[发明专利]一种风力机叶片裂纹诊断方法及装置在审

专利信息
申请号: 202010542700.9 申请日: 2020-06-15
公开(公告)号: CN111833307A 公开(公告)日: 2020-10-27
发明(设计)人: 王文韫;邹龙洲;郭迎福;全伟铭;张磊安 申请(专利权)人: 湖南科技大学
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06N3/04;F03D17/00
代理公司: 长沙和诚容创知识产权代理事务所(普通合伙) 43251 代理人: 戴亚
地址: 411201 *** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 风力机 叶片 裂纹 诊断 方法 装置
【权利要求书】:

1.一种风力机叶片裂纹诊断方法,其特征在于,该风力机叶片裂纹诊断方法包括:

获取双目摄像设备以预设帧率连续采集的风力机叶片在施加预设激励下的多张叶片图像;其中,风力机叶片上设置有多个标志;

对叶片图像上的标志进行识别并确定标志的空间坐标,以生成标志的空间振动数据;空间振动数据包括:标志分别在空间坐标系的X轴、Y轴、Z轴方向上的振动数据;

从标志的空间振动数据中截取连续的预设帧数据,作为初始数据;其中,每一帧叶片图像对应一帧数据;

将初始数据中各个标志在X轴、Y轴、Z轴方向上的振动数据对应地映射到图像上的R、G、B分量上,以生成融合有各个标志振动信息的融合图像;

根据融合图像对风力机叶片裂纹进行诊断。

2.根据权利要求1所述的风力机叶片裂纹诊断方法,其特征在于,所述根据融合图像对风力机叶片裂纹进行诊断具体为:

将融合图像输入预先训练好的卷积神经网络,以获得对风力机叶片裂纹诊断结果。

3.根据权利要求2所述的风力机叶片裂纹诊断方法,其特征在于,所述卷积神经网络包括:五个卷积层、三个池化层、三个全连接层以及一个softmax分类器;其中,第一个卷积层中采用大小和步长都为1×1的卷积核进行采样;卷积层中,最后一层采用LReLu激活函数,其他层采用Relu激活函数;在全连接层部分,采用两个Dropout和两个完全连接层的结构。

4.根据权利要求2或3所述的风力机叶片裂纹诊断方法,其特征在于,所述将初始数据中各个标志在X轴、Y轴、Z轴方向上的振动数据对应地映射到图像上的R、G、B分量上,以生成融合有各个标志振动信息的融合图像,具体包括:

将初始数据中各个标志在X轴、Y轴、Z轴方向上的振动数据进行归一化处理,并转换成8位无符号整数类型;变换式如下:

其中,u(i)代表第i个标志在X轴、Y轴、Z轴中其中一个方向上的振动数据;

根据转换后的振动数据生成包含有R、G、B分量的融合图像;其中,融合图像中的R、G、B分量均包含若干行,R分量中每一行对应一个标志在X方向上的振动数据;G分量中每一行对应一个标志在Y方向上的振动数据;B分量中每一行对应一个标志在Z方向上的振动数据。

5.根据权利要求4所述的风力机叶片裂纹诊断方法,其特征在于,还包括步骤:

将归一化转换后的振动数据按时间方向进行倒序,并以此生成逆向的R、G、B分量;

在融合图像上设置交替出现的正向数据图和逆向数据图;其中,正向数据图包含按时间正向顺序的R、G、B分量;逆向数据图包含逆向的R、G、B分量。

6.根据权利要求5所述的风力机叶片裂纹诊断方法,其特征在于,采用基于不同故障状态的多个风力机叶片生成的融合图像作为训练样本集对卷积神经网络进行训练。

7.根据权利要求1所述的风力机叶片裂纹诊断方法,其特征在于,双目摄像设备包括:两个高速工业相机、LED直流光源、存储硬件。

8.根据权利要求1所述的风力机叶片裂纹诊断方法,其特征在于,空间坐标系的坐标原点位于其中一个标志处;当风力机叶片处于横向水平位置时,空间坐标系的X轴设置成水平方向,Y轴设置成竖直方向,Z轴垂直于X轴和Y轴所构成的平面。

9.根据权利要求8所述的风力机叶片裂纹诊断方法,其特征在于,风力机叶片上所施加激励的方向为Z轴方向。

10.一种风力机叶片裂纹诊断装置,其特征在于,包括:

获取模块,用于获取双目摄像设备以预设帧率连续采集的风力机叶片在施加预设激励下的多张叶片图像;其中,风力机叶片上设置有多个标志;

数据生成模块,用于对叶片图像上的标志进行识别并确定标志的空间坐标,以生成标志的空间振动数据;空间振动数据包括:标志分别在空间坐标系的X轴、Y轴、Z轴方向上的振动数据;

截取模块,用于从标志的空间振动数据中截取连续的预设帧数据,作为初始数据;其中,每一帧叶片图像对应一帧数据;

映射模块,用于将初始数据中各个标志在X轴、Y轴、Z轴方向上的振动数据对应地映射到图像上的R、G、B分量上,以生成融合有各个标志振动信息的融合图像;

诊断模块,用于根据融合图像对风力机叶片裂纹进行诊断。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南科技大学,未经湖南科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010542700.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top