【摘要】：風(fēng)能由于其可再生、無污染且應(yīng)用技術(shù)較為成熟的特性,在新能源中備受關(guān)注,風(fēng)力發(fā)電機(jī)在全球范圍內(nèi)的裝機(jī)容量也處于一種上升趨勢。然而由于風(fēng)機(jī)葉片長期受到復(fù)合力的作用,且長時間暴露在自然環(huán)境中,極容易受到損壞并引發(fā)事故。因此為了避免此類事故造成人員傷亡和經(jīng)濟(jì)損失,需要對葉片的變形進(jìn)行測量以便進(jìn)行事故預(yù)防。在現(xiàn)有的測量方法中,基于機(jī)器視覺的測量方法因為其非接觸、精度高,測量系統(tǒng)搭建方便等優(yōu)點得到了廣泛的應(yīng)用,在對幾種常見的視覺變形測量方法進(jìn)行分析比較后,本文選擇了三維數(shù)字圖像相關(guān)方法對風(fēng)機(jī)葉片的變形量進(jìn)行測量。雖然數(shù)字圖像相關(guān)方法可以獲得全場應(yīng)變量,但依然存在計算量龐大、計算速度慢的缺點,因此本文在實現(xiàn)精確匹配算法和完成三維測量方法的基礎(chǔ)上,根據(jù)算法本身的特性,實現(xiàn)了基于GPU的異構(gòu)并行加速運(yùn)算,保證變形測量精度的同時提高了系統(tǒng)計算速度。對測量風(fēng)機(jī)葉片形變的必要性進(jìn)行了分析并列舉了多種測量方法。在對這些測量方法進(jìn)行了比較后選擇了三維數(shù)字圖像相關(guān)方法作為測量方法。數(shù)字圖像相關(guān)方法最重要的一部分便是圖像的匹配過程,本文從相關(guān)函數(shù)的選取、亞像素匹配方法的選取以及匹配參數(shù)的選取三個方面對匹配算法進(jìn)行了研究,并驗證了算法的可行性。對三維變形的測量方法進(jìn)行了研究,基于立體視覺的三維變形測量包括兩個部分,分別是相機(jī)標(biāo)定過程和三維重建及變形擬合過程。在完成變形測量方案的研究后,針對圖像匹配過程需要消耗大量時間的缺點,根據(jù)圖像匹配過程中各個子區(qū)不互相干擾的特性,對基于GPU對匹配過程的加速方法進(jìn)行了研究,并對異構(gòu)并行運(yùn)算程序進(jìn)行了設(shè)計。最后,利用立體視覺圖像采集系統(tǒng)和編寫的測量程序,使用二維運(yùn)動機(jī)構(gòu)和全站儀對測量方案的精度進(jìn)行了檢測。實驗結(jié)果顯示,實驗?zāi)軌驅(qū)θS變形進(jìn)行高精度測量。將串行和異構(gòu)運(yùn)行計算方式下的匹配算法進(jìn)行了對比,證明了使用GPU并行加速的匹配算法明顯地提高了匹配的速度,大幅度縮短了匹配所需時間。
【圖文】：

最快的新能源[3]。2005年到2015年的全球風(fēng)力發(fā)電年新增裝機(jī)容量如圖1-1所示，從圖中可以看出，全球的風(fēng)電新增裝機(jī)量基本呈上升趨勢，2015 年的新增裝機(jī)量已達(dá)到 2005 年的 6 倍。截止到 2017 年，全球累計風(fēng)電裝機(jī)容量達(dá)到 539581MW，是 10 年前的 6 倍。據(jù)全球風(fēng)能協(xié)會(Global Wind Energy Council)的 2015 年全球風(fēng)能報告顯示，在 2015 年中國的風(fēng)電裝機(jī)量超過了 30.8GW，超過了 2008 年的風(fēng)電總裝機(jī)容量，而國內(nèi)的風(fēng)電總裝機(jī)容量已達(dá)到 145GW

