论文部分内容阅读
风能作为清洁与可再生能源,受到了整个社会的关注并成为传统化石能源的主要代替品之一。近年来,风场建设不断深入,风机装机容量不断上升。风机桨叶是风机能量转换的重要部件,将风能转变为机械能,同时又是风机的主要承载部件,对整个风机安全运行起着关键作用。风机桨叶在不停的运转过程中难免会出现故障,如现场的沙尘对桨叶表面日积月累的侵蚀而造成桨叶出现表面砂眼;桨叶运行不可避免的产生扭转、弯曲、振动等致使风机桨叶出现裂纹或断裂;因风机桨叶安装位置过高而使得桨叶遭受雷击等。在风机桨叶的服役期间需要对风机桨叶的状态能够及时的进行监测,从而及时的诊断故障,防止由于桨叶故障而导致的整个动力系统故障,减少经济损失。为此,我们设计了一套基于巡检图像的风机桨叶检测系统来进行风机桨叶的故障诊断,本文主要从以下几个方面进行研究:1)通过阅读大量的国内外文献及风电场实地考察,对风机桨叶的故障类型及现有检测方式进行分析。现有的主要检测方式有:红外线检测方式、超声波检测方式、声发射检测技术等,此外对桨叶的故障产生原因、修补方法进行研究。2)本文所设计的基于巡检图像的风机桨叶故障检测系统从硬件和软件两部分入手,硬件系统的设计目的在于采集到清晰的风机桨叶的图像,重点与难点在于选择合适的图像采集设备;软件系统在于提高系统的工作效率及故障检出的精确度,重点与难点在于选择合适的图像处理算法,提高系统的准确度。3)对风机桨叶的识别、定位、故障检测算法进行研究,以实现风机桨叶的准确定位与故障检出。本文所用的算法,首先通过灰度化算法简化图像,提高运算效率,然后采用基于最大类间方差法的多分量二值化手段获取最优的预处理效果;然后研究了一种基于形态学和连通域标记的故障定位算法,利用开闭操作及图像差分运算确定故障位置;最后基于目标识别手段确定故障类型及结构信息。