风电机组点检技术研究及其系统研发

发布时间：2020-10-24 18:50

　　 随着我国对清洁能源重视程度的提高,风力发电得到了大力发展,并且已有较大规模的应用,但风电机组发电过程中设备检修成本很高,是制约风电发展的问题之一。针对这一问题,本文对点检制在风电场中应用的可行性进行了研究,开发了一套针对风力发电机组的点检系统,实现了对人员和设备的管理,研发出了点检任务制定、数据采集、数据分析和缺陷管理等功能。首先对点检制和点检技术的国内外发展现状进行介绍,梳理点检项目,并介绍风电机组点检中的各项内容。接着根据研究目标对风力机叶片点检、点检数据采集以及点检管理系统进行了详细的需求分析,提出需要解决的问题。对点检技术进行了探讨,介绍了振动技术中的各种算法和应用,为点检系统中振动信号分析提供依据;对点检中的风力机叶片裂纹检测技术进行深入研究,以深度学习目标检测算法为基础,结合风力机叶片裂纹的特性,对算法进行针对性改进,使其在裂纹检测场景中表现更好,运用迁移学习方法解决小样本下模型训练的问题,然后搭建算法模型,收集样本数据对模型进行训练,并将检测结果与未改进的算法进行对比分析。根据安全性和使用场景等因素选择点检管理系统架构,并根据需求分析,对数据库结构、点检管理系统功能模块进行了设计,完成软件的研发工作;为配合点检管理系统工作,对点检仪硬件进行了设计,在硬件的基础上设计并编写软件,实现了数据采集、数据存储和数据无线传输等功能。最后对本文的研究内容进行总结,提出后阶段进一步研究和改进的重点,为以后工作指明方向。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM315
【部分图文】：

算法卷积加入边缘信息

用一阶差分卷积核1H和2H对W ( x , y)进行卷积，得到x方向梯度P ( x , y)度Q ( x , y)，全局梯度为O ( i , j)( , )( , ) arctan( , )P x yO i jQ x y （后进行非极大值抑制处理，并且设置低阈值1T和高阈值2T，通过高低阈信息。虑到卷积网络的输入为三通道，故需要将边缘检测输出和原图像进行融new 1 original 2cannyP w P w P（中newP其为融合后图像，originalP为原图，cannyP为Canny边缘检测图像，1w系数。3-3为图像输入以及转换过程：

780张，部分数据集如图3-4所示：原图 剪切 亮度减小 左右翻转 顺时针旋转压缩 翻转拉伸逆时针旋转 亮度增加图3-4数据集扩充本文研究风力机叶片的裂纹检测，所以在训练数据中需要标注裂纹所在位置，借助图片标注工具对780张图片进行了标注，主要标注目标类别以及目标框呈对角线的两个点坐标。3.2.4算法结构裂纹识别和定位主要使用Faster-RCNN算法，该算法可分为特征提取卷积层、区域建议网络和裂纹识别定位三部分：（1）特征提取卷积层。在图像的特征提取上，卷积神经网络方法在实际中表现优秀，Shaoqing Ren等人提出的Faster-RCNN中使用的为VGG[51-52]卷积网络，该网络为经典卷积网络之一，其中卷积层13层
【参考文献】

相关期刊论文 前10条

1 罗毅;甄立敬;;基于小波包与倒频谱分析的风电机组齿轮箱齿轮裂纹诊断方法[J];振动与冲击;2015年03期

2 陈俊斌;;C/S与B/S结合的软件体系结构[J];电子技术与软件工程;2015年03期

3 周皓;朱松俊;童年;孙闻革;;点检管理系统开发和应用[J];工业计量;2015年01期

4 周勃;张士伟;陈长征;黄鹤艇;;风力机叶片多裂纹扩展声发射信号的特征识别[J];仪器仪表学报;2015年01期

5 李鹏;;“十三五”风电规划思路解读[J];能源;2014年11期

6 张博;程珩;;倒频谱在直驱风机主轴轴承故障诊断中的应用[J];机械设计与制造;2014年07期

7 杭俊;张建忠;程明;朱瑛;张邦富;;直驱永磁同步风电机组叶轮不平衡和绕组不对称的故障诊断[J];中国电机工程学报;2014年09期

8 李舜酩;郭海东;李殿荣;;振动信号处理方法综述[J];仪器仪表学报;2013年08期

9 王金福;李富才;;机械故障诊断技术中的信号处理方法:时频分析[J];噪声与振动控制;2013年03期

10 孟培超;胡圣波;舒恒;鄢富玉;;基于ADO数据库连接池优化策略[J];计算机工程与设计;2013年05期

相关硕士学位论文 前3条

1 丁宁;风机叶片气动弹性分析与裂纹损伤识别[D];大连理工大学;2015年

2 甄国光;电力企业设备点检定修制管理模式的研究[D];石河子大学;2011年

3 肖进华;电厂设备点检管理决策系统研究与开发[D];华中科技大学;2005年

本文编号：2854851