详情

原文传递在线风机叶片损伤实时诊断系统和方法

专利名称：	在线风机叶片损伤实时诊断系统和方法
摘要：	提出了一种在线风机叶片损伤实时诊断系统和方法，属于风机叶片损伤诊断技术领域，所述系统包括四旋翼无人机、云数据库以及计算机系统；所述四旋翼无人机实时捕捉风机叶片图像并实时传递至所述计算机系统；所述云数据库存储有用于VGG‑19net图像分类方法的图像库，所述云数据库中存储的图像库中的图像从网络动态捕获；所述计算机系统用于通过所述图像库训练得到改进的VGG‑19net图像分类方法，并使用所述改进的VGG‑19net图像分类方法对接收的来自四旋翼无人机的风机叶片图像进行分类，得到风机叶片损伤诊断分类、损伤等级划分结果。
专利类型：	发明专利
国家地区组织代码：	内蒙古;15
申请人：	内蒙古工业大学
发明人：	董朝秩;赵肖懿;陈晓艳
专利状态：	有效
申请日期：	2019-06-24T00:00:00+0800
发布日期：	2019-09-20T00:00:00+0800
申请号：	CN201910551222.5
公开号：	CN110261394A
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	010050 内蒙古自治区呼和浩特市金川开发区内蒙古工业大学电力学院
主权项：	1.一种在线风机叶片损伤实时诊断系统，其特征在于：所述系统包括四旋翼无人机、云数据库以及计算机系统；所述四旋翼无人机实时捕捉风机叶片图像并实时传递至所述计算机系统；所述云数据库存储有用于VGG-19net图像分类方法的图像库，所述云数据库中存储的图像库中的图像从网络动态捕获；所述计算机系统用于通过所述图像库训练得到改进的VGG-19net图像分类方法，并使用所述改进的VGG-19net图像分类方法对接收的来自四旋翼无人机的风机叶片图像进行分类，得到风机叶片损伤诊断、损伤等级划分结果。 2.根据权利要求1所述的系统，其特征在于：所述四旋翼无人机包括位于机身上的用于四周避障的一个或多个测距传感器、用于与计算机系统通信的无线信号发射器以及捕捉图像的云台。 3.根据权利要求2所述的系统，其特征在于：所述四旋翼无人机根据风机所处的工况采取不同的巡航路径采集风机叶片图像。 4.根据权利要求3所述的系统，其特征在于：当风机在弱风期停工检修时，无人机距离风叶第一间距，无人机从巡检起点到巡检终点的巡检路线为绕三个风机叶片一周；当风机在日常慢速转动时，无人机距离风叶第一间距，无人机从风机三个叶片的交点处出发，沿第一叶片的长度方向巡航，随后巡航至第二叶片的离心端，从第二叶片的离心端沿第二叶片的长度方向巡航至所述交点，最后从所述交点处沿第三叶片的长度方向巡航，直到第三叶片的离心端；当风机在盛风期风机叶片转速较快时，无人机距离风叶第二间距，无人机仅在风机叶片长度方向上的两个采样点间往复运动；其中，第二间距大于第一间距，且根据无人机距离风叶的距离设置采样点的数量，以确保能够采集风机叶片的全部图像。 5.根据权利要求1所述的系统，其特征在于：所述云数据库通过Python爬虫获取指定网址或全网的风机叶片表面图像进行存储。 6.根据权利要求5所述的系统，其特征在于：所述计算机系统将所述四旋翼无人机定期捕获的风机叶片图像上传至所述指定网址以由所述Python爬虫获取并更新所述云数据库。 7.根据权利要求1所述的系统，其特征在于：所述改进的VGG-19net图像分类方法中，采用LeakyReLU功能子层替换VGG-19net中原有的ReLU功能子层完成方法改进，并对分类层进行结构重构。 8.根据权利要求7所述的系统，其特征在于：所述重构的分类层中，损伤诊断分类包括背景类、无损伤类、伪损伤类、砂眼类、裂纹类、麻面类、涂层脱落类、涂层修复类、边缘腐蚀类、混合损伤类、表面渗水类，损伤等级包括轻度损伤、中度损伤、重度损伤。 9.一种在线风机叶片损伤实时诊断方法，其特征在于，所述方法包括：四旋翼无人机采集风机叶片图像并将采集的图像传递至计算机系统；计算机系统利用云数据库提供的动态更新的训练和测试图像库训练改进的VGG-19net图像分类方法中的VGG-19net模型；计算机系统接收所述采集的图像，利用VGG-19net图像分类方法对图像进行分类；计算机系统根据图像分类结果输出叶片损伤情况。 10.根据权利要求9所述的方法，其特征在于：所述四旋翼无人机根据风机所处的工况采取不同的巡航路径采集风机叶片图像。 11.根据权利要求10所述的方法，其特征在于：当风机在弱风期停工检修时，无人机距离风叶第一间距，无人机从巡检起点到巡检终点的巡检路线为绕三个风机叶片一周；当风机在日常慢速转动时，无人机距离风叶第一间距，无人机从风机三个叶片的交点处出发，沿第一叶片的长度方向巡航，随后巡航至第二叶片的离心端，从第二叶片的离心端沿第二叶片的长度方向巡航至所述交点，最后从所述交点处沿第三叶片的长度方向巡航，直到第三叶片的离心端；当风机在盛风期风机叶片转速较快时，无人机距离风叶第二间距，无人机仅在风机叶片长度方向上的两个采样点间往复运动；其中，第二间距大于第一间距，且根据无人机距离风叶的距离设置采样点的数量，以确保能够采集风机叶片的全部图像。 12.根据权利要求9所述的方法，其特征在于：通过Python爬虫获取指定网址或全网的风机叶片表面图像进行创建所述云数据库。 13.根据权利要求12所述的方法，其特征在于：所述计算机系统将所述四旋翼无人机定期捕获的风机叶片图像上传至所述指定网址以由所述Python爬虫获取并更新所述云数据库。 14.根据权利要求9所述的方法，其特征在于：所述改进的VGG-19net图像分类方法中，采用LeakyReLU功能子层替换VGG-19net中原有的ReLU功能子层完成方法改进，并对分类层进行结构重构。 15.根据权利要求14所述的方法，其特征在于：所述重构的分类层中，损伤诊断分类包括背景类、无损伤类、伪损伤类、砂眼类、裂纹类、麻面类、涂层脱落类、涂层修复类、边缘腐蚀类、混合损伤类、表面渗水类，损伤等级包括轻度损伤、中度损伤、重度损伤。
所属类别：	发明专利