基于热红外图像的风力机叶片损伤识别方法研究

doi:10.19912/j.0254-0096.tynxb.2020-0592

太阳能学报 ›› 2022, Vol. 43 ›› Issue (2): 492-497.DOI: 10.19912/j.0254-0096.tynxb.2020-0592

基于热红外图像的风力机叶片损伤识别方法研究

尹玉, 张永, 王健, 吴国境, 苏力德, 王超誉

内蒙古农业大学机电工程学院,呼和浩特 010018

收稿日期:2020-06-27 出版日期:2022-02-28 发布日期:2022-08-28
通讯作者: 王健（1984—）,男,博士、讲师,主要从事风力发电机组故障诊断与测试方面的研究。wj707115@126.com
基金资助:
草原英才“现代农牧业工程新技术研发及应用创新人才团队”（内组通字 [2018] 19号）; 内蒙古科技计划项目“风电机组叶片健康监测与维护关键技术研究” 内蒙古农业大学高层次人才引进科研启动项目（NDGCC2016-03）; 中国博士后科学基金（2018M643777XB）

RESEARCH ON WIND TURBINE BLADE DAMAGE IDENTIFICATION METHOD BASED ON THERMAL INFRARED IMAGE

Yin Yu, Zhang Yong, Wang Jian, Wu Guojing, Su Lide, Wang Chaoyu

College of Mechanical and Electrical Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China

Received:2020-06-27 Online:2022-02-28 Published:2022-08-28

摘要/Abstract

摘要： 针对风力发电机叶片损伤人工检测效率低,受作业人员业务水平制约等因素影响大的问题,提出一种基于热红外图像的风力机叶片损伤识别以及损伤位置判定和损伤大小计算的方法,通过数字图像处理技术在Matlab 2019b平台开发实现。对附有人工损伤的风力机叶片热红外图像采用对比度拉伸、Gabor滤波、二值化阈值分割等方法提取损伤特征,叶片的磨损损伤利用质心确定其位置,裂纹损伤通过2个端点来表征损伤位置。最后根据磨损区域图像面积和裂纹长度,通过几何光学透镜成像法计算损伤大小。该方法实现了风力机叶片损伤的自动识别与测量,提高了风力机叶片损伤的检测效率。通过实验验证,该方法在风力机叶片损伤识别中具有较高的精确性。

关键词: 风力机, 叶片, 红外热成像, 图像处理, 损伤识别

Abstract: A calculation method to identify the damage, damage position and size of the wind turbine blade based on thermal infrared image is put forward in this paper to tackle the problems of manual detection efficiency low and the large influence caused by operators. It has been developed and achieved on the Matlab 2019b platform through digital image processing technology. It adopts the contrast stretch, Gabor filtering and binarization threshold segmentation to extract the damage features from the thermal infrared image of wind turbine blade with artificial damage, locates the position of abrasive damage through center of mass, and represents the damage position of cracks through two endpoints. The method makes the automatic identification and measurement of the damage for the wind turbine blade, which improves the detection efficiency of such damage. Experimental results show that this method has high accuracy in wind turbine blade damage identification.

Key words: wind turbines, blades, infrared thermal imaging, image processing, damage identification

中图分类号:

TK83

尹玉, 张永, 王健, 吴国境, 苏力德, 王超誉. 基于热红外图像的风力机叶片损伤识别方法研究[J]. 太阳能学报, 2022, 43(2): 492-497.

Yin Yu, Zhang Yong, Wang Jian, Wu Guojing, Su Lide, Wang Chaoyu. RESEARCH ON WIND TURBINE BLADE DAMAGE IDENTIFICATION METHOD BASED ON THERMAL INFRARED IMAGE[J]. Acta Energiae Solaris Sinica, 2022, 43(2): 492-497.

