一种风机叶片形变检测方法及系统

技术领域

本发明涉及新能源技术领域，具体而言，涉及一种风机叶片形变检测方法及系统。

背景技术

现有主流风机叶片的尺寸在62m、54m、56m，有些比较大的风机叶片直径超过70m，最小的风机叶片都在20m左右。因此，风机叶片的面积很大，其上存在的形变很难通过肉眼去分辨。

现有风机叶片形变检测方法，通过采集风机图像，进行图像处理，从而确定风机叶片形变。但是最小的风机叶片都在20m左右，相机拍摄距离近，拍摄的范围小，图像清晰，相机拍摄距离远，拍摄的范围大，图像模糊，因此，对于现有风机叶片形变检测方法来说，图像清晰，对于检测风机叶片形变的精度高，但是却需要多次采集，效率不高。

发明内容

针对现有技术中的上述不足，本发明提供的一种风机叶片形变检测方法及系统解决了现有风机叶片形变检测方法存在检测效率不高的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种风机叶片形变检测方法，包括以下步骤：

S1、采用超声波装置向风机叶片发射超声波，得到回波数据；

S2、根据异常条件，从回波数据中挑选出异常数据，构建异常数据序列；

S3、将异常数据序列输入多阶分类模型中，得到风机叶片形变类型。

进一步地，所述S2包括以下分步骤：

S21、对回波数据进行分段处理，得到多个回波子段序列；

S22、计算每个回波子段序列的特征值；

S23、判断特征值是否满足异常条件，若是，则该回波子段序列为异常数据，若否，则该回波子段序列为正常数据；

S24、将所有异常数据构建为异常数据序列。

进一步地，所述S22中特征值包括：平均值和波动值；

平均值的计算公式为：

其中，

波动值的表达式为：

其中，e

进一步地，所述S23中异常条件为：

其中，

进一步地，所述S3包括以下分步骤：

S31、将异常数据序列进行分段，得到多个异常数据子序列；

S32、计算每个异常数据子序列的平均值；

S33、将多个异常数据子序列的平均值输入多阶分类模型中，得到风机叶片形变类型。

进一步地，所述S33中多阶分类模型包括：多阶分类子模型和输出子模型；

每阶分类子模型均输入一个异常数据子序列的平均值。

进一步地，所述每阶分类子模型的表达式为：

y

其中，y

进一步地，所述输出子模型的表达式为：

其中，Y为输出子模型的输出，sigmoid为S型激活函数，

一种风机叶片形变检测方法的系统，包括：超声波装置、异常数据筛选单元和分类单元；

所述超声波装置用于向风机叶片发射超声波，得到回波数据；

所述异常数据筛选单元用于根据异常条件，从回波数据中挑选出异常数据，构建异常数据序列；

所述分类单元用于将异常数据序列输入多阶分类模型中，得到风机叶片形变类型。

本发明实施例的技术方案至少具有如下优点和有益效果：本发明中采用超声波装置向风机叶片发射超声波，得到回波数据，再从回波数据筛选出异常数据，根据异常数据的情况，采用多阶分类模型进行分类，得到风机叶片形变类型，本发明利用超声波可以覆盖面积大的特征，从而利用超声波的回波数据去分析风机叶片的形变情况，提高检测效率。

附图说明

图1为一种风机叶片形变检测方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

如图1所示，一种风机叶片形变检测方法，包括以下步骤：

S1、采用超声波装置向风机叶片发射超声波，得到回波数据；

S2、根据异常条件，从回波数据中挑选出异常数据，构建异常数据序列；

所述S2包括以下分步骤：

S21、对回波数据进行分段处理，得到多个回波子段序列；

S22、计算每个回波子段序列的特征值；

所述S22中特征值包括：平均值和波动值；

平均值的计算公式为：

其中，

波动值的表达式为：

其中，e

S23、判断特征值是否满足异常条件，若是，则该回波子段序列为异常数据，若否，则该回波子段序列为正常数据；

所述S23中异常条件为：

其中，

S24、将所有异常数据构建为异常数据序列。

S3、将异常数据序列输入多阶分类模型中，得到风机叶片形变类型。

所述S3包括以下分步骤：

S31、将异常数据序列进行分段，得到多个异常数据子序列；

S32、计算每个异常数据子序列的平均值；

S33、将多个异常数据子序列的平均值输入多阶分类模型中，得到风机叶片形变类型。

所述S33中多阶分类模型包括：多阶分类子模型和输出子模型；

每阶分类子模型均输入一个异常数据子序列的平均值。

本发明中将异常数据序列分段后，计算平均值，得到多个平均值，将每个平均值输入一个分类子模型中，从而综合多个平均值，考虑多段数据的情况，提高分类精度。

所述每阶分类子模型的表达式为：

y

其中，y

所述输出子模型的表达式为：

其中，Y为输出子模型的输出，sigmoid为S型激活函数，

一种风机叶片形变检测方法的系统，包括：超声波装置、异常数据筛选单元和分类单元；

所述超声波装置用于向风机叶片发射超声波，得到回波数据；

所述异常数据筛选单元用于根据异常条件，从回波数据中挑选出异常数据，构建异常数据序列；

所述分类单元用于将异常数据序列输入多阶分类模型中，得到风机叶片形变类型。

本发明中系统的具体实现过程与方法的具体实现过程一致。

本发明实施例的技术方案至少具有如下优点和有益效果：本发明中采用超声波装置向风机叶片发射超声波，得到回波数据，再从回波数据筛选出异常数据，根据异常数据的情况，采用多阶分类模型进行分类，得到风机叶片形变类型，本发明利用超声波可以覆盖面积大的特征，从而利用超声波的回波数据去分析风机叶片的形变情况，提高检测效率。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。