風(fēng)力發(fā)電機(jī)葉片表面損傷識(shí)別方法研究對(duì)提升風(fēng)機(jī)故障診斷效率,降低風(fēng)機(jī)運(yùn)行風(fēng)險(xiǎn)隱患有著重要的意義。目前依賴人工巡檢方式的目視法對(duì)風(fēng)機(jī)葉片表面進(jìn)行檢測(cè)容易引發(fā)視覺疲勞,其主觀因素也影響檢測(cè)結(jié)果及效率,因此風(fēng)電場(chǎng)迫切需求能對(duì)實(shí)際現(xiàn)場(chǎng)環(huán)境中的損傷圖像進(jìn)行自動(dòng)識(shí)別的技術(shù)來改善人工檢測(cè)的局限性。但對(duì)風(fēng)機(jī)葉片而言,遠(yuǎn)距離觀測(cè)及動(dòng)態(tài)環(huán)境都使得損傷圖像識(shí)別困難,從而讓識(shí)別風(fēng)機(jī)葉片表面損傷圖像的任務(wù)變得更為艱巨。本文以裝機(jī)投入使用的風(fēng)機(jī)葉片表面損傷為識(shí)別檢測(cè)對(duì)象,針對(duì)目前人工巡檢為主的葉片表面損傷檢測(cè)的局限性,以先進(jìn)的機(jī)器學(xué)習(xí)視覺檢測(cè)方法為研究?jī)?nèi)容,研究目的是實(shí)現(xiàn)對(duì)裝機(jī)投入使用的風(fēng)機(jī)葉片表面損傷進(jìn)行視覺識(shí)別檢測(cè)任務(wù)。本論文主要研究工作如下:1.提出了三種可配合人工巡檢的風(fēng)機(jī)葉片表面的圖像獲取方案,對(duì)三種方案進(jìn)行論證,擬定了可行性較高的地面巡檢機(jī)器人作為葉片圖像獲取方案,并確定了適用于圖像獲取及損傷分類的技術(shù)規(guī)范。2.建立了適用于已裝機(jī)使用的風(fēng)機(jī)葉片表面損傷圖像識(shí)別任務(wù)的圖像數(shù)據(jù)集,其中包含風(fēng)機(jī)葉片表面無損傷圖像、裂紋損傷圖像及其它損傷圖像。3.基于TensorFlow學(xué)習(xí)框架在Python3.5上搭建了葉片... 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：106 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

類型累計(jì)裝機(jī)容量及同比變化[1]

昆明理工大學(xué)碩士學(xué)位論文2圖1.22010-2017年中國風(fēng)力發(fā)電量產(chǎn)量及增速[1]Fig.1.2China"swindpowerproductionandgrowthratein2010-2017[1]對(duì)大力發(fā)展風(fēng)力發(fā)電而言，除了充分利用我國龐大的風(fēng)能資源，增裝風(fēng)電機(jī)組以外，可通過改進(jìn)風(fēng)能設(shè)備來降低風(fēng)能獲取的成本。風(fēng)力發(fā)電機(jī)的葉片主要用于吸收風(fēng)能，并在吸收風(fēng)能的過程中將其轉(zhuǎn)化為機(jī)械能。作為風(fēng)力發(fā)電機(jī)組能量轉(zhuǎn)換的重要組成部分，葉片在保障風(fēng)電機(jī)組整體運(yùn)行的過程中發(fā)揮著重要作用[3]。圖1.3英國凱斯內(nèi)斯風(fēng)電場(chǎng)論壇統(tǒng)計(jì)信息-事故數(shù)據(jù)統(tǒng)計(jì)[4]Fig.1.3UKCasesWindsForumStatistics-AccidentStatistics[4]隨著裝容量逐漸變大，風(fēng)電機(jī)組的體積也在逐漸增加，因此葉片的長(zhǎng)度也在不斷變長(zhǎng)，所以風(fēng)電機(jī)組存在的安全隱患也隨之增加，產(chǎn)生故障的機(jī)率隨之增大。通過對(duì)CWIF（CaithnessWindfarmInformationForum，英國凱斯內(nèi)斯風(fēng)電場(chǎng)信息論壇）的數(shù)據(jù)統(tǒng)計(jì)信息得出[4]，如圖1.3所示，葉片故障而導(dǎo)致的事故發(fā)生率。因此對(duì)風(fēng)機(jī)葉片的表面損傷實(shí)行檢測(cè)顯然成為影響整個(gè)風(fēng)電行業(yè)更好發(fā)展的重要因素，也獲得了行業(yè)內(nèi)更多的科研人員的重視。風(fēng)機(jī)葉片由于受多種因素的影響，擁有不同的運(yùn)作效率。如當(dāng)?shù)氐娘L(fēng)速、風(fēng)的持久程度以及葉片本身的形狀、位置、材料特質(zhì)等，這些因素在風(fēng)機(jī)的運(yùn)作效

