基于机器视觉的风力机叶片损伤检测系统

基于机器视觉的风力机叶片损伤检测系统

何江平

甘肃省特种设备检验检测研究院  甘肃省兰州市  730050

摘要：中外常见的风力机叶片无损检测方法的相关研究包括：声发射、振动、光纤光栅、电阻应变、超声波、红外热成像和机器视觉检测技术等，目前的检测技术存在一定局限性，如应用条件应用范围受限、抗干扰能力差、检测成本较高等。机器视觉检测技术是借助相机代替人眼进行图像获取，搭配图像处理算法对图像进行处理和分析，实现从图像中提取出目标信息并通过识别系统进行评价估计，除具备非接触式无损检测优点，还具有远程检测、低成本、高效率、高精度等优势。机器视觉检测技术应用广泛，如机械中精密零件的无损探伤和质量检测，电子中芯片引脚的尺寸测量及缺陷检测，电气设备如继电器轭铁高精度测量等。本文主要分析基于机器视觉的风力机叶片损伤检测系统。

关键词：风力机叶片；机器视觉;图像识别系统;损伤检测

引言

风能作为发展最快的高效清洁可再生能源，风电装机规模不断扩大，截至2020年底，全球风电总装机规模已达7.44×108kW，中国风电累计装机2.81×108kW，已成为世界装机第一的风电大国。叶片作为风力机的关键部件，其安全可靠性对整个风电机组稳定运行起着至关重要的作用。除自身受力外，受风沙雨雪冲蚀、紫外线辐射等自然因素影响，表面出现砂眼、裂纹、磨损等早期损伤特征，使得叶片气动性能下降，损伤处在雨雪作用后极易受到闪电雷击的破坏，连续作用下造成叶片破裂或断裂酿成叶片事故，增加了运行风险和运维成本，影响风电场经济效益。

1、损伤检测系统工作原理

应用于风力机叶片的机器视觉检测技术，通过相机代替人眼进行图像采集并通过上位机的NIVision选择合适的图像算法进行处理，提取图像信息特征，将处理过的图像通过设计的LabVIEW图像识别系统来完成叶片损伤检测和目标测量，主要用于风力机叶片表面裂纹、表形轮廓损伤等检测和裂纹实际长度的测量并实现数据保存。

2、风机叶片损伤机理及检测方法

2.1风机叶片损伤机理

风机叶轮是风力发电机组中最重要的部件，造价较高，而叶片是其中的关键组成部分，长期处于复杂工作环境下，容易遇到静力风、气动力、重力和离心力等作用的影响，并形成挥舞、摆振、扭转等复杂运动，同时叶片内部也容易发生多个区域、程度不一的损伤。在叶片上长期作用的荷载存在交变性与随机性等特点，从而导致叶片出现疲劳破坏。此外，叶片使用中也面临沙粒冲刷、紫外线照射等影响，并存在大气氧化和腐蚀、海洋潮湿空气腐蚀等问题。对复合材料叶片来说，在以上因素影响下，会导致复合材料结构发生脱层、纤维断裂等损伤，且成型工艺期间也容易出现质量不稳定、复杂性造成的初始缺陷等。多种损伤的生成、扩展以及演化，将导致叶片安全性与可靠性面临巨大威胁，也导致复合材料叶片使用寿命缩短。

2.2风机叶片损伤检测一般方法

分析复合材料探伤一般主要包括目视法、锤击法、超声波检测、激光检测、热成像检测和声发射检测等方法，能够对材料损伤进行有效检测。对上述方法来说，需要应对测量精度、环境要求、成本控制等问题，必须结合实际情况进行研究，综合对比多种测量方案后合理选择，设计专门的风机叶片振动检测系统。此外，还要科学确定测量工具、数据通信工具以及信号处理软件等，创建与实际情况相符的检测平台，运用先进信号分析方法，形成最佳的叶片损伤检测方法。