参考文献

[1] JIANG Z M.Reflections on energy issues in China[J]. Journal of Shanghai Jiao Tong University(science), 2008, 13: 257-274.
[2] 吴翔. 我国风力发电现状与技术发展趋势[J]. 中国战略新兴产业, 2017(11): 225.
WU X.China's wind power generation status and technology development trend[J]. China strategic emerging industry, 2017(11): 225.
[3] 羊森林, 赵萍, 王峰, 等. 大型风电叶片缺陷及其无损检测技术研究[J]. 东方汽轮机, 2012(1): 26-34.
YANG S L, ZHAO P, WANG F, et al.Study on the defects of large-scale wind power blades and non-destructive testing technology[J]. Dongfang turbine, 2012(1): 26-34.
[4] 仇梓峰. 基于计算机视觉的风机叶片表面损伤检测研究[D]. 北京: 北京交通大学, 2019.
QIU Z F.Research on blade surface damage detection of wind turbine based on computer vision[D]. Beijing: Beijing Jiaotong University, 2019.
[5] 琦格琦. 基于红外热成像技术的风力机叶片涂层损伤监测的研究[D]. 呼和浩特: 内蒙古农业大学, 2019.
QI G Q.The study on damage testing of the damaged paint coat of the blades of wind turbine generates with the employment of infrared thermal imaging technique[D]. Hohhot: Inner Mongolia Agricultural University, 2019.
[6] MÁRQUEZ F P G, TOBIAS A M, PÉREZ J M P, et al.Condition monitoring of wind turbines:Techniques and methods[J]. Renewable energy, 2012, 46(5): 169-178.
[7] 仇梓峰, 王爽心, 李蒙. 基于无人机图像的风力发电机叶片缺陷识别[J]. 发电技术, 2018, 39(3): 277-285.
QIU Z F, WANG S X, LI M.Defect detection of wind turbine blade based on unmanned aerial vehicle-taken images[J]. Power generation technology, 2018, 39(3): 277-285.
[8] 张建斐. 基于机器视觉的风力发电机叶片表面缺陷检测研究[D]. 兰州: 兰州理工大学, 2018.
ZHANG J F.Study on detecting surface defects of wind turbine blade based on machine vision[D]. Lanzhou: Lanzhou University of Technology, 2018.
[9] 徐灵鑫. 风力发电机叶片表面缺陷检测的研究[D] . 杭州: 中国计量学院, 2015.
XU L X.Study on surface defect detection of wind turbine blades[D]. Hangzhou:China Jiliang University, 2015.
[10] 张磊. 基于计算机视觉的风力机叶片缺陷诊断研究[D]. 武汉: 华中科技大学, 2013.
ZHANG L.Research on wind turbine blade defect diagnose based on computer vision[D]. Wuhan: Huazhong University of Science and Technology, 2013.
[11] 翟永杰, 张木柳, 乔弘, 等. 基于显著性检测的风机叶片裂纹提取研究[J]. 南方能源建设, 2016, 3(2): 136-140.
ZHAI Y J, ZHANG M L, QIAO H, et al.Research on extraction of fan blade crack based on salient region detection[J]. Southern energy construction, 2016, 3(2): 136-140.
[12] 郑凯, 江海军, 陈立. 红外热波无损检测技术的研究现状与进展[J]. 红外技术, 2018, 40(5): 401-411.
ZHENG K, JANG H J, CHEN L.Infrared thermography ndt and its development[J]. Infrared technology, 2018, 40(5): 401-411.
[13] 吴国境. 基于红外热像技术的风力机叶片损伤检测研究[D]. 呼和浩特: 内蒙古农业大学, 2020.
WU G G.Research on wind turbine blade damage detection based o n infrared thermal imaging technology[D]. Hohhot: Inner Mongolia Agricultural University, 2020.
[14] 杨茂祥. 低照度环境下彩色图像增强算法研究[D]. 南京: 南京邮电大学, 2019.
YANG M X.Research on color image enhancement algorithms in low light conditions[D]. Nanjing: Nanjing University of Posts and Telecommunications, 2019.
[15] 葛彬, 周宁宁. 基于MMTD的保留灰度值的直方图均衡化[J]. 计算机技术与发展, 2012(12): 63-66.
GE B,ZHOU N N.Gray value retention histogram equalization based on MMTD[J]. Computer technology and development, 2012(12): 63-66.
[16] 李灿林, 刘金华, 宋胜利, 等. 基于粒子群优化的红外图像增强方法[J]. 科学技术与工程, 2019, 19(15): 219-225.
LI C L, LIU J H, SONG S L, et al.Infrared image enhancement method based on particle swarm optimization[J]. Science technology and engineering, 2019, 19(15) : 219-225.
[17] 刘玉婷, 陈峥, 付占方, 等. 基于CLAHE的红外图像增强算法[J]. 激光与红外, 2016(10): 1290-1294.
LIU Y T, CHEN Z, FU Z F, et al.Infrared image enhancement algorithm based on CLAHE[J]. Laser & infrared , 2016(10): 1290-1294.
[18] 汤晓庆, 黄开兴, 秦元庆, 等. 基于Gabor滤波器和HOG特征的织物疵点检测[J]. 计算机测量与控制, 2018, 26(9): 39-42, 47.
TANG X Q, HUANG K X, QIN Y Q, et al.Fabric defect detection based on Gabor filter and HOG feature[J]. Computer measurement & control, 2018, 26(9): 39-42, 47.
[19] PETKOV N, WIELING M B.Gabor filter for image processing and computer vision[D]. Groningen: University of Groningen, 2008.

