风电机组晃动幅度测量方法、装置和电子设备

技术领域

本发明涉及风力发电技术领域，具体地涉及一种风电机组晃动幅度测量方法、一种风电机组晃动幅度测量装置和一种电子设备。

背景技术

风电机组的晃动幅度直接决定了风电机组运行安全性能和后续的处置措施，所以准确、快速地测量出风电机组的晃动幅度对风电机组运行具有重大意义。

现有方法中对风电机组的晃动幅度的测量主要包括光学仪器测量方法以及卫星定位监测方法。其中，光学仪器测量方法，需要在机组周围4个等距正交点分别测量光学位置，随后将4个等距正交点采集的数据进行后处理得到风电机组晃动幅度值。卫星定位监测方法，通过在风电机组的机舱内安装基于GPS的信号接收机，实时收集信号接收机所在点的卫星信号轨迹计算风电机组的最大晃度。

但是无论是光学仪器测量方法还是卫星定位监测方法，均具有需要使用专用设备检测，导致设备成本高，以及风电机组晃动幅度的计算过程较复杂的缺点。

发明内容

本发明实施例的目的是提供一种风电机组晃动幅度测量方法、一种风电机组晃动幅度测量装置和一种电子设备，用以解决现有方法中对风电机组的晃动幅度的测量方法中设备成本高和计算过程复杂的缺陷。

为了实现上述目的，本发明实施例提供一种风电机组晃动幅度测量方法，包括：

步骤100，确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像；

步骤200，对每张第一图像分别进行图像边缘识别，基于所有第一图像的图像边缘识别结果构建第一边界覆盖矩阵；

步骤300，基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度；

步骤400，对每张第二图像分别进行图像边缘识别，基于所有第二图像的图像边缘识别结果构建第二边界覆盖矩阵；

步骤500，基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度；

步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果；

其中，所述第一测量点和所述第二测量点相对所述风电机组呈角度设置；所述第一边界覆盖矩阵是基于所有第一图像的图像边缘识别结果重复覆盖形成的；所述第二边界覆盖矩阵是基于所有第二图像的图像边缘识别结果重复覆盖形成的。

