[发明专利]叶尖塔筒净空监测方法

说明书

本发明公开了一种叶尖塔筒净空监测方法，预先撷取包含风机叶片的叶尖和塔筒的影像；获取所述叶尖和塔筒之间的实际净空值L；建立所述叶尖和塔筒之间的实际净空值L与所述影像中塔筒和叶尖之间的像素距离D的映射关系L＝F(D)；实时获取包含所述叶尖和所述塔筒的影像；计算实时获取的所述影像中所述叶尖与塔筒之间的当前像素距离；结合所述叶尖与塔筒之间的当前像素距离和所述映射关系L＝F(D)计算得到当前的实际净空值本发明实现风力发电机的叶尖塔筒净空实时追踪监测。

技术领域

本发明涉及风电技术领域，特别涉及一种叶尖塔筒净空监测方法。

背景技术

叶尖塔筒净空是指风机发电机转动时，叶片经过塔筒时叶片尖端与塔筒间的最小距离。叶片在不同风况下会发生挥舞方向、摆振方向以及扭转方向的形变，为了避免发生形变的叶片触碰到塔筒，在风机设计初期就会模拟仿真各种工况下的叶尖塔筒净空距离，以确保风机正常的运行，避免发生叶片扫塔事故。随着叶片长度的增加，风机对最小净空的要求也越来越严格。

现有的叶尖塔筒净空监测系统至少具有如下问题，其会受恶劣环境下影响，无法获取真实净空值，也无法对叶尖塔筒净空过小的情况进行报警。

发明内容

本发明的目的是提供一种叶尖塔筒净空监测方法，以解决上述问题。

为了解决上述问题，本发明通过以下技术方案实现：

一种叶尖塔筒净空监测方法，包括：预先撷取包含风机叶片的叶尖和塔筒的影像；获取所述叶尖和塔筒之间的实际净空值L；建立所述叶尖和塔筒之间的实际净空值L与所述影像中塔筒和叶尖之间的像素距离D的映射关系 L＝F(D)；实时获取包含所述叶尖和所述塔筒的影像；计算实时获取的所述影像中所述叶尖与塔筒之间的当前像素距离；结合所述叶尖与塔筒之间的当前像素距离和所述映射关系L＝F(D)计算得到当前的实际净空值。

优选地，计算实时获取的所述影像中该叶尖与塔筒之间的当前像素距离的步骤包括：在所述影像中定位叶尖像素；计算所述叶尖的运转轨迹中叶尖像素至塔筒像素最近的像素点；以该像素点至所述塔筒的像素的距离作为当前像素距离。

优选地，采用深度学习目标检测算法在所述影像中定位所述叶尖像素。

优选地，所述采用深度学习目标检测算法在所述影像中定位所述叶尖像素的步骤包括：根据深度学习目标检测算法提取所述叶片的前端位置区域 (x,y,w,h)，其中x,y是叶尖端的点坐标，w和h是叶尖端的宽和高，以前端位置区域的中心点坐标(x+w/2,y+h/2)作为叶尖像素的位置T。

优选地，根据深度学习目标检测算法提取风机叶片的前端位置区域的步骤包括：预先获取用于训练所述深度学习目标检测算法的训练集；将所述影像采用人工画框的方式标定出叶片的前端位置；基于深度学习目标检测算法进行叶片前端区域定位算法的训练，直到Loss收敛，保存训练好的叶片前端检测模型；基于训练好的叶片前端检测模型，对叶片前端进行定位，获取所述叶片的前端位置区域。

优选地，建立所述叶尖和塔筒之间的实际净空值L与所述影像中塔筒和叶尖之间的像素距离D的映射关系L＝F(D)的步骤包括：标定所述影像中塔筒的像素位置P；采用深度学习目标检测算法提取所述影像中所述叶尖的像素位置T；根据所述叶尖的像素位置T和所述风机塔筒的像素位置P计算所述叶尖和风机塔筒的像素距离D；当所述像素距离D为最小值时，建立所述实际净空值L与风机塔筒和所述叶尖之间的像素距离D的映射关系L＝F(D)。

优选地，所述实际净空值L为根据风力发电装置安装的工业标准，获取的所述叶尖在正常运转状态下的所述叶尖和所述风机塔筒之间的净空值。

优选地，所述影像采用视频采集设备采集得到，所述视频采集设备位于风机的机舱底部和风机的轮毂之间，所述机舱底部开设有安装孔，将所述视频采集设备通过所述安装孔固定于所述机舱内部的翻边上，且所述视频采集设备的摄像头位于所述安装孔外部，用于俯拍所述风机叶片的叶尖和塔筒。