[发明专利]一种基于云台拍摄图像的风电叶片表面损伤检测方法

说明书

本发明公开了一种基于云台拍摄图像的风电叶片表面损伤检测方法，涉及叶片检测技术领域；它的检测方法如下：步骤一：对云台运动控制与叶片图像的自动拍摄进行研究；步骤二：对图像校正与去噪技术研究；步骤三：对叶片图像拼接算法研究；步骤四：对叶片图像的损伤检测进行研究；本发明能够得到损伤位置在当前局部图片的相对位置；通过对分割并拼接后的叶片图片中的叶片和实际叶片尺寸进行换算和精度校正后，可以得到损伤在叶片上的绝对位置和面积；在拼接算法实现满足精度要求的情况下，损伤位置和面积的计算可以精确到厘米级，极大的提高了检测精度。

技术领域

本发明属于叶片检测技术领域，具体涉及一种基于云台拍摄图像的风电叶片表面损伤检测方法。

背景技术

我国风力发电机装机量全球第一，但是风力发电效率却不如发达国家。由于我国风力发电机装机量大，日常检修难度大，人员保养维护跟不上，导致风力发电机故障高于其他发达国家。在众多故障中，检测难度最大，维护成本最高的是风力发电机叶片。风力发电机的叶片是捕风机构，叶片作为风力发电机组能量转化的重要部件，保障风力发电机正常运行起到至关重要的作用。叶片主要采用玻璃纤维增强复合材料(Glass Fiber-reinforced Plastic，简称GFRP)或碳纤维增强复合材料(Carbon Fibre-reinforcedPolymer，简称CFRP)制成。复合材料主要优点为轻便、抗冲击性、耐久性和高强度等优势，也被广泛应用在工业、运输、建筑等领域。但是叶片价格昂贵，它的制造成本占到风力发电机总成本的15-20％。随着世界风电发展要求单机容量越来越大，导致叶片也越来越长。5MW以上的风力发电机叶片长达50m以上，7-10KW风力发电机叶片长达60m以上。叶片在服役运行过程中，不仅受到施加外力复杂载荷，还会受到雷电、风沙、飓风、异物撞击等恶劣环境影响，最终导致叶片掉漆、刮伤、边缘裂漆、疲劳断裂。由于叶片断裂事故约占整个风力发电机组事故(叶片断裂、起火、重大事故和结构损坏)的37.2％，说明叶片疲劳断裂是不可忽视的科研课题。因此，为了保证风力发电机的健康运行，开发一种易检测、维护成本低且检测效率高的“叶片表面损伤检测系统”是目前风场安全运维的迫切需求，且具有重要理论研究及市场应用价值。

发明内容

为解决现有为了保证风力发电机的健康运行，开发一种易检测、维护成本低且检测效率高的“叶片表面损伤检测系统”是目前风场安全运维的迫切需求的问题；本发明的目的在于提供一种基于云台拍摄图像的风电叶片表面损伤检测方法。

本发明的一种基于云台拍摄图像的风电叶片表面损伤检测方法，它的检测方法如下：

步骤一：对云台运动控制与叶片图像的自动拍摄进行研究，通过基于Yolo-v5的改进算法检测风电叶片运动位置，使用云台辅助相机采集图像，实现系统自动化采集图像；

步骤二：对图像校正与去噪技术研究，由于采用云台与相机相结合的方式采集图像，导致采集到的图像形成畸变问题，损伤位置与形状出现偏差；因此首先对叶片图像进行预处理，采用透视变换进行图像校正和SRMD去噪，用于减小系统检测偏差；

步骤三：对叶片图像拼接算法研究，将采集到的图像按照顺序进行拼接，拼接后组成完整的风机叶片图像；其中，用改进的全卷积网络算法提取叶片轮廓，并利用现有直线特征算法与我们提出的曲线特征算法相结合，对图像拼接操作；

步骤四：对叶片图像的损伤检测进行研究，采用改进的Mask R-CNN算法实现叶片损伤类型分类与损伤分割，并计算出损伤面积。

与现有技术相比，本发明的有益效果为：

一、能够得到损伤位置在当前局部图片的相对位置；通过对分割并拼接后的叶片图片中的叶片和实际叶片尺寸进行换算和精度校正后，可以得到损伤在叶片上的绝对位置和面积。

二、在拼接算法实现满足精度要求的情况下，损伤位置和面积的计算可以精确到厘米级，极大的提高了检测精度。

附图说明