可选的，步骤300，基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度，包括：

确定所述第一边界覆盖矩阵的多个目标行中每一行的第一元素的列数，基于所述每一行的第一元素的列数，计算多个目标行中第一元素的第一平均数；

确定所述第一边界覆盖矩阵的多个目标行中每一行的第一元素之间的第二元素的列数，基于所述每一行的第一元素之间的第二元素的列数，计算多个目标行中第二元素的第二平均数；

基于所述风电机组水平方向的尺寸数据、所述第一平均数和所述第二平均数计算第一晃动幅度；

其中，所述第一元素是像素值大于或等于设定阈值的二值化结果；所述第二元素是像素值小于设定阈值的二值化结果。

可选的，所述基于所述风电机组水平方向的尺寸数据、所述第一平均数和所述第二平均数计算所述第一晃动幅度，通过以下公式计算：

l1= w_ton *（（w_2hu/2）/（w_2hu/2+ w_ton2））；

其中，l1表示所述第一晃动幅度；w_ton表示所述风电机组水平方向的尺寸数据；w_2hu表示所述第一平均数；w_ton2表示所述第二平均数。

可选的，步骤500，基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度，包括：

确定所述第二边界覆盖矩阵的多个目标行中每一行的第三元素的列数，基于所述每一行的第三元素的列数，计算多个目标行中第三元素的第三平均数；

确定所述第二边界覆盖矩阵的多个目标行中每一行的第三元素之间的第四元素的列数，基于所述每一行的第三元素之间的第四元素的列数，计算多个目标行中第四元素的第四平均数；

基于所述风电机组水平方向的尺寸数据、所述第三平均数和所述第四平均数计算第二晃动幅度；

其中，所述第三元素是像素值大于或等于设定阈值的二值化结果；所述第四元素是像素值小于设定阈值的二值化结果。

可选的，所述基于所述风电机组水平方向的尺寸数据、所述第三平均数和所述第四平均数计算所述第二晃动幅度，通过以下公式计算：

l2= w_ton *（（w_2hu/2）/（w_2hu/2+ w_ton2））；

其中，l2表示所述第二晃动幅度；w_ton表示所述风电机组水平方向的尺寸数据；w_2hu表示所述第三平均数；w_ton2表示所述第四平均数。

可选的，步骤200，对每张第一图像分别进行图像边缘识别，基于所有第一图像的图像边缘识别结果构建第一边界覆盖矩阵之后，还包括：

修改边缘检测函数的阈值，对所述第一边界覆盖矩阵进行图像边缘识别。

可选的，步骤400，对每张第二图像分别进行图像边缘识别，基于所有第二图像的图像边缘识别结果构建第二边界覆盖矩阵之后，还包括：

修改边缘检测函数的阈值，对所述第二边界覆盖矩阵进行图像边缘识别。

可选的，步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果，包括：

在第一线段与第二线段相互垂直的情况下，基于所述第一晃动幅度和所述第二晃动幅度之间的直角关系，确定风电机组的晃动幅度测量结果；

其中，所述第一线段表征所述第一测量点到所述风电机组形成的线段；所述第二线段表征所述第二测量点到所述风电机组形成的线段。

可选的，步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果之后，还包括：

重复执行步骤100至步骤600，获取多个晃动幅度测量结果；

基于三均值法对所述多个晃动幅度测量结果进行计算，确定三均值法的计算结果作为风电机组的晃动幅度测量结果。

另一方面，本发明实施例还提供一种风电机组晃动幅度测量装置，包括：

图像采集模块，用于确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像；

第一矩阵构建模块，用于对每张第一图像分别进行图像边缘识别，基于所有第一图像的图像边缘识别结果构建第一边界覆盖矩阵；

第一晃动幅度计算模块，用于基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度；

第二矩阵构建模块，用于对每张第二图像分别进行图像边缘识别，基于所有第二图像的图像边缘识别结果构建第二边界覆盖矩阵；

第二晃动幅度计算模块，用于基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度；

晃动幅度测量结果确定模块，用于基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果；

其中，所述第一测量点和所述第二测量点相对所述风电机组呈角度设置；所述第一边界覆盖矩阵是基于所有第一图像的图像边缘识别结果重复覆盖形成的；所述第二边界覆盖矩阵是基于所有第二图像的图像边缘识别结果重复覆盖形成的。

另一方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述风电机组晃动幅度测量方法。

另一方面，本发明还提供一种机器可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述风电机组晃动幅度测量方法。

通过上述技术方案，本发明通过任意拍摄设备对第一测量点和第二测量点采集图像数据，作为计算风电机组晃动幅度的基础，再通过第一测量点的图像数据构建的第一边界覆盖矩阵计算第一晃动幅度；通过第二测量点的图像数据构建的第二边界覆盖矩阵计算第二晃动幅度，再基于第一晃动幅度和第二晃动幅度计算最终的确定风电机组的晃动幅度测量结果，相比传统的光学仪器测量方法和卫星定位监测方法需要使用专用设备采集数据，本发明的通过任意拍摄设备和计算机即可实现风电机组晃动幅度测量，降低设备成本；相比传统的光学仪器测量方法需要4个等距正交点采集的数据计算风电机组的晃动幅度，以及卫星定位监测方法收集信号接收机卫星信号轨迹计算风电机组的晃动幅度，本发明通过两个测量点计算的第一晃动幅度和第二晃动幅度，确定最终的风电机组晃动幅度从而计算过程更加简单快速。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本发明提供的风电机组晃动幅度测量方法的流程示意图；

图2是本发明提供的风电机组的结构示意图；

图3是本发明提供的第一测量点、第二测量点和风电机组三者的位置关系示意图；

图4是本发明的第一晃动幅度、第二晃动幅度和风电机组的晃动幅度测量结果的三角关系示意图；

图5是本发明提供的风电机组晃动幅度测量装置的结构示意图；

图6是本发明提供的电子设备的结构示意图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。

方法实施例

请参照图1，本发明实施例提出一种风电机组晃动幅度测量方法，所述方法包括：

步骤100，确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像。

电子设备确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像。其中，第一测量点和第二测量点可相对所述风电机组呈角度设置。例如第一测量点和第二测量点可相对所述风电机组呈直角设置。

具体的，本发明可通过在第一测量点通过摄像终端（如智能手机等）对风电机组进行录像。在第一测量点录像的同时在第二测量点通过摄像终端（如智能手机等）对风电机组进行录像。第一测量点和第二测量点的摄像终端经过预设时间段（例如120秒）的拍摄后，视频采集工作结束。

