[发明专利]基于机器视觉图像对电力系统风力发电机叶片表面点蚀故障进行诊断的方法

摘要

本发明公开了基于机器视觉图像对电力系统风力发电机叶片表面点蚀故障进行诊断的方法，包括步骤一、划分风力发电机叶片，获得叶片基元；步骤二、对风力发电机叶片基元进行拍照，并对背景进行剔除；步骤三、对图像基元进行特征提取；步骤四、提出一种神经网络聚类—LLE流行学习算法对提取的多维图像特征进行降维；步骤五、通过实验获取风力机叶片正常状态图像基元以及表面点蚀故障图像基元；步骤六、使用训练数据库对故障诊断所用的支持向量机进行训练；步骤七、使用步骤六中训练好的支持向量机对风力发电机叶片基元的表面是否存在点蚀故障进行诊断；步骤八、对所有的叶片基元均进行步骤二、三、四、七的操作，直至完成整片叶片的点蚀诊断。

主权项

基于机器视觉图像对电力系统风力发电机叶片表面点蚀故障进行诊断的方法，包括如下步骤：步骤一、划分风力发电机叶片，获得叶片基元；步骤一的具体过程如下：首先，采用在风力发电机叶片表面涂上色带的方法对整个叶片进行区域划分，划分成N个子区域，其中N≥1，任意一个子区域均称为叶片基元；步骤二、在风力机上安装工业摄像设备，定时对风力发电机叶片基元进行拍照，并对背景进行剔除，对叶片基元背景剔除后的结果图像进行二次划分成图像基元；步骤二的具体过程如下：首先在风力机上安装工业摄像设备，定时对风力发电机叶片基元进行拍摄，获得叶片基元的原始图像；然后，将原始图像经过灰度处理，由彩色图变为灰度图，得到叶片基元的灰度图像；再通过采用Roberts轮廓提取方法对灰度图像进行叶片基元轮廓提取，得到叶片基元的二值图像，该二值图像中叶片基元为白色前景，其余部分为黑色背景；进一步，对二值图像进行形态学处理，达到初步去噪的效果，获得初步去噪图像；进而，在初步去噪图像中，采用二值图像连通区域标记法，对初步去噪图像执行两次扫描，第一次扫描通过逐行扫描像素，判断像素之间的相邻关系，对属于同一连通区域的像素赋予相同的连通标号；第二次扫描消除重复的标记，合并属于同一连通区域但是具有不同标记号的子区域，通过两步扫描找到区域面积最大的白色8连通区域，该最大的白色8连通区域就是所要获得的风力发电机叶片基元图像区域；进一步地，从原始图像中抠除去风力发电机叶片基元图像区域之外的区域，达到剔除背景的目的，同时能够得到风力发电机的叶片基元结果图像；最后，通过在叶片中做标记点对叶片基元背景剔除后的结果图像进行二次划分成图像基元；步骤三、对图像基元进行特征提取；步骤三的具体过程如下：对图像基元库采用基于双树复小波分析的图片特征算法提取对图像基元进行特征提取，得到图像基元的数据特征；步骤四、采用神经网络聚类—LLE流行学习算法对提取的多维图像特征进行降维；步骤四的具体过程如下：首先，通过模糊聚类将特征提取结果数据分为n类，进而得到各个类聚类中心和个体模糊隶属度；然后，根据模糊聚类的结果选择最靠近每类中心的样本作为广义神经网络聚类的训练样本；使用训练数据训练广义神经网络；广义神经网络预测模块用训练好的网络预测所有输入样本数据的输出序列；进一步的，按照网络预测输出序列Y把样本数据X分为n类，然后求出每类内所有样本平均值、所有样本X到中心支的距离，从距离矩阵选择距离最小的M个样本作为一组，设定其对应的网络输入为i；这样再次得到了n×m组网络训练数据，其输入数据为原始数据，输出数据为类别特征数据；得到样本类别个数，样本中心和每类样本的个数；最后，由得到的样本类别个数、样本中心、每类样本的个数及特征数据，用LLE算法对数据进行降维处理，得到数据降维结果；步骤五、通过实验获取风力机叶片正常状态图像基元以及表面点蚀故障图像基元，并对这些图像基元进行步骤三和步骤四的操作，得到降维结果数据作为训练数据库；步骤六、使用训练数据库对故障诊断所用的支持向量机进行训练；步骤六的具体过程如下：首先，把训练数据库中的数据作为训练数据；然后，采用训练数据对支持向量机进行训练，获得训练好的支持向量机；该步骤六中支持向量机的训练采用标准支持向量机算法，具体训练步骤如下：(1)设训练集T＝{(x1,y1),(x2,y2),…(xl,yl)}∈(X,Y)l其中xi∈X∈RP，yi∈Y＝{‑1,1}，i＝1,…l；xi为图像基元的数据降维结果构成的向量；如果xi对应的图像基元上存在叶片点蚀，则yi为1，否则yi为‑1；(2)求解最优化问题(1.1)，得最优解：minα12Σi=1lΣj=1lyiyjαiαj(xi·xj)-Σi=1lαis.t.Σi=1lyiαi=0,αi≥0,i=1,...,l.---(1.1)]]>其中αi为引入的中间变量，为与每个训练数据对应的乘子；(3)选择α*的正分量，计算b*=yj-Σi=1lyiαi*(xi·xj)]]>其中b*为引入的中间变量，是分类阈值；(4)构造线性最优分类超平面，得出决策函数：f(x)=sgn(Σi=1lai*yi(x·xi)+b*);]]>步骤七、使用步骤六中训练好的支持向量机对风力发电机叶片基元的表面是否存在点蚀故障进行诊断；步骤七的具体过程如下：把风力发电机叶片基元经步骤二、三、四获得的图像基元数据降维结果作依次为变量x代入步骤四获得的决策函数，由决策函数的值来判断该发电机叶片基元是否存在表面点蚀故障，若决策函数的值为1则表示存在叶片点蚀，若决策函数的值为‑1则表示不存在叶片点蚀；步骤八、对所有的叶片基元均进行步骤二、三、四、七的操作，直至完成整片叶片的表面点蚀故障诊断。