相机阵列在风电机组叶片缺陷检测系统中的应用

引言

风电机组工作环境复杂恶劣,且长期承受交变负荷作用,叶片容易出现裂纹、油漆脱落、磨损等表面缺陷。早期损伤如未被及时发现,有可能在恶劣工况下发展为机械故障,一旦发生事故,后果严重,风电场为了避免上述问题的发生,会不定期对并网发电中的风电机组进行断网检修,这种传统的检测方式不仅存在效率低、盲区大、风险大及受人脑主观影响大等诸多弊端,还会严重影响风电场的产值和收益,所以对叶片进行在线健康状况监测和损伤识别研究变得尤为必要。

目前,已有基于各种传感器,如声发射传感器、振动传感器、光纤传感器和超声传感器等,在风电机组叶片上的缺陷检测研究。Tang等人采用声发射实现了风电机组叶片结构健康在线监测,证实了声发射监测方法能对在役风电机组叶片损伤提供早期预警。陈娟子采用时分复用和波分复用相结合的方法,利用光纤布拉格光栅实现风电机组叶片健康状态的应变监测。由于在役风力机组叶片受反射及污垢等环境因素干扰,导致将该方法运用到在役风电机组叶片在线监测一直是个挑战。以上几种技术多为离线检测,且不能从多角度高精度识别出风电机组叶片的表面细节缺陷。本文利用搭建的相机阵列及其图像处理系统所采集的风电机组叶片图像,联合图像识别软件,提出了一种风电机组叶片缺陷检测系统。通过相机阵列成像设备采集叶片表面图像,输送到图像识别系统中对图像进行处理和缺陷提取,以达到叶片快速高效缺陷检测的目的。

1相机阵列及其图像处理系统

本文搭建的风电机组叶片缺陷检测系统由图像采集系统和图像识别系统两部分组成,其中,图像采集系统包含了高清相机阵列和图像处理服务器。

风电机组叶片缺陷检测系统中,相机阵列和图像处理服务器之间的连接关系如下:（1）相机阵列里面有两组相机,一组是高清阵列,用来识别缺陷:另一组是定位相机,用来定位叶片是否充满整个视野范围,辅助调整相机阵列的拍摄角度。（2）相机阵列和图像处理服务器之间通过一根通信线缆连接,方便现场组装拆卸。（3）相机阵列安装在三脚架上面,可以调节拍摄角度。（4）相机阵列与电脑显示器之间是网线连接,长度可以达到1000,方便现场布线。（5）考虑到实际现场情况,成像阵列可以架设在叶片正下方,或者架设在塔筒下方,拍摄距离为m56750。

1.1相机阵列成像原理

光学系统成像原理及公式如下:

式中,/'为焦距:7为物方视场:7'为像方视场:1为物距:1'为像距。

本文搭建的相机阵列由7个镜头组成,以相机阵列的中心镜头为例,设备中使用的镜头焦距/'是=500,工作距离1是730,像方视场7'是1381300。根据以上公式可以计算出物方视场是11.2=0,即单个镜头视场为11.2=0。每个镜头都以7.59夹角进行排列,7个镜头拼接融合后的总视场为74.30。

根据风电场现场状况,本文搭建了风电机组叶片图像采集的相机阵列。现在以风电机组的塔筒高度=00为例,说明该相机阵列的拍摄原理。相机阵列一般位于距离风电机组塔筒边约5.50,此时叶片与塔筒夹角为71.m59,相机阵列与叶片的垂直距离为730。

1.2图像处理系统

本系统对相机阵列中的7台千兆网相机同时进行图像采集,可以对图像进行增益、曝光等调节:可以实时保存从相机得到的图像,并保存到硬盘中进行检测。

拍摄时,风电机组需停机,所拍摄叶片旋转到与塔筒成729±109夹角。叶片表面朝向地面方向。架设相机阵列,使三脚架固定相机设备高度在1.30以上。相机阵列距离塔筒5.50以内。调整三角架角度,令中间相机与叶片表面保持垂直,同时叶片需全部出现在7个相机视野中。

图像处理软件中图像输出页面按照风场-机组/叶片序号/正反面对图片进行保存。软件需配合7台千兆网相机进行使用。

图像采集系统通过安装在三脚架上的高清相机阵列,对静止的风电机组叶片部分进行多角度拍摄,并存储于计算机。存储的图像一方面通过风电机组叶片图像处理服务器来对其进行检测,另一方面存入缺陷数据库中,通过人工智能识别系统与来自系统中的缺陷信息进行对比,为最终实现叶片缺陷的准确检测和叶片质量分析报告的输出做准备。

2现场检测结果分析

为了验证本文所搭建相机阵列在风电机组叶片缺陷检测中的可行性,研究人员于2019年=月份对浙江长兴某风电场进行了叶片缺陷检测试验。该风电场于201=年10月并网发电,单台风机容量为2.2Mw,叶片长度为5=0,塔筒高度为900,质保期5年,目前仍在质保期内。根据风电场人员反馈,本试验选择了巡检过程中表面缺陷相对较多的3台风机进行图像采集工作,每台风机采集的图像数量约200张左右,采集时间大约需要15min。最后针对表面裂痕、表面腐蚀和油漆剥落的缺陷类型,用图像识别软件对所采集图片进行检测、分类和定位,并针对检出的缺陷部位进行了现场复核,检测结果如表1所示。

由检测结果可知,该检测系统的缺陷检出数比风电场巡检记录的缺陷数量要多,这是因为风电场传统的巡检方式是利用高清照相机对叶片进行拍摄,拍摄角度和分辨率有限。经过对本系统检测到缺陷数的现场复核,裂痕准确率近100%,这与裂痕长度长、识别度高有关:油漆剥落的准确率较低,分析其原因主要是受叶片表面污渍影响所致,同时与图像识别系统训练的样本数量少有关,一旦有足够多的训练样本,会提高其检出准确率。本试验充分验证了所搭建的基于相机阵列的叶片采集系统在检测风电机组叶片缺陷上的高精准性。

3结语

本文利用搭建的叶片相机阵列对浙江某风电场进行叶片缺陷检测试验,首先利用相机阵列采集系统对现场巡检中发现有缺陷的3台风电机组叶片进行图像采集,并用图像识别软件对所采集的图像进行缺陷检测、分类、定位,统计处理结果,与风电场叶片传统巡检方法进行对比。根据试验对比结果,验证了本文提出的基于相机阵列与图像处理服务器结合的缺陷检测系统对风电机组叶片无损检测方法的可行性和适用性,验证了该检测方法的高效率和高精度等优势。