需要说明的是，第一测量点和第二测量点的拍摄高度可根据实际情况设置。例如在一个实施例中，第一测量点和第二测量点的拍摄高度可设置为风电机组的机舱与塔筒连接位置的高度。

在确定第一测量点拍摄的视频和第二测量点拍摄的视频的基础上，可通过电子设备根据预设转换频率将第一测量点拍摄的视频转换成多张第一图像，以及根据预设转换频率将第二测量点拍摄的视频转换成多张第二图像。具体的，电子设备可利用视频编辑工具将第一测量点拍摄的视频转成多张第一图像，例如转换频率F设置为33Hz，即将第一测量点拍摄的视频生成4000张照片。同理的，电子设备也可利用视频编辑工具将第二测量点拍摄的视频转成4000张第二图像。

步骤200，对每张所述第一图像分别进行图像边缘识别，基于所有所述第一图像的图像边缘识别结果构建第一边界覆盖矩阵。

电子设备对每张第一图像分别进行图像边缘识别，基于所有第一图像的图像边缘识别结果构建第一边界覆盖矩阵。其中，所述第一边界覆盖矩阵是基于所有所述第一图像的图像边缘识别结果重复覆盖形成的。

具体的，电子设备可通过图像识别脚本文件对每张第一图像进行图像边缘识别。例如，首先将每张第一图像转换成灰度图并调整其精度格式，然后将数据化的灰度图进行归一化、二值化处理以提升识别效果，对生成的二值化矩阵进行边缘识别并保存边界坐标对应的二值化数值。通过将所有第一图像经过图像边缘识别后的边界坐标对应的二值化数值放在同一矩阵中形成第一边界覆盖矩阵。

步骤300，基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度。

在本发明实施例中，第一边界覆盖矩阵的边界就是晃动幅度极限位置，该矩阵中左右2个边界的距离就是晃动幅度相对值。因此电子设备基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度。

步骤400，对每张所述第二图像分别进行图像边缘识别，基于所有所述第二图像的图像边缘识别结果构建第二边界覆盖矩阵。

电子设备对每张第二图像分别进行图像边缘识别，基于所有第二图像的图像边缘识别结果构建第二边界覆盖矩阵。其中，所述第二边界覆盖矩阵是基于所有第二图像的图像边缘识别结果重复覆盖形成的。

具体的，电子设备可通过图像识别脚本文件对每张第二图像进行图像边缘识别。例如，首先将每张第二图像转换成灰度图并调整其精度格式，然后将数据化的灰度图进行归一化、二值化处理以提升识别效果，对生成的二值化矩阵进行边缘识别并保存边界坐标对应的二值化数值。通过将所有第二图像经过图像边缘识别后的边界坐标对应的二值化数值放在同一矩阵中形成第二边界覆盖矩阵。

步骤500，基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度。

在本发明实施例中，第二边界覆盖矩阵的边界就是晃动幅度极限位置，该矩阵中左右2个边界的距离就是晃动幅度相对值。因此电子设备基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度。

步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果。

电子设备可基于第一测量点和第二测量点之间的角度关系，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果。

本发明通过任意拍摄设备对第一测量点和第二测量点采集图像数据，作为计算风电机组晃动幅度的基础，再通过第一测量点的图像数据构建的第一边界覆盖矩阵计算第一晃动幅度；通过第二测量点的图像数据构建的第二边界覆盖矩阵计算第二晃动幅度，再基于第一晃动幅度和第二晃动幅度计算最终的确定风电机组的晃动幅度测量结果，相比传统的光学仪器测量方法和卫星定位监测方法需要使用专用设备采集数据，本发明的通过任意拍摄设备和计算机即可实现风电机组晃动幅度测量，降低设备成本；相比传统的光学仪器测量方法需要4个等距正交点采集的数据计算风电机组的晃动幅度，以及卫星定位监测方法收集信号接收机卫星信号轨迹计算风电机组的晃动幅度，本发明通过两个测量点计算的第一晃动幅度和第二晃动幅度，确定最终的风电机组晃动幅度从而计算过程更加简单快速。

在本发明实施例的其他方面，步骤300，基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度，包括：

步骤310，确定所述第一边界覆盖矩阵的多个目标行中每一行的第一元素的列数，基于所述每一行的第一元素的列数，计算多个目标行中第一元素的第一平均数。其中，所述第一元素是像素值大于或等于设定阈值的二值化结果；所述第二元素是像素值小于设定阈值的二值化结果。

