王瀟晨 唐 亮 張 磊

（山東電力工程咨詢院有限公司）

0 引言

葉片作為風(fēng)電機(jī)組的核心部件，用于能量轉(zhuǎn)換，將風(fēng)能轉(zhuǎn)換成機(jī)械能，是發(fā)電的動(dòng)力源泉。在交變載荷作用下，葉片表面會(huì)產(chǎn)生剝落或者裂紋等影響性能和安全的現(xiàn)象，如果不能夠有效地及時(shí)發(fā)現(xiàn)，會(huì)直接造成經(jīng)濟(jì)損失。因此，實(shí)時(shí)監(jiān)測葉片損傷的方法研究十分必要。

由于目前葉片的損傷均通過定期維護(hù)檢修由運(yùn)維廠家和葉片廠家處理，但這種依賴人工運(yùn)維的檢修方式并不能及時(shí)發(fā)現(xiàn)葉片異常，普通缺陷可能會(huì)演變成嚴(yán)重缺陷，帶來高額的材料和維修費(fèi)用，以及運(yùn)輸和更換過程中的停機(jī)損失。

葉片音視頻監(jiān)測系統(tǒng)依托圖像與聲音的智能識別，實(shí)現(xiàn)機(jī)組葉片的故障判斷，有效預(yù)警葉片故障缺陷，降低大部件重大時(shí)效風(fēng)險(xiǎn)，減少運(yùn)維成本及被動(dòng)停機(jī)時(shí)間，幫助客戶進(jìn)行精細(xì)化管理，減少用戶的損失。本文方法具有高效、便捷的特征，能夠?yàn)榇媪亢臀磥硎袌鎏峁┤~片損傷識別的技術(shù)支撐。

1 葉片損傷對機(jī)組的影響

葉片作為風(fēng)電機(jī)組將風(fēng)能轉(zhuǎn)化為電能的主要連接部件，其健康狀態(tài)直接關(guān)系到機(jī)組的安全穩(wěn)定運(yùn)行與發(fā)電效能?；趥鞲衅鞯墓收项A(yù)警是葉片健康狀態(tài)檢測的一個(gè)重要方面。傳統(tǒng)的葉片故障監(jiān)測是通過人工定期巡檢，依靠肉眼觀察，這種方法基于人工經(jīng)驗(yàn)，存在損傷判定不準(zhǔn)的問題，另外定時(shí)巡檢對人的依賴程度較大，實(shí)時(shí)性差、運(yùn)維成本高［1］。

近年來，國內(nèi)外葉片故障監(jiān)測技術(shù)不斷成熟，在理論上有了一定的技術(shù)積累，在實(shí)際應(yīng)用中也研發(fā)了較有針對性的故障監(jiān)測設(shè)備。目前葉片出廠前的檢測方法一般有目視法、敲擊法、疲勞測試、雷擊測試、靜力學(xué)測試等常規(guī)的物理檢測方法［2］。

風(fēng)電葉片大多采用玻璃鋼或碳纖維材質(zhì)，采用真空灌注工藝制成，受制造工藝以及隨機(jī)因素的影響，葉片內(nèi)部難免會(huì)出現(xiàn)氣泡、夾雜、裂紋、分層、脫粘等結(jié)構(gòu)缺陷，這些缺陷在葉片運(yùn)行中反復(fù)遭受動(dòng)／靜載荷、疲勞的影響，將會(huì)導(dǎo)致缺陷的積累及擴(kuò)展，最終使葉片失穩(wěn)破壞［3-4］。

針對風(fēng)電機(jī)組SCADA監(jiān)測數(shù)據(jù)的非線性、高冗余等特點(diǎn)，提出一種基于受限玻爾茲曼機(jī)和支持向量機(jī)的風(fēng)電機(jī)組葉片開裂故障預(yù)測方法［5］。基于音頻數(shù)據(jù)的風(fēng)電機(jī)組異常狀態(tài)監(jiān)測系統(tǒng)的主要功能是采集風(fēng)電機(jī)組運(yùn)行過程中發(fā)出的聲音，對聲音數(shù)據(jù)進(jìn)行特征分析、模式識別，判斷機(jī)組（部件）是否存在異常或損傷情況，結(jié)合業(yè)務(wù)規(guī)則發(fā)出報(bào)警，為機(jī)組運(yùn)行維護(hù)提供決策支持［6-7］。分析機(jī)組本身是否存在控制方面的重大安全隱患，結(jié)合機(jī)組的運(yùn)行記錄數(shù)據(jù)和控制系統(tǒng)的資料，分析了實(shí)際案例的根本事故原因［8］。丹麥PCH公司的PCH1026低頻結(jié)構(gòu)振動(dòng)監(jiān)測儀是采集風(fēng)力發(fā)電機(jī)組葉片邊緣振動(dòng)信號和塔筒振動(dòng)信號的專用儀器。振動(dòng)傳感器需埋入葉片表面或者粘貼在材料表面來實(shí)時(shí)監(jiān)測振動(dòng)，此種方法目前主要應(yīng)用于測試試驗(yàn)。實(shí)際生產(chǎn)中，無法滿足葉片運(yùn)動(dòng)的工作狀態(tài)和復(fù)雜的外形結(jié)構(gòu)，可操作性差。此外，該方法準(zhǔn)確度較低，主要對機(jī)械結(jié)構(gòu)的損傷檢測效果較好，不適用于葉片的損傷檢測［9-10］。