3、基于热力学原理的叶片监测技术

红外热成像主要通过物体表面的光辐射来获取物体各部分温度分布，并将物体热辐射特点转换成图像来记录物体表面热辐射的变化，通过表面热辐射变化来分析物体损伤状况。对于叶片来说，其结构损伤会影响热波传导过程，进而导致叶片表面温度发生变化，故通过红外热成像能够进行叶片损伤识别，非常适用于叶片表面及亚表面裂纹和剥落等损伤类型的监测。红外热成像具有较好的实时性和准确性，其在静态风力机叶片监测中已趋于成熟。在实验室通过监测叶根状态来开展叶片疲劳检测，因随着疲劳循环次数增加，叶片内部摩擦产生热能被红外热像仪探测，热成像信息可实现高应变区域定位，该方法已成功在13.1m环氧树脂复合材料叶片及4.25m拉挤玻璃纤维叶片中得到应用。将基于热成像原理的DeltaTherm系统放在13.4m的玻璃钢叶片下方进行疲劳实验，该方法可识别夹层区域的裂纹、根部分层和后缘裂纹。但对在役风力机叶片而言，因受反射、污垢及表面不均匀等环境因素干扰导致叶片发生热辐射的变化量远大于损伤引起的改变量，故对在役风力机叶片的在线监测一直是难点。近年来，通过环境干扰最小化来改进红外热图像分析方法，并在旋转叶片上验证了该方法实现状态监测的可行性。将主动式和被动式红外热成像技术应用于旋转叶片的在线监测。在实验室使用红外热成像监测旋转加热叶片表面的温度变化，通过与CDF数值结果对比研究旋转叶片的流场特性。在恒温恒湿环境下，用红外热成像仪记录了长200mm、宽30mm复合材料风力机叶片样板裂纹扩展过程。随着现代红外热成像仪对温度感应的精度和灵敏度提高，配合广角镜头，测量面越来越大，红外热成像技术在超大功率风力机叶片损伤在线监测方面有了一定的发展。但该技术不能实现叶片的深层结构损伤检测，且成本较高。

4、损伤检测

通过叶片裂纹和轮廓损伤等部分识别颜色各不相同，运用LabVIEW识别函数(Classification)进行识别分析，由于识别函数在LabVIEW的NIVision中，生成vi后无法进行参数修改和标定，可直接选择系统调用程序，选择图像中感兴趣部分(regionofinterest)进行识别，损伤检测系统主要针对风力机叶片的裂纹和轮廓损伤处进行识别。由LabVIEW系统主界面图中损伤检测系统可以看出，选择需要识别的损伤叶片进行识别，损伤检测识别系统将检测到的裂纹处进行矩形框标记并将裂纹数目统计在系统界面右侧的结果分析。将检测到的轮廓损伤通过红色标记线沿损伤轮廓进行标记，通过预实验，当阈值参数设定为4像素时，轮廓损伤识别效果最好，当损伤叶片识别参数超过设定阈值，进行报错，系统显示红灯，提示叶片存在轮廓损伤，当识别参数未超过设定阈值，系统显示绿灯，叶片不存在轮廓损伤，轮廓参数分析图和轮廓损伤提示灯在结果分析中实时显示。系统主界面能清楚观察叶片损伤位置、类型和损伤数目等。经过类型识别模块处理后，还需要对裂纹损伤长度进行测量估计。为此，运用LabVIEW视觉功能中的线条轮廓函数，选择测量部分，标定一条直线。通过比例尺参数标定，进行实际长度转换，实现叶片裂纹目标实际长度的测量并记录，由LabVIEW系统主界面图中测量计算系统可以看出函数值和裂纹记录面板，能清楚观察面板得到每条裂纹的实际长度值，并通过保存按钮进行数据保存备份。

结束语

综上所述，针对风力机叶片表面出现的磨损等早期损伤特征，考虑到现役风力机叶片运行特点，通过实验室搭建平台完成图像采集，通过图像处理技术，包括颜色平面提取、滤波、阈值分割、数学形态学去噪等操作完成特征提取，并设计LabVIEW智能图像识别系统，对损伤进行识别、标记、计数和测量，基于机器视觉和图像处理技术对风力机叶片的损伤检测系统进行研究，完成叶片损伤检测实验并对结果进行分析，实现无损探伤，为兆瓦级风力机叶片损伤检测提供方法借鉴和技术支持。

参考文献：

［1］王健，张永，高靖，等．基于红外热成像技术的风力机叶片检测综述［J］．内蒙古农业大学学报(自然科学版)，2021，42(3):115-120.

［2］曹旭明，冯浩，曹利钢，等．基于机器视觉螺栓类零件参数在线质检系统［J］．控制工程，2021，28(6):1187-1194.

［3］杨桂华，唐卫卫，卢澎澎，等．基于机器视觉的芯片引脚测量及缺陷检测系统［J］．电子测量技术，2021，44(18):136-142.

［4］张涛，刘玉婷，杨亚宁，等．基于机器视觉的表面缺陷检测研究综述［J］．科学技术与工程，2020，20(35):14366-14376.

［5］王雪平，张建斐，李万润，等．基于机器视觉的风电叶片风沙侵蚀程度检测方法研究［J］．太阳能学报，2020，41(5):166-173.