例如第一元素可以是像素值大于或等于设定阈值的1；第二元素可以是像素值小于设定阈值的0。

电子设备可根据第一边界覆盖矩阵与风电机组图像特征的对应关系，选择第一边界覆盖矩阵高度H与行数n（即目标行）。其中H+n与第一测量点的拍摄高度相同。计算从H到H+n行元素为1对应的列数并取多行中元素1的算数平均值得到第一平均数。例如，n为3行时，第一行的1的列数为20，第二行的1的列数为25，第三行的1的列数为19，那么三行中元素1的第一平均数为（25+19+20）/3=21.3。

步骤320，确定所述第一边界覆盖矩阵的多个目标行中，每一行的第一元素之间的第二元素的列数，基于所述每一行的第一元素之间的第二元素的列数，计算多个目标行中第二元素的第二平均数。

电子设备可根据第一边界覆盖矩阵与风电机组图像特征的对应关系，选择第一边界覆盖矩阵高度H与行数n（即目标行）。其中H+n与第一测量点的拍摄高度相同。计算从H到H+n行元素为1之间的0的列数。计算从H到H+n行中元素为1之间的元素0的列数的平均值，得到第二平均数。例如，n为3行时，第一行的1之间0的列数为200，第二行的1之间0的列数为205，第三行的1之间0的列数为197，那么三行中0的第二平均数为（205+197+200）/3=200.7。

步骤330，基于所述风电机组水平方向的尺寸数据、所述第一平均数和所述第二平均数计算所述第一晃动幅度。

其中风电机组水平方向的尺寸数据可以是风电机组塔筒水平方向的尺寸。电子设备基于风电机组塔筒水平方向的尺寸、第一平均数和第二平均数计算第一晃动幅度。

具体的，基于所述风电机组水平方向的尺寸数据、所述第一平均数和所述第二平均数计算所述第一晃动幅度，通过以下公式计算：

l1= w_ton *（（w_2hu/2）/（w_2hu/2+ w_ton2））；

其中，l1表示所述第一晃动幅度；w_2hu表示所述第一平均数；w_ton2表示所述第二平均数。请参照图2，w_ton表示所述风电机组塔筒的水平方向的尺寸数据。

从而本发明实施例通过多张第一图像构建的第一边界覆盖矩阵，识别出风电机组塔筒的第一晃动幅度。

在本发明实施例的其他方面，步骤500，基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度，包括：

步骤510，确定所述第二边界覆盖矩阵的多个目标行中每一行的第三元素的列数，基于所述每一行的第三元素的列数，计算多个目标行中第三元素的第三平均数。其中，所述第三元素是像素值大于或等于设定阈值的二值化结果；

例如第三元素可以是像素值大于或等于设定阈值的1；第四元素可以是像素值小于设定阈值的0。

电子设备可根据第二边界覆盖矩阵与风电机组图像特征的对应选择第二边界覆盖矩阵高度H与行数n（即目标行）。其中H+n与第二测量点的拍摄高度相同。计算从H到H+n行元素为1对应的列数并取多行中元素1的算数平均值得到第三平均数。例如，n为3行时，第一行的1的列数为20，第二行的1的列数为25，第三行的1的列数为19，那么三行中元素1的第三平均数为（25+19+20）/3=21.3。

步骤520，确定所述第二边界覆盖矩阵的多个目标行中，每一行的第三元素之间的第四元素的列数，基于所述每一行的第三元素之间的第四元素的列数，计算多个目标行中第四元素的第四平均数。所述第四元素是像素值小于设定阈值的二值化结果。

电子设备可根据第二边界覆盖矩阵与风电机组图像特征的对应关系，选择第二边界覆盖矩阵高度H与行数n（即目标行）。其中H+n与第二测量点的拍摄高度相同。计算从H到H+n行元素为1之间的0的列数。计算从H到H+n行中元素为1之间的0的列数的平均值，得到第四平均数。例如，n为3行时，第一行的1之间0的列数为200，第二行的1之间0的列数为205，第三行的1之间0的列数为197，那么三行中元素0的第四平均数为（205+197+200）/3=200.7。

