海上风力发电机叶片裂纹图像分割方法研究
摘要
我国很多地区都是高风能地区,非常适合发展风力资源,尤其是海上风能资源的开发。但海上风能的开发受到设备的影响,在风力集中的地方,环境也十分恶劣,设备的损坏率较高,对于海上风力发电设备的运行会产生较大影响。本文首先分析了研究风机叶片裂纹检测的学者及其使用的检测方法。其次,分析了图像分割技术,主要包括对原有图像分割算法的改进,结合相关交叉学科的新理论寻求新的图像分割算法,以及对不同图像分割算法匹配合适的图像分割评价方法和评价准则。分析了基于区域分割、边缘检测及其他图像分割方法及其应用效果。大多数研究人员在对检测风机叶片裂纹时都使用较新技术来提高识别率,再将不同的方法进行结合运用,同时也不断尝试发掘新的图像分割算法以得到更好的效果。针对不同研究目标使用不同算法得到的效果准确度各有差异,因而针对不同模态的图像要结合不同的理论选取合适的方法。不管是引入新的概念和理论,还是将优势互补的算法相结合,都以提高风机叶片检测的精确度为目标。
引文
[1] Ghoshal A, Sundaresan M. J.,Schulz M. J Structural healthmonitoring techniques for wind turbine blades[J].Journal of WindEngineering and Industrial Aerodynamics, 2000, 85(3):309-324.
[2] Joosse P. A.,Blanch M. J.,Dutton A. G..Acoustic emissionmonitoring of small wind turbine blades[J]. Journal of Solar Energy,2002, 12(9):1-13.
[3] Blanch M. J.,Dutton A. G..Acoustic emission monitoringof field tests of an operating wind turbine[J]. Key EngineeringMateria1s, 2003, 27(18):475-482.
[4]李芒芒.风力机叶片机械损伤动态监测方法与技术研究[D].长沙:长沙理工大学,2012.
[5]肖劲松,严天鹏.风力机叶片的红外热成像无损检测的数值研究[J].北京工业大学学报,2006,1(32):48-52.
[6]赵新光.基于声发射和小波分析的大型风力机叶片材料损伤识别研究[D].沈阳:沈阳工业大学,2009.
[7]曲弋,陈长征,周昊等.基于声发射和神经网络的风机叶片裂纹识别研究[J].机械设计与制造,2012,(3):152-154.
[8]徐玉秀,王强,梅元颖.叶片振动响应的长度分形故障特征提取与诊断[J].振动、测试与诊断,2011,4(31):190-192.
[9]李亚娟,周伟,刘然,等.风机叶片复合材料层间开裂声发射监测[J].河北大学学报(自然科学版),2014,34(2):219-224.
[10]陆元明,张乃正.风力机叶片裂纹在线监测系统[J].电工技术,2017(4):83-84.
[11]刘笃喜,温立民,朱名铨.面向叶片裂纹检测的自适应图像处理算法研究[J].航空精密制造技术,2007(03):25-28.
[12]徐灵鑫.海上风力发电机叶片表面缺陷检测的研究[D].杭州:中国计量学院, 2015.
[13]李冰.基于数字图像的风机桨叶故障检测方法研究[D].北京:华北电力大学,2016.
[14]翟永杰,张木柳,乔弘等.基于显著性检测的风机叶片裂纹提取研究[J].南方能源建设, 2016, 3(2):136-140.
[2] Joosse P. A.,Blanch M. J.,Dutton A. G..Acoustic emissionmonitoring of small wind turbine blades[J]. Journal of Solar Energy,2002, 12(9):1-13.
[3] Blanch M. J.,Dutton A. G..Acoustic emission monitoringof field tests of an operating wind turbine[J]. Key EngineeringMateria1s, 2003, 27(18):475-482.
[4]李芒芒.风力机叶片机械损伤动态监测方法与技术研究[D].长沙:长沙理工大学,2012.
[5]肖劲松,严天鹏.风力机叶片的红外热成像无损检测的数值研究[J].北京工业大学学报,2006,1(32):48-52.
[6]赵新光.基于声发射和小波分析的大型风力机叶片材料损伤识别研究[D].沈阳:沈阳工业大学,2009.
[7]曲弋,陈长征,周昊等.基于声发射和神经网络的风机叶片裂纹识别研究[J].机械设计与制造,2012,(3):152-154.
[8]徐玉秀,王强,梅元颖.叶片振动响应的长度分形故障特征提取与诊断[J].振动、测试与诊断,2011,4(31):190-192.
[9]李亚娟,周伟,刘然,等.风机叶片复合材料层间开裂声发射监测[J].河北大学学报(自然科学版),2014,34(2):219-224.
[10]陆元明,张乃正.风力机叶片裂纹在线监测系统[J].电工技术,2017(4):83-84.
[11]刘笃喜,温立民,朱名铨.面向叶片裂纹检测的自适应图像处理算法研究[J].航空精密制造技术,2007(03):25-28.
[12]徐灵鑫.海上风力发电机叶片表面缺陷检测的研究[D].杭州:中国计量学院, 2015.
[13]李冰.基于数字图像的风机桨叶故障检测方法研究[D].北京:华北电力大学,2016.
[14]翟永杰,张木柳,乔弘等.基于显著性检测的风机叶片裂纹提取研究[J].南方能源建设, 2016, 3(2):136-140.