶片的疲劳损伤评价方法，其特征是：在风力机叶片上安装声发射传感器，并将接收到的声发射信号传递给声发射采集系统，并对声发射信号进行评价，根据评价集合评定出的疲劳等级从而达到对风力机叶片的疲劳损伤状态的评价并确定叶片疲劳损伤的实时状态。

(2)振动信号检测

振动信号检测是指对结构的振动信号进行检测以反映风力机叶片的健康状态。例如，专利CN110568074A公开了一种基于非接触多点测振与Hilbert变换的风力机叶片裂纹定位方法，其特征是：在风力机叶片上安装振动传感器，采用随机信号激励方式对具有裂纹的风力机叶片进行激振，采集随机信号激励条件下叶片的非线性振动信号，根据随机信号激励条件下激励输入和输出位置振动信号，并对振动信号进行Hilbert变换，确定裂纹位置。专利CN109541028A公开了一种风力机叶片裂纹位置定位检测方法及系统，其特征是：分别采集风力机叶片有无裂纹时的振动响应信号，根据有无裂纹时的振动响应信号计算出现裂纹损伤前后的互信息熵和振动响应非线性程度变化量，并根据变化量确定裂纹位置。