基于热红外图像的风力机叶片损伤识别方法研究

RESEARCH ON WIND TURBINE BLADE DAMAGE IDENTIFICATION METHOD BASED ON THERMAL INFRARED IMAGE

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	潘月月, 李正农, 徐海华, 王艳茹, 蒲鸥. 沿海滩涂风力机近尾流风速分布特性研究[J]. 太阳能学报, 2022, 43(9): 193-201.
[2]	覃锴, 伊鹏辉, 刘兆方, 黄典贵. 基于多岛遗传算法的钝尾缘翼型多目标优化设计[J]. 太阳能学报, 2022, 43(9): 218-225.
[3]	王培麟, 刘青松, 缪维跑, 李春, 罗帅, 李根. 尾缘非定常射流襟翼对垂直轴风力机气动特性影响研究[J]. 太阳能学报, 2022, 43(9): 242-250.
[4]	张建伟, 汪建文, 闫思佳, 杜运超, 王赢政. 偏航速度对风力机功率及叶片应力的影响研究[J]. 太阳能学报, 2022, 43(9): 273-279.
[5]	王景华, 张磊安, 李成良, 黄雪梅, 刘卫生, 李建伟. 基于改进的显式算法对叶片模具翻转架的失效调查[J]. 太阳能学报, 2022, 43(9): 302-307.
[6]	郑玉巧, 马辉东, 卢秉喜. 铺层材料单层厚度对风力机叶片低阶模态频率的影响分析[J]. 太阳能学报, 2022, 43(9): 337-342.
[7]	杨从新, 张志梅, 王强, 张建梅, 赵斌, 凌祖光. 风剪切下塔影效应对水平轴风力机叶片及风轮气动载荷的影响[J]. 太阳能学报, 2022, 43(8): 253-259.
[8]	魏静, 郭剑鹏, 张世界, 徐子扬, 闫俊慧, 吉科峰. 大型风力机齿轮传动系统机电耦合动态特性研究[J]. 太阳能学报, 2022, 43(8): 300-308.
[9]	杨微, 柴毅, 郑杰, 刘杰. 基于并联自适应陷波器的风力发电机组塔架振动频率跟踪[J]. 太阳能学报, 2022, 43(8): 309-315.
[10]	马伟栋, 高丙朋, 杨武帮, 张治国. 引入权值修正预测控制的风电叶片自适应组合抑振策略研究[J]. 太阳能学报, 2022, 43(8): 382-390.
[11]	刘杰, 杨娜, 谭玉涛, 孙兴伟. 基于WD-LSTM的风电机组叶片结冰状态评测[J]. 太阳能学报, 2022, 43(8): 399-408.
[12]	李治国, 高志鹰, 张雅静, 张立茹, 汪建文. 基于Theodorsen理论的新型动态失速预测模型及其应用[J]. 太阳能学报, 2022, 43(8): 409-414.
[13]	和营, 王渊博, 段嘉豪, 李建伟, 张磊安, 黄雪梅. 风电叶片子部件测试平台构建及拉挤板材力学特性研究[J]. 太阳能学报, 2022, 43(8): 415-421.
[14]	张晓雪, 高志鹰, 苏日娜, 张翠青, 汪建文. 基于塔筒添加螺旋线的风力机降噪性能优化研究[J]. 太阳能学报, 2022, 43(8): 422-429.
[15]	包道日娜, 王鹏, 吴胜胜, 刘智峰, 王天博, 刘恒鑫. 新型变桨风力机关键部件载荷特性试验研究[J]. 太阳能学报, 2022, 43(7): 242-248.