盡管現(xiàn)階段各大主機(jī)廠、研究所及高校都對葉片故障預(yù)警進(jìn)行了一定的研究，但是真正在工程中普及應(yīng)用的并不多。有些應(yīng)用也只是有監(jiān)測作用，不具備相應(yīng)的預(yù)警功能。如何在不影響機(jī)組運(yùn)行的情況下，對葉片進(jìn)行健康檢測實(shí)現(xiàn)有效的故障預(yù)警，還需要開展進(jìn)一步研究［11］。

2 葉片監(jiān)測方法研究

風(fēng)電機(jī)組葉片通常由復(fù)合材料制成，如玻璃纖維增強(qiáng)塑料或碳纖維增強(qiáng)塑料。這些材料具有高強(qiáng)度、輕量化和耐腐蝕等特性，適合用于葉片制造。葉片的形狀通常是空氣動(dòng)力學(xué)優(yōu)化的，以最大程度地捕獲風(fēng)能。葉片一般呈彎曲狀，前緣較厚，背緣較薄，具有空氣動(dòng)力學(xué)剖面，以減小風(fēng)阻，提高效率。葉片的外表面通常涂覆有特殊的涂層，以提高耐候性和減少褪色，這些涂層還可以降低摩擦，使風(fēng)能更容易流過葉片表面。葉片結(jié)構(gòu)如圖1所示。

圖1 葉片結(jié)構(gòu)圖

葉片音視頻監(jiān)測系統(tǒng)通過兩方面技術(shù)進(jìn)行葉片狀態(tài)分析：一是通過圖像處理，分析葉片表象故障，常見的葉片損壞類型有普通損壞、前緣腐蝕、前緣開裂、后緣開裂、后緣損壞、葉根斷裂、葉根開裂折斷、表面裂紋及雷擊損壞等；二是通過音頻分析葉片狀態(tài)，例如葉片出水孔堵塞，葉片老化引起的其他內(nèi)外部問題等。若葉片發(fā)生損傷，在風(fēng)輪旋轉(zhuǎn)過程中，收集到聲音在頻率上的響應(yīng)與健康葉片會(huì)有比較大的差異，基于這種差異可以判斷葉片是否存在異?；驌p傷，從而進(jìn)行預(yù)警，避免葉片發(fā)生更嚴(yán)重的損傷或者斷裂情況。葉片監(jiān)測拓?fù)浣Y(jié)構(gòu)如圖2所示。

圖2 葉片監(jiān)測拓?fù)浣Y(jié)構(gòu)

系統(tǒng)采用大數(shù)據(jù)、人工智能技術(shù)分析完成葉片失效模式及缺陷檢測，先進(jìn)行樣本收集，包含多尺度樣本、不均衡樣本、少樣本；再進(jìn)行數(shù)據(jù)治理，包含圖像增強(qiáng)、數(shù)據(jù)篩選、數(shù)據(jù)評估；然后進(jìn)行特征提取，包含時(shí)域頻域分析、特征提取網(wǎng)絡(luò)、特征關(guān)聯(lián)挖掘。缺陷知識庫包含涉筆狀態(tài)規(guī)則、缺陷檢測模型；模型推理包括缺陷分類、缺陷聚類、知識推理；知識反饋包括漏檢知識匯總、錯(cuò)檢知識匯總、專家推理評估。技術(shù)路線如圖3所示。

圖3 算法分析步驟

3 葉片音視頻監(jiān)測應(yīng)用分析

3.1 葉片視頻監(jiān)測分析

基于視頻抽幀的圖像（如圖4所示），人工篩選葉片成像效果較優(yōu)且包含正常、邊緣開裂、表面裂紋、覆冰等的樣本數(shù)據(jù)。對圖像樣本進(jìn)行葉片分割、缺陷關(guān)鍵點(diǎn)的標(biāo)注，主要從背景圖片中完整分割出葉片整體而不丟失缺陷信息，將標(biāo)注后的圖像樣本借助圖像增強(qiáng)類算法實(shí)現(xiàn)在圖片翻轉(zhuǎn)、剪切、旋轉(zhuǎn)平移變換及仿射變化時(shí)同步進(jìn)行標(biāo)注操作，通過圖像增強(qiáng)豐富樣本數(shù)據(jù)集。其次，針對樣本數(shù)據(jù)集進(jìn)行類別統(tǒng)計(jì)以評估樣本不均衡、多尺度的概況，進(jìn)而調(diào)整數(shù)據(jù)集使樣本具備類別均衡性。

