引言

風電機組工作環(huán)境復雜惡劣,且長期承受交變負荷作用,葉片容易出現(xiàn)裂紋、油漆脫落、磨損等表面缺陷。早期損傷如未被及時發(fā)現(xiàn),有可能在惡劣工況下發(fā)展為機械故障,一旦發(fā)生事故,后果嚴重,風電場為了避免上述問題的發(fā)生,會不定期對并網(wǎng)發(fā)電中的風電機組進行斷網(wǎng)檢修,這種傳統(tǒng)的檢測方式不僅存在效率低、盲區(qū)大、風險大及受人腦主觀影響大等諸多弊端,還會嚴重影響風電場的產(chǎn)值和收益,所以對葉片進行在線健康狀況監(jiān)測和損傷識別研究變得尤為必要。

目前,已有基于各種傳感器,如聲發(fā)射傳感器、振動傳感器、光纖傳感器和超聲傳感器等,在風電機組葉片上的缺陷檢測研究。Tang等人采用聲發(fā)射實現(xiàn)了風電機組葉片結構健康在線監(jiān)測,證實了聲發(fā)射監(jiān)測方法能對在役風電機組葉片損傷提供早期預警。陳娟子采用時分復用和波分復用相結合的方法,利用光纖布拉格光柵實現(xiàn)風電機組葉片健康狀態(tài)的應變監(jiān)測。由于在役風力機組葉片受反射及污垢等環(huán)境因素干擾,導致將該方法運用到在役風電機組葉片在線監(jiān)測一直是個挑戰(zhàn)。以上幾種技術多為離線檢測,且不能從多角度高精度識別出風電機組葉片的表面細節(jié)缺陷。本文利用搭建的相機陣列及其圖像處理系統(tǒng)所采集的風電機組葉片圖像,聯(lián)合圖像識別軟件,提出了一種風電機組葉片缺陷檢測系統(tǒng)。通過相機陣列成像設備采集葉片表面圖像,輸送到圖像識別系統(tǒng)中對圖像進行處理和缺陷提取,以達到葉片快速高效缺陷檢測的目的。

1相機陣列及其圖像處理系統(tǒng)

本文搭建的風電機組葉片缺陷檢測系統(tǒng)由圖像采集系統(tǒng)和圖像識別系統(tǒng)兩部分組成,其中,圖像采集系統(tǒng)包含了高清相機陣列和圖像處理服務器。

風電機組葉片缺陷檢測系統(tǒng)中,相機陣列和圖像處理服務器之間的連接關系如下:（1）相機陣列里面有兩組相機,一組是高清陣列,用來識別缺陷:另一組是定位相機,用來定位葉片是否充滿整個視野范圍,輔助調(diào)整相機陣列的拍攝角度。（2）相機陣列和圖像處理服務器之間通過一根通信線纜連接,方便現(xiàn)場組裝拆卸。（3）相機陣列安裝在三腳架上面,可以調(diào)節(jié)拍攝角度。（4）相機陣列與電腦顯示器之間是網(wǎng)線連接,長度可以達到1000,方便現(xiàn)場布線。（5）考慮到實際現(xiàn)場情況,成像陣列可以架設在葉片正下方,或者架設在塔筒下方,拍攝距離為m56750。

1.1相機陣列成像原理

光學系統(tǒng)成像原理及公式如下:

式中,/'為焦距:7為物方視場:7'為像方視場:1為物距:1'為像距。

本文搭建的相機陣列由7個鏡頭組成,以相機陣列的中心鏡頭為例,設備中使用的鏡頭焦距/'是=500,工作距離1是730,像方視場7'是1381300。根據(jù)以上公式可以計算出物方視場是11.2=0,即單個鏡頭視場為11.2=0。每個鏡頭都以7.59夾角進行排列,7個鏡頭拼接融合后的總視場為74.30。

根據(jù)風電場現(xiàn)場狀況,本文搭建了風電機組葉片圖像采集的相機陣列?，F(xiàn)在以風電機組的塔筒高度=00為例,說明該相機陣列的拍攝原理。相機陣列一般位于距離風電機組塔筒邊約5.50,此時葉片與塔筒夾角為71.m59,相機陣列與葉片的垂直距離為730。