步骤530，基于所述风电机组水平方向的尺寸数据、所述第三平均数和所述第四平均数计算所述第二晃动幅度。

其中风电机组水平方向的尺寸数据可以是风电机组塔筒水平方向的尺寸。电子设备基于风电机组塔筒水平方向的尺寸、第三平均数和第四平均数计算第二晃动幅度。

具体的，基于所述风电机组水平方向的尺寸数据、所述第三平均数和所述第四平均数计算所述第二晃动幅度，通过以下公式计算：

l2= w_ton *（（w_2hu/2）/（w_2hu/2+ w_ton2））；

其中，l2表示所述第二晃动幅度；w_ton表示所述风电机组水平方向的尺寸数据；w_2hu表示所述第三平均数；w_ton2表示所述第四平均数。

从而本发明实施例通过多张第二图像构建的第二边界覆盖矩阵，识别出风电机组塔筒的第二晃动幅度。

在本发明的其他方面，步骤200，对每张所述第一图像分别进行图像边缘识别，基于所有所述第一图像的图像边缘识别结果构建第一边界覆盖矩阵，之后还包括：

步骤210，修改边缘检测函数的阈值，对所述第一边界覆盖矩阵进行图像边缘识别。

由于第一边界覆盖矩阵的边界就是晃动幅度极限位置，该矩阵左右2个边界的距离就是晃动幅度相对值。通过对边缘检测函数的阈值Q进行修改，确保滤除第一边界覆盖矩阵非边界的不连续性，将第一边界覆盖矩阵的边界坐标进行保存，便于对第一边界覆盖矩阵进行边缘识别，便于从对第一边界覆盖矩阵计算第一晃动幅度。

在本发明的其他方面，步骤400，对每张所述第二图像分别进行图像边缘识别，基于所有所述第二图像的图像边缘识别结果构建第二边界覆盖矩阵之后，还包括：

步骤410，修改边缘检测函数的阈值，对所述第二边界覆盖矩阵进行图像边缘识别。

由于第二边界覆盖矩阵的边界就是晃动幅度极限位置，该矩阵左右2个边界的距离就是晃动幅度相对值。通过对边缘检测函数的阈值Q进行修改，确保滤除第二边界覆盖矩阵非边界的不连续性，将第二边界覆盖矩阵的边界坐标进行保存，便于对第二边界覆盖矩阵进行边缘识别，便于从对第二边界覆盖矩阵计算第二晃动幅度。

在本发明的其他方面，步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果，包括：在第一线段与第二线段相互垂直的情况下，基于所述第一晃动幅度和所述第二晃动幅度之间的直角关系，确定风电机组的晃动幅度测量结果。

请参照图3，所述第一线段d1表征所述第一测量点a1到所述风电机组（或称机组）形成的线段；所述第二线段d2表征所述第二测量点a2到所述风电机组形成的线段。第一线段d1与第二线段d2相互垂直。在本实施例中，为了进一步提高计算风电机组晃动幅度的准确性，第一线段d1与第二线段d2的长度相同。

请参照图4，在第一线段与第二线段相互垂直，以及确定第一晃动幅度和第二晃动幅度的情况下，基于勾股定理确定风电机组的晃动幅度测量结果。

具体的，风电机组的晃动幅度测量结果的计算公式如下：

其中，

在本发明的其他方面，所述步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果之后，还包括：重复执行步骤100至步骤600，获取多个晃动幅度测量结果；基于三均值法对所述多个晃动幅度测量结果进行计算，确定三均值法的计算结果作为风电机组的晃动幅度测量结果。

为了保障风电机组晃动幅度的数值计算结果的准确性，并纠正意外导致的计算错误。本发明实施例中，重复执行步骤100至步骤600，获取多个晃动幅度测量结果。基于多个晃动幅度测量结果得到结果向量[L]，再通过对结果向量[L]采用三均值法计算最终测量结果L作为风电机组的晃动幅度测量结果。

在本发明实施例中，风电机组的晃动幅度测量结果的计算公式如下：

其中，L1是结果向量[L]的下四分位数，L3是结果向量[L]的上四分位数，LM是结果向量[L]的中位数，L是风电机组的晃动幅度测量结果。

通过获取多个晃动幅度测量结果；基于三均值法对所述多个晃动幅度测量结果进行计算，确定三均值法的计算结果作为风电机组的晃动幅度测量结果。提高风电机组晃动幅度的数值计算结果的准确性，并纠正意外导致的计算错误。