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文還有砂石的沖擊、冰雪沉積、冰雹等其它外部沖擊和重力等都會，外部的沖擊可能會導(dǎo)致葉片表面磨損甚至斷裂；紫外線的照射也會對也葉片的表面產(chǎn)生損壞[5,6]。因此，，為了預(yù)防由于風(fēng)機(jī)葉事故發(fā)生，減少因此帶來的經(jīng)濟(jì)損失和人員傷亡，應(yīng)當(dāng)及時檢測以便能在事故發(fā)生之前對葉片進(jìn)行維護(hù)，預(yù)防葉片斷裂。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TM315;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王長元;侯靜;;基于OpenCV改進(jìn)的攝像機(jī)標(biāo)定法[J];計算機(jī)與數(shù)字工程;2014年01期

2 羅勝彬;宋春華;韋興平;李航;;非接觸測量技術(shù)發(fā)展研究綜述[J];機(jī)床與液壓;2013年23期

3 苑云;張小虎;朱肇昆;孫祥一;尚洋;;大型風(fēng)力發(fā)電葉片變形的攝像測量方法研究[J];計算機(jī)應(yīng)用;2012年S1期

4 孫麗梅;;風(fēng)能利用現(xiàn)狀及前景分析[J];內(nèi)蒙古電力技術(shù);2010年06期

5 田文;徐帆;王宏遠(yuǎn);周波;;基于CUDA的尺度不變特征變換快速算法[J];計算機(jī)工程;2010年08期

6 馮煌;;GPU圖像處理的FFT和卷積算法及性能分析[J];計算機(jī)工程與應(yīng)用;2008年02期

7 潘兵;謝惠民;;數(shù)字圖像相關(guān)中基于位移場局部最小二乘擬合的全場應(yīng)變測量[J];光學(xué)學(xué)報;2007年11期

8 汪敏;胡小方;伍小平;;物體內(nèi)部三維位移場分析的數(shù)字圖像相關(guān)方法[J];物理學(xué)報;2006年10期

9 潘兵,續(xù)伯欽,謝惠民,戴福隆;面內(nèi)位移測量的基于梯度的數(shù)字圖像相關(guān)方法[J];光學(xué)技術(shù);2005年05期

10 潘兵,謝惠民,續(xù)伯欽,戴福隆;數(shù)字圖像相關(guān)中的亞像素位移定位算法進(jìn)展[J];力學(xué)進(jìn)展;2005年03期

相關(guān)博士學(xué)位論文 前4條

1 苑苗苗;基于數(shù)字散斑相關(guān)方法的瀝青混合料疲勞破壞機(jī)理研究[D];華南理工大學(xué);2013年

2 劉小勇;數(shù)字圖像相關(guān)方法及其在材料力學(xué)性能測試中的應(yīng)用[D];吉林大學(xué);2012年

3 陳華;基于數(shù)字散斑相關(guān)方法的視覺變形測量技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2008年

4 高建新;數(shù)字散斑相關(guān)方法及其在力學(xué)測量中的應(yīng)用[D];清華大學(xué);1989年

相關(guān)碩士學(xué)位論文 前9條

1 張貴陽;目標(biāo)模擬系統(tǒng)及其誤差分析與補(bǔ)償方法研究[D];哈爾濱工業(yè)大學(xué);2016年

2 丁寧;風(fēng)機(jī)葉片氣動彈性分析與裂紋損傷識別[D];大連理工大學(xué);2015年

3 郝麗娟;基于雙目視覺的三維形貌與形變測量[D];南京航空航天大學(xué);2013年

4 陳蛟;雙目立體匹配的算法研究及其多核并行化[D];南京郵電大學(xué);2012年

5 茅小祥;基于機(jī)器視覺的變形應(yīng)變測量及其在葉片測量中的應(yīng)用[D];南京航空航天大學(xué);2012年

6 鄒治海;GPU架構(gòu)分析與功耗模型研究[D];上海交通大學(xué);2011年

7 易俊;數(shù)字圖像相關(guān)法理論及應(yīng)用研究[D];電子科技大學(xué);2011年

8 黃忠;風(fēng)力發(fā)電機(jī)復(fù)合材料葉片的結(jié)構(gòu)應(yīng)力分析和健康監(jiān)測[D];哈爾濱工業(yè)大學(xué);2010年

9 王艷青;復(fù)合材料風(fēng)機(jī)葉片疲勞損傷監(jiān)測研究[D];哈爾濱工業(yè)大學(xué);2010年

本文編號：2703115