基于无人机图像的风力发电机叶片缺陷识别

被引：38

作者：

仇梓峰

王爽心

李蒙

机构：

[1] 北京交通大学机械与电子控制工程学院

来源：

发电技术 | 2018年 / 39卷 / 03期

关键词：

风力发电机; 缺陷检测; 无人机; 图像处理;

D O I：

暂无

中图分类号：

TM315 [风力发电机]; TP391.41 [];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对风力发电机叶片人工检测低效,缺陷诊断难的问题,提出一种基于无人机与图像处理的风力发电机叶片缺陷识别方法。通过Halcon 12与Visual Studio 2015的联合开发,实现图像处理流程、检测结果输出以及缺陷回放等功能,包括相机标定、通过快速自适应加权中值滤波处理图像、动态阈值分割叶片图像缺陷特征,利用区域处理识别裂纹和砂眼等缺陷,并对缺陷进行分类与测量以及输出对叶片质量的分析报告等,实现风力发电机叶片表面缺陷的自动检测功能。通过实例验证了该方法在风力发电机叶片表面缺陷检测中的较高精确性与算法稳定性。

引用

页码：277 / 285

页数：9

共 11 条

[1]

Transformation algorithm of wind turbine blade moment signals for blade condition monitoring.[J].Jae-Kyung Lee;Joon-Young Park;Ki-Yong Oh;Seung-Hwan Ju;Jun-Shin Lee.Renewable Energy.2014,

[2]

Challenges in testing and monitoring the in-operation vibration characteristics of wind turbines [J].

Ozbek, Muammer ;

Meng, Fanzhong ;

Rixen, Daniel J. .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2013, 41 (1-2) :649-666

[3]

Testing; inspecting and monitoring technologies for wind turbine blades: A survey.[J].Bin Yang;Dongbai Sun.Renewable and Sustainable Energy Reviews.2013,

[4]

Condition monitoring of wind turbines: Techniques and methods.[J].Fausto Pedro García Márquez;Andrew Mark Tobias;Jesús María Pinar Pérez;Mayorkinos Papaelias.Renewable Energy.2012,

[5]

Composite materials for wind energy applications: micromechanical modeling and future directions [J].