下面通过一个实施例对本发明的风电机组晃动幅度测量方法进行说明。

本实施例使用的工具包括2台普通可摄像的智能手机、1台计算机、1套图像识别脚本文件和对应风电机组的总体技术参数。

第一步，在需要进行晃度幅度测量的风电机组周围选择2个测量点，即第一测量点a1和第二测量点a2。如图3所示，a1、a2与风电机组中心点o分别连线成d1、d2，此时 d1、d2夹角为90度，并且d1、d2长度相等。将2台智能手机分别放置于a1、a2两测量点位置，2台手机焦点位于塔筒同一高度，具体可选择设置在风电机组的机舱与塔筒连接位置高度。确认好风电机组的运行工况后2台智能手机同时对风电机组进行录像，录像时长120秒，录像完成后现场视频采集工作结束。

第二步，将第一步采集到的2组视频文件导入计算机，利用视频编辑工具分别将每组视频文件转成多张图像，转换频率F设置为33Hz，即每组视频文件生成4000张图像，通过选择这种转换频率能够完全采集到风电机组的机舱晃度极限并且满足运行精度要求。

第三步，分别将2组图像（即第一测量点采集的多张第一图像和第二测量点采集的多张第二图像）导入计算机的图像识别脚本文件进行图像边缘识别，首先将普通图片转成灰度图并调整其精度格式，然后数据化的灰度图进行归一化、二值化处理以提升识别效果，对生成的二值化矩阵进行边缘识别并保存边界坐标，将每组所有图像的边界坐标对应的二值化值放在同一矩阵中形成一个“边界覆盖矩阵”。

第四步，针对边界覆盖矩阵再次进行边缘识别，前提需要对边缘识别函数的阈值Q进行修改，确保滤除边界覆盖矩阵非边界的不连续性，从而将边界覆盖矩阵的边界坐标进行保存，以及对边界覆盖矩阵进行边缘识别。

第五步，利用边界坐标与运动对应关系计算晃动量，边界覆盖矩阵表现出的物理运动如图2所示，根据边界覆盖矩阵与机组图像特征的对应关系，选择边界覆盖矩阵高度H与行数n，计算坐标从H到H+n行元素为1对应的列数，并取n行中元素1的多列算数平均值得到w_2hu，取w_hu = w_2hu/2，H+n的选择由风电机组的塔筒与机舱连接点高度决定。

第六步，选择边界覆盖矩阵高度H与行数n，计算坐标从H到H+n行元素为1之间的0元素对应的列数，并取n行中0元素的多列算数平均值w_ton2（即第二平均数）。

第七步，计算第1组图像识别出的塔筒晃动幅度l1，计算公式如下：

其中，w_ton 是风电机组总体参数中的塔筒顶端尺寸数据；l1表示第一晃动幅度；所述w_2hu表示第一平均数，w_2hu/2=w_hu；w_ton2表示第二平均数。

第八步，同第七步方式计算出第2组图像识别出的塔筒晃动幅度l2，基于勾股定理计算风电机组的晃动幅度如下公式所示：

其中，上式中的

第九步，为了保障数值计算结果的准确性并纠正意外的计算错误，需要重复执行步骤第一步至第九步，每一次执行中更新转换频率F、边界覆盖矩阵高度H、行数n以及边缘识别函数的阈值Q。经过多次重复执行获取多个风电机组的晃动幅度测量结果，基于多个风电机组的晃动幅度测量结果得到结果向量[L]，然后对结果向量[L]采用三均值法计算最终测量结果L作为风电机组的晃动幅度测量结果：

其中，L1是结果向量[L]的下四分位数，L3是结果向量[L]的上四分位数，LM是结果向量[L]的中位数；L是风电机组的晃动幅度测量结果。

为验证本发明实施例的可行性和测量效果，分别基于光学的全站测量仪测量方法、基于卫星定位的机舱晃度测量方法对风电机组机舱的晃度幅度进行测量，同时使用本发明实施例的风电机组晃动幅度测量方法对风电机组机舱的晃度幅度进行测量，对上述3种测量结果进行对比分析。

光学全站仪测量方法，在风电机组周围4个等距正交点分别测量光学位置，将4个等距正交点采集的数据进行后处理得到机舱晃度值LG。

卫星定位测量方法，在风电机组机舱内安装基于GPS的信号接收机，实时收集信号接收机所在点的卫星信号轨迹计算机舱最大晃度LX。

为保障对比有效性，选择3种测量方式在同一时间点的测量结果进行对比，结论如表1所示。

表1

结果显示，光学全站仪测量方法的测量晃度值为0.479米，卫星定位测量方法的测量晃度值为0.493米，本发明实施例的测量晃度值为0.48米。可见，本发明实施例的风电机组晃动幅度测量方法与前两种测量结果均值的偏差是1.2%，从而本发明实施例测量结果与现有方法的精确测量结果高度一致，说明本发明实施例的测量结果可行并精度较高。