1.2圖像處理系統(tǒng)

本系統(tǒng)對相機陣列中的7臺千兆網(wǎng)相機同時進行圖像采集,可以對圖像進行增益、曝光等調(diào)節(jié):可以實時保存從相機得到的圖像,并保存到硬盤中進行檢測。

拍攝時,風電機組需停機,所拍攝葉片旋轉到與塔筒成729±109夾角。葉片表面朝向地面方向。架設相機陣列,使三腳架固定相機設備高度在1.30以上。相機陣列距離塔筒5.50以內(nèi)。調(diào)整三角架角度,令中間相機與葉片表面保持垂直,同時葉片需全部出現(xiàn)在7個相機視野中。

圖像處理軟件中圖像輸出頁面按照風場-機組/葉片序號/正反面對圖片進行保存。軟件需配合7臺千兆網(wǎng)相機進行使用。

圖像采集系統(tǒng)通過安裝在三腳架上的高清相機陣列,對靜止的風電機組葉片部分進行多角度拍攝,并存儲于計算機。存儲的圖像一方面通過風電機組葉片圖像處理服務器來對其進行檢測,另一方面存入缺陷數(shù)據(jù)庫中,通過人工智能識別系統(tǒng)與來自系統(tǒng)中的缺陷信息進行對比,為最終實現(xiàn)葉片缺陷的準確檢測和葉片質(zhì)量分析報告的輸出做準備。

2現(xiàn)場檢測結果分析

為了驗證本文所搭建相機陣列在風電機組葉片缺陷檢測中的可行性,研究人員于2019年=月份對浙江長興某風電場進行了葉片缺陷檢測試驗。該風電場于201=年10月并網(wǎng)發(fā)電,單臺風機容量為2.2Mw,葉片長度為5=0,塔筒高度為900,質(zhì)保期5年,目前仍在質(zhì)保期內(nèi)。根據(jù)風電場人員反饋,本試驗選擇了巡檢過程中表面缺陷相對較多的3臺風機進行圖像采集工作,每臺風機采集的圖像數(shù)量約200張左右,采集時間大約需要15min。最后針對表面裂痕、表面腐蝕和油漆剝落的缺陷類型,用圖像識別軟件對所采集圖片進行檢測、分類和定位,并針對檢出的缺陷部位進行了現(xiàn)場復核,檢測結果如表1所示。

由檢測結果可知,該檢測系統(tǒng)的缺陷檢出數(shù)比風電場巡檢記錄的缺陷數(shù)量要多,這是因為風電場傳統(tǒng)的巡檢方式是利用高清照相機對葉片進行拍攝,拍攝角度和分辨率有限。經(jīng)過對本系統(tǒng)檢測到缺陷數(shù)的現(xiàn)場復核,裂痕準確率近100%,這與裂痕長度長、識別度高有關:油漆剝落的準確率較低,分析其原因主要是受葉片表面污漬影響所致,同時與圖像識別系統(tǒng)訓練的樣本數(shù)量少有關,一旦有足夠多的訓練樣本,會提高其檢出準確率。本試驗充分驗證了所搭建的基于相機陣列的葉片采集系統(tǒng)在檢測風電機組葉片缺陷上的高精準性。

3結語

本文利用搭建的葉片相機陣列對浙江某風電場進行葉片缺陷檢測試驗,首先利用相機陣列采集系統(tǒng)對現(xiàn)場巡檢中發(fā)現(xiàn)有缺陷的3臺風電機組葉片進行圖像采集,并用圖像識別軟件對所采集的圖像進行缺陷檢測、分類、定位,統(tǒng)計處理結果,與風電場葉片傳統(tǒng)巡檢方法進行對比。根據(jù)試驗對比結果,驗證了本文提出的基于相機陣列與圖像處理服務器結合的缺陷檢測系統(tǒng)對風電機組葉片無損檢測方法的可行性和適用性,驗證了該檢測方法的高效率和高精度等優(yōu)勢。