昆明理工大學(xué)碩士學(xué)位論文2圖1.22010-2017年中國風(fēng)力發(fā)電量產(chǎn)量及增速[1]Fig.1.2China"swindpowerproductionandgrowthratein2010-2017[1]對(duì)大力發(fā)展風(fēng)力發(fā)電而言，除了充分利用我國龐大的風(fēng)能資源，增裝風(fēng)電機(jī)組以外，可通過改進(jìn)風(fēng)能設(shè)備來降低風(fēng)能獲取的成本。風(fēng)力發(fā)電機(jī)的葉片主要用于吸收風(fēng)能，并在吸收風(fēng)能的過程中將其轉(zhuǎn)化為機(jī)械能。作為風(fēng)力發(fā)電機(jī)組能量轉(zhuǎn)換的重要組成部分，葉片在保障風(fēng)電機(jī)組整體運(yùn)行的過程中發(fā)揮著重要作用[3]。圖1.3英國凱斯內(nèi)斯風(fēng)電場(chǎng)論壇統(tǒng)計(jì)信息-事故數(shù)據(jù)統(tǒng)計(jì)[4]Fig.1.3UKCasesWindsForumStatistics-AccidentStatistics[4]隨著裝容量逐漸變大，風(fēng)電機(jī)組的體積也在逐漸增加，因此葉片的長(zhǎng)度也在不斷變長(zhǎng)，所以風(fēng)電機(jī)組存在的安全隱患也隨之增加，產(chǎn)生故障的機(jī)率隨之增大。通過對(duì)CWIF（CaithnessWindfarmInformationForum，英國凱斯內(nèi)斯風(fēng)電場(chǎng)信息論壇）的數(shù)據(jù)統(tǒng)計(jì)信息得出[4]，如圖1.3所示，葉片故障而導(dǎo)致的事故發(fā)生率。因此對(duì)風(fēng)機(jī)葉片的表面損傷實(shí)行檢測(cè)顯然成為影響整個(gè)風(fēng)電行業(yè)更好發(fā)展的重要因素，也獲得了行業(yè)內(nèi)更多的科研人員的重視。風(fēng)機(jī)葉片由于受多種因素的影響，擁有不同的運(yùn)作效率。如當(dāng)?shù)氐娘L(fēng)速、風(fēng)的持久程度以及葉片本身的形狀、位置、材料特質(zhì)等，這些因素在風(fēng)機(jī)的運(yùn)作效

【參考文獻(xiàn)】：
期刊論文
[1]Effects of Offset Blade on Aerodynamic Characteristics of Small-Scale Vertical Axis Wind Turbine[J]. LI Yan,ZHAO Shouyang,QU Chunming,FENG Fang,KOTARO Tagawa.  Journal of Thermal Science. 2019(02)
[2]海上風(fēng)力發(fā)電機(jī)葉片裂紋圖像分割方法研究[J]. 張?jiān)?張印輝,何自芬.  中國水運(yùn). 2019(03)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割[J]. 劉希.  信息技術(shù). 2019(02)
[4]海上風(fēng)力發(fā)電機(jī)塔架攀爬機(jī)器人機(jī)體結(jié)構(gòu)的有限元分析[J]. 張?jiān)?張印輝,何自芬.  中國水運(yùn). 2019(01)
[5]基于人工神經(jīng)網(wǎng)絡(luò)的肝部CT圖像識(shí)別方法[J]. 肖�；�,廖定安.  信息技術(shù)與信息化. 2018(11)
[6]基于深度學(xué)習(xí)的場(chǎng)景文字檢測(cè)與識(shí)別[J]. 白翔,楊明錕,石葆光,廖明輝.  中國科學(xué):信息科學(xué). 2018(05)
[7]基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)圖像識(shí)別方法分析[J]. 龔巖.  電子世界. 2017(12)
[8]風(fēng)力機(jī)葉片裂紋在線監(jiān)測(cè)系統(tǒng)[J]. 陸元明,張乃正.  電工技術(shù). 2017(04)
[9]基于快速SIFT算法和模糊控制的人臉識(shí)別[J]. 聶海濤,龍科慧,馬軍,張雷,馬喜強(qiáng).  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2016(02)
[10]基于神經(jīng)網(wǎng)絡(luò)集成的遙感圖像分類與建模研究[J]. 呂京國.  測(cè)繪通報(bào). 2014(03)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法研究[D]. 溫煌璐.新疆大學(xué) 2018
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的場(chǎng)景分類算法研究[D]. 蘇亞偉.南昌航空大學(xué) 2018
[3]基于機(jī)器視覺的風(fēng)力發(fā)電機(jī)葉片表面缺陷檢測(cè)研究[D]. 張建斐.蘭州理工大學(xué) 2018
[4]復(fù)雜工業(yè)場(chǎng)景目標(biāo)視覺檢測(cè)方法研究[D]. 田敏.昆明理工大學(xué) 2018
[5]基于FCN的并聯(lián)機(jī)器人工件分揀的研究[D]. 冷彥奕.天津工業(yè)大學(xué) 2018
[6]基于FCN的雞蛋胚胎圖像分割方法研究[D]. 邱玲.天津工業(yè)大學(xué) 2018
[7]隨機(jī)分布控制理論在電廠節(jié)能優(yōu)化控制中的應(yīng)用研究[D]. 吳迪.華北電力大學(xué) 2014
[8]風(fēng)力機(jī)葉片機(jī)械損傷動(dòng)態(tài)監(jiān)測(cè)方法與技術(shù)研究[D]. 李芒芒.長(zhǎng)沙理工大學(xué) 2012
[9]基于聲發(fā)射和小波分析的大型風(fēng)力機(jī)葉片材料損傷識(shí)別研究[D]. 趙新光.沈陽工業(yè)大學(xué) 2009
[10]基于ANN-CVaR模型的住宅開發(fā)投資風(fēng)險(xiǎn)評(píng)價(jià)研究[D]. 馬亮.哈爾濱工業(yè)大學(xué) 2009



本文編號(hào)：3388770