装置实施例

请参照图5，本发明提供一种风电机组晃动幅度测量装置，包括：

图像采集模块501，用于确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像；

第一矩阵构建模块502，用于对每张所述第一图像分别进行图像边缘识别，基于所有所述第一图像的图像边缘识别结果构建第一边界覆盖矩阵；

第一晃动幅度计算模块503，用于基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度；

第二矩阵构建模块504，用于对每张所述第二图像分别进行图像边缘识别，基于所有所述第二图像的图像边缘识别结果构建第二边界覆盖矩阵；

第二晃动幅度计算模块505，用于基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度；

晃动幅度测量结果确定模块506，用于基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果；

所述第一测量点和所述第二测量点相对所述风电机组呈角度设置；所述第一边界覆盖矩阵是基于所有所述第一图像的图像边缘识别结果重复覆盖形成的；所述第二边界覆盖矩阵是基于所有所述第二图像的图像边缘识别结果重复覆盖形成的。

本发明的风电机组晃动幅度测量装置，通过任意拍摄设备对第一测量点和第二测量点采集图像数据，作为计算风电机组晃动幅度的基础，再通过第一测量点的图像数据构建的第一边界覆盖矩阵计算第一晃动幅度；通过第二测量点的图像数据构建的第二边界覆盖矩阵计算第二晃动幅度，再基于第一晃动幅度和第二晃动幅度计算最终的确定风电机组的晃动幅度测量结果，相比传统的光学仪器测量方法和卫星定位监测方法需要使用专用设备采集数据，本发明的通过任意拍摄设备和计算机即可实现风电机组晃动幅度测量，降低设备成本；相比传统的光学仪器测量方法需要4个等距正交点采集的数据计算风电机组的晃动幅度，以及卫星定位监测方法收集信号接收机卫星信号轨迹计算风电机组的晃动幅度，本发明通过两个测量点计算的第一晃动幅度和第二晃动幅度，确定最终的风电机组晃动幅度从而计算过程更加简单快速。

可选的，第一晃动幅度计算模块503包括：

第一平均数计算模块，用于确定所述第一边界覆盖矩阵的多个目标行中每一行的第一元素的列数，基于所述每一行的第一元素的列数，计算多个目标行中第一元素的第一平均数；

第二平均数计算模块，用于确定所述第一边界覆盖矩阵的多个目标行中，每一行的第一元素之间的第二元素的列数，基于所述每一行的第一元素之间的第二元素的列数，计算多个目标行中第二元素的第二平均数；

第一综合计算模块，用于基于所述风电机组水平方向的尺寸数据、所述第一平均数和所述第二平均数计算所述第一晃动幅度；

其中，所述第一元素是像素值大于或等于设定阈值的二值化结果；所述第二元素是像素值小于设定阈值的二值化结果。

可选的，所述第一综合计算模块，通过以下公式计算：

l1= w_ton *（（w_2hu/2）/（w_2hu/2+ w_ton2））；

其中，l1表示所述第一晃动幅度；w_ton表示所述风电机组水平方向的尺寸数据；w_2hu表示所述第一平均数；w_ton2表示所述第二平均数。

可选的，第二晃动幅度计算模块505，包括：

第三平均数计算模块，用于确定所述第二边界覆盖矩阵的多个目标行中每一行的第三元素的列数，基于所述每一行的第三元素的列数，计算多个目标行中第三元素的第三平均数；

第四平均数计算模块，用于确定所述第二边界覆盖矩阵的多个目标行中，每一行的第三元素之间的第四元素的列数，基于所述每一行的第三元素之间的第四元素的列数，计算多个目标行中第四元素的第四平均数；

