[发明专利]风力机叶片裂纹检测方法

说明书

技术领域

本发明涉及一种风力发电机叶片的检测方法，特别是涉及一种检测风力发电机叶片表面微细裂纹的风力机叶片裂纹检测方法。

背景技术

叶片是风力机获取风能的关键部件，在严苛的自然环境中运行时不仅承受离心力、弯曲应力、空气动力、热应力等作用，还受到冰霜雨雪的冲蚀和雷击闪电的破坏，风力机叶片在急剧变化的重载荷下连续运行时极易造成主梁、表面蒙皮、粘接材料的开裂、变形、脱落和断裂，给整个机组的安全运行带来严重威胁，甚至导致重大事故的发生，叶片裂纹成为大规模风电场中普遍存在的安全隐患。

目前国外利用有限元仿真与断裂力学方法可预测风力机叶片发生裂纹的大致时间和剩余寿命。但由于这些方法无法确定风力机叶片初始裂纹所产生的微弱的、不稳定的信号特征，而且风力机叶片经常在变矩、偏航、停机、启动等工况下长期运转，复杂的随机载荷分布和严峻的野外气象条件增加了断裂力学计算难度，因此需要寻找一种新的风力机叶片裂纹检测方法，从而达到监测叶片损伤状态和预测损伤趋势的作用。

声发射检测技术在风力机叶片裂纹检测中有较大优势，但是风力机叶片裂纹声发射信号经过放大、滤波、隔离传输、类型变换以及远距离输送后，淹没在采集的混合信号中，由于受到传播路径、玻璃钢复合材料属性、传感器耦合剂特性等因素的影响，风力机裂纹声发射信号表现出明显的非线性和非平稳特性，导致分析和提取声发射源特征参数存在困难，采用传统的滤波方法往往无法恢复原始信号的特征。而且，传统的声发射检测技术认为信号是以某一固定速度传播的，而风力机叶片的复合材料具有较强的各向异性，这将导致常规声发射参数与声发射源状态对应的评价机制难以明晰。

发明内容

本发明的目的就在于克服现有技术存在的上述不足，针对微细裂纹声发射信号特征难以提取和风力机叶片特殊材料性质的问题，提出一种新的风力机叶片裂纹检测方法。该检测方法通过提取裂纹声发射信号特征参数，进而根据提取的特征量来定量诊断风力机叶片裂纹的发展趋势，并由此明确裂纹状态与声发射信号特征参数的关联机制，既避免了复杂力学计算求解的难题，也克服了传统信号处理方法无法提取多耦合信号微细特征的问题，并且能够明晰裂纹状态与特征参数的评价机制，达到早期发现风力机叶片裂纹故障并能够准确判定裂纹状态的目的。

本发明给出的技术方案是：这种风力机叶片裂纹检测方法，其特点是有以下步骤：

(1)首先在风力机叶片上安装声发射传感器，并将接收到的声发射信号传递给声发射采集系统(采用的是美国PAC公司的PCI-2声发射采集系统)，确定信号的采样频率、采样长度、滤波频率等采集参数；

(2)然后基于Shannon小波熵优化Morlet小波基函数的带宽参数，得到与扩展裂纹和萌生裂纹声发射信号特征匹配的Morlet小波基函数，再计算声发射信号的重分配尺度谱判断裂纹状态，即通过Shannon小波熵优化和重分配尺度谱信号处理的程序提取风力机叶片扩展裂纹和萌生裂纹声发射信号的时频特征参数；

(3)接着根据所提取的裂纹声发射信号的时频特征参数来判定裂纹故障的扩展状态。

本发明的步骤(2)中的shannon小波熵优化和重分配尺度谱信号处理的程序计算有以下步骤：

(1).按照式(5)提取小波系数

Wx(a,b;ψ)=∫-∞∞x(t)ψa,b(t)dt---(5)]]>