圖4 實(shí)際拍攝圖片

將彩色圖進(jìn)行灰度處理，將各分量的亮度求平均，計(jì)算得到灰度圖的值，具體表達(dá)式如下：

式中，R（i，j）、G（i，j）、B（i，j）為RGB模型三個(gè)三彩分量。

首先通過Canny算子計(jì)算平均值，對圖像濾波，根據(jù)設(shè)定閾值Tk求背景和目標(biāo)的平均閾值T1、T2：

式中，Z（x，y）表示的是圖像上點(diǎn)（x，y）的灰度值；N（x，y）表示的是點(diǎn)（x，y）的權(quán)重系數(shù)，通常設(shè)N（x，y）的值為1。

3.2 葉片音頻監(jiān)測分析

通過風(fēng)機(jī)端拾音器采集的音頻數(shù)據(jù)傳送到智能處理單元，并將音頻進(jìn)行聲壓轉(zhuǎn)換以及用帶通濾波進(jìn)行音頻初步處理，通過風(fēng)場環(huán)網(wǎng)傳輸至中控室服務(wù)器進(jìn)行壓縮及存儲(chǔ)。收集包含正常、表面損傷、覆冰、哨音、蟬鳴、汽車等各類音頻數(shù)據(jù)，通過機(jī)器學(xué)習(xí)SVM等分類方法提取葉片中有效的音頻數(shù)據(jù)，使用巴特沃斯濾波去除低頻及高頻的噪聲數(shù)據(jù)，使用短時(shí)傅里葉變換進(jìn)行頻域分析獲取頻譜圖，基于頻譜圖提取Hog特征進(jìn)行存儲(chǔ)。針對待檢音頻，風(fēng)輪與拾音器的相對位置及風(fēng)輪轉(zhuǎn)速對能量圖譜影響較大，而葉片運(yùn)行中的聲音頻率固定在特定的頻段，基于此借助巴特沃斯濾波過濾掉低頻及高頻分量，基于重采樣的短時(shí)傅里葉變換，將時(shí)域音頻轉(zhuǎn)換為音頻信號的二維頻譜作為能量圖譜。針對音頻時(shí)域信號，采用基于Hilbert提取時(shí)序信號的包絡(luò)線及極值點(diǎn)，對葉片進(jìn)行切分，獲取每個(gè)獨(dú)立葉片的分割點(diǎn)進(jìn)而獲取每個(gè)葉片的能量頻譜，針對單周期葉片頻譜計(jì)算信號信噪比，信噪比小于閾值的音頻信號說明風(fēng)噪等影響較大，刪除并不予分析。因葉片發(fā)生損傷，在風(fēng)輪旋轉(zhuǎn)過程中，收集到聲音在頻率上的響應(yīng)與健康葉片會(huì)有比較大的差異，采用葉片間的頻譜能量互差來評估葉片的失效模式。主要計(jì)算如下?lián)p傷因子：葉片頻譜能量比值、能量頻譜KL散度、哨聲因子、雷聲因子、覆冰因子等。

對于濾波器設(shè)計(jì)，選擇巴特沃斯濾波器，振幅平方與頻率的關(guān)系如下：

其中，n為濾波器階數(shù)；ωc為截止頻率；ωp為通頻帶邊緣頻率；ω為信號角頻率。

n階巴特沃斯濾波器的振幅和頻率關(guān)系的公式表示如下：

式中，G為放大率；H為轉(zhuǎn)移函數(shù)；j為虛數(shù)單位。

經(jīng)巴特沃斯帶通濾波器濾除3kHz以下的信號，濾波前后的信號對比如圖5和6所示。

圖5 濾波前信號

圖6 濾波后信號

使用希爾伯特變換方法提取時(shí)域信號進(jìn)行平滑處理后提取極值點(diǎn)（如圖7所示），通過短時(shí)傅里葉變換，得到二維頻譜（如圖8所示）。

圖7 獲取極值點(diǎn)

圖8 葉片頻域能量頻譜

選取一段時(shí)間數(shù)據(jù)分析，該樣本音頻譜圖分為音頻時(shí)間波形與語譜圖兩個(gè)子圖，如圖9所示。其中上圖為音頻時(shí)間波形，下圖為語譜圖，音頻時(shí)間波形圖展示了音頻幅度隨時(shí)間的變化關(guān)系，音頻語譜圖展示了音頻頻率、時(shí)間、音頻能量強(qiáng)度的關(guān)系，圖中明顯的波峰表征每個(gè)葉片的獨(dú)立音頻頻譜，通過頻譜之間的差異診斷葉片損傷情況。

圖9 音頻譜圖

4 結(jié)束語

本文提出音視頻葉片監(jiān)測方式，有效識別失效葉片的損傷，可實(shí)現(xiàn)對葉片表面損傷在線監(jiān)測，通過圖像識別算法與自學(xué)習(xí)，能夠識別葉片損傷，達(dá)到預(yù)警的效果。由于本文樣本數(shù)量較少，后續(xù)仍需要大量的數(shù)據(jù)訓(xùn)練，探索研究異常狀態(tài)的特征。因此后續(xù)需要大量收集相關(guān)數(shù)據(jù)，以提高識別能力，爭取可識別葉片結(jié)冰、斷裂、開裂、裂紋及雷擊等復(fù)雜狀態(tài)。本文通過音視頻方式實(shí)現(xiàn)在線監(jiān)測識別葉片表面損傷具有一定的推廣應(yīng)用價(jià)值。