第二综合计算模块，用于基于所述风电机组水平方向的尺寸数据、所述第三平均数和所述第四平均数计算所述第二晃动幅度；

其中，所述第三元素是像素值大于或等于设定阈值的二值化结果；所述第四元素是像素值小于设定阈值的二值化结果。

可选的，所述第二综合计算模块，通过以下公式计算：

l2= w_ton *（（w_2hu/2）/（w_2hu/2+ w_ton2））；

其中，l2表示所述第二晃动幅度；w_ton表示所述风电机组水平方向的尺寸数据；w_2hu表示所述第三平均数；w_ton2表示所述第四平均数。

可选的，风电机组晃动幅度测量装置还包括：

第一重复识别模块，用于修改边缘检测函数的阈值，对所述第一边界覆盖矩阵进行图像边缘识别。

可选的，风电机组晃动幅度测量装置还包括：

第二重复识别模块，用于修改边缘检测函数的阈值，对所述第二边界覆盖矩阵进行图像边缘识别。

可选的，晃动幅度测量结果确定模块，具体用于在第一线段与第二线段相互垂直的情况下，基于所述第一晃动幅度和所述第二晃动幅度之间的直角关系，确定风电机组的晃动幅度测量结果；

其中，所述第一线段表征所述第一测量点到所述风电机组形成的线段；所述第二线段表征所述第二测量点到所述风电机组形成的线段。

可选的，风电机组晃动幅度测量装置还包括：

数据获取模块，用于重复控制图像采集模块501、第一矩阵构建模块502、第一晃动幅度计算模块503、第二矩阵构建模块504、第二晃动幅度计算模块505和晃动幅度测量结果确定模块506执行，获取多个晃动幅度测量结果；

三均值法计算模块，用于基于三均值法对所述多个晃动幅度测量结果进行计算，确定三均值法的计算结果作为风电机组的晃动幅度测量结果。

所述风电机组晃动幅度测量装置包括处理器和存储器，上述图像采集模块501、第一矩阵构建模块502、第一晃动幅度计算模块503、第二矩阵构建模块504、第二晃动幅度计算模块505和晃动幅度测量结果确定模块506等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行风电机组晃动幅度测量方法，该方法包括：步骤100，确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像；步骤200，对每张所述第一图像分别进行图像边缘识别，基于所有所述第一图像的图像边缘识别结果构建第一边界覆盖矩阵；步骤300，基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度；步骤400，对每张所述第二图像分别进行图像边缘识别，基于所有所述第二图像的图像边缘识别结果构建第二边界覆盖矩阵；步骤500，基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度；步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果；所述第一测量点和所述第二测量点相对所述风电机组呈角度设置；所述第一边界覆盖矩阵是基于所有所述第一图像的图像边缘识别结果重复覆盖形成的；所述第二边界覆盖矩阵是基于所有所述第二图像的图像边缘识别结果重复覆盖形成的。

此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在机器可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的风电机组晃动幅度测量方法，该方法包括：步骤100，确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像；步骤200，对每张所述第一图像分别进行图像边缘识别，基于所有所述第一图像的图像边缘识别结果构建第一边界覆盖矩阵；步骤300，基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度；步骤400，对每张所述第二图像分别进行图像边缘识别，基于所有所述第二图像的图像边缘识别结果构建第二边界覆盖矩阵；步骤500，基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度；步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果；所述第一测量点和所述第二测量点相对所述风电机组呈角度设置；所述第一边界覆盖矩阵是基于所有所述第一图像的图像边缘识别结果重复覆盖形成的；所述第二边界覆盖矩阵是基于所有所述第二图像的图像边缘识别结果重复覆盖形成的。

又一方面，本发明还提供一种机器可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的风电机组晃动幅度测量方法，该方法包括：步骤100，确定第一测量点对风电机组采集的多张第一图像，以及确定与所述第一测量点同时对风电机组进行采集的第二测量点采集的多张第二图像；步骤200，对每张所述第一图像分别进行图像边缘识别，基于所有所述第一图像的图像边缘识别结果构建第一边界覆盖矩阵；步骤300，基于所述第一边界覆盖矩阵计算在第一测量点测量的第一晃动幅度；步骤400，对每张所述第二图像分别进行图像边缘识别，基于所有所述第二图像的图像边缘识别结果构建第二边界覆盖矩阵；步骤500，基于所述第二边界覆盖矩阵计算在第二测量点测量的第二晃动幅度；步骤600，基于所述第一晃动幅度和所述第二晃动幅度，确定风电机组的晃动幅度测量结果；所述第一测量点和所述第二测量点相对所述风电机组呈角度设置；所述第一边界覆盖矩阵是基于所有所述第一图像的图像边缘识别结果重复覆盖形成的；所述第二边界覆盖矩阵是基于所有所述第二图像的图像边缘识别结果重复覆盖形成的。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。