一种在役风力机叶片结构损伤检测装置、系统及方法
阅读说明：本技术 一种在役风力机叶片结构损伤检测装置、系统及方法 (In-service wind turbine blade structure damage detection device, system and method ) 是由 童博 赵勇 高晨 王新 宋子琛 李立勋 陈臣 韩毅 于 2021-06-29 设计创作，主要内容包括：本发明提供一种在役风力机叶片结构损伤检测装置、系统及方法,包括以下步骤：步骤1,采集无损伤缺陷状态下待检测区域的声压时域信号；步骤2,对步骤1中得到的声压时域信号进行处理,得到声压功率谱密度；步骤3,将步骤2中得到的声压功率谱密度进行划分得到若干个频带,并计算各个频带对应的平均功率；步骤4,根据步骤3中得到的各个频带对应的平均功率,计算所有平均功率对应的判定区间；步骤5,根据步骤4中得到的判定区间,确定实测的风力机叶片是否存在叶片结构损伤；相对于传统的人工检测方法和安装传感器的长期检测方法,本发明简化了安装过程,降低了运维难度和风险,提高了在役风力机叶片结构损伤检测的可靠性和经济性。(The invention provides a device, a system and a method for detecting structural damage of an in-service wind turbine blade, which comprises the following steps: step 1, collecting sound pressure time domain signals of a region to be detected in a non-damage defect state; step 2, processing the sound pressure time domain signal obtained in the step 1 to obtain sound pressure power spectral density; step 3, dividing the sound pressure power spectral density obtained in the step 2 to obtain a plurality of frequency bands, and calculating the average power corresponding to each frequency band; step 4, calculating a judgment interval corresponding to all the average powers according to the average powers corresponding to the frequency bands obtained in the step 3; step 5, determining whether the actually measured wind turbine blade has blade structure damage according to the judgment interval obtained in the step 4; compared with the traditional manual detection method and the long-term detection method for installing the sensor, the method has the advantages that the installation process is simplified, the operation and maintenance difficulty and risk are reduced, and the reliability and the economy of the damage detection of the blade structure of the wind turbine in service are improved.)
技术领域
本发明属于在役风力机叶片结构损伤检测领域，涉及一种在役风力机叶片结构损伤检测装置、系统及方法。
背景技术
风力机叶片服役环境恶劣，运行过程中的风负荷、沙粒冲刷、雨水侵蚀、盐雾腐蚀、雷击、覆冰等因素均会导致叶片材料老化和结构损伤，若未及时发现与处理，损伤扩展将会导致叶片断裂，引起灾难性事故，严重威胁机组运行安全。进行在役风力机叶片结构损伤检测有助于及时发现叶片运行的异常，从而及时进行预防性维修，以提高机组运行的安全性。
目前现有的在役风力机叶片结构损伤检测技术包括通过检测人员通过吊篮方式对叶片外表面进行人工检查，通过无人机进行叶片外表面光学及红外检查，检测人员进入叶片内部进行人工内部检查，在叶片内部安装振动、应变传感器进行长期检测。叶片外部检测风险大，准确性低，无法准确发现内部结构性故障。叶片内部检测人员只能进入叶片不到一半的位置，检测范围不够全面，缺乏科学检测手段，同时作业时需要将检测叶片调整至水平位置并进行锁定，风险大，作业效率低。采用传感器长期检测成本高，一旦出现问题维修更换困难，严重制约了在役风力机叶片结构损伤检测方法的推广和应用。对于在役风力机叶片，亟需一种易实施、高经济性、高可靠性的检测手段，对叶片损伤进行准确识别。
发明内容
本发明的目的在于提供基于一种在役风力机叶片结构损伤检测装置、系统及方法，解决了现有的检测和检测技术存在的作业风险高，安装、维护难度大，成本高的缺陷。
为了达到上述目的，本发明采用的技术方案是：
本发明提供一种在役风力机叶片结构损伤检测方法，包括以下步骤：
步骤1，采集无损伤缺陷状态下待检测区域的声压时域信号；
步骤2，对步骤1中得到的声压时域信号进行处理，得到声压功率谱密度；
步骤3，将步骤2中得到的声压功率谱密度进行划分得到若干个频带，并计算各个频带对应的平均功率；
步骤4，根据步骤3中得到的各个频带对应的平均功率，计算所有平均功率对应的判定区间；
步骤5，根据步骤4中得到的判定区间，确定实测的风力机叶片是否存在叶片结构损伤。
优选地，步骤2中，对步骤1中得到的声压时域信号进行处理，得到声压功率谱密度，具体方法是：
首先，将步骤1得到的声压时域信号进行滤波处理，得到滤波后的声压时域信号；
其次，将得到的滤波后的声压时域信号进行快速傅里叶变换，得到声压功率谱密度。
优选地，步骤3中，将步骤2中得到的声压功率谱密度以S500HZ的间隔进行划分，得到若干个频带。
优选地，步骤3中，通过下式计算各个频带对应的平均功率：
其中，k为频带序号，k＝1,2,3...m；m为划分的频带的数量；为第k频带声压信号的平均功率。
优选地，步骤4中，根据步骤3中得到的各个频带对应的平均功率，计算所有平均功率对应的判定区间，具体方法是：
首先，根据步骤3中得到的各个频带对应的平均功率，分别计算各个频带对应的平均功率的均值和标准差；
其次，根据计算得到的各个频带对应的平均功率的均值和标准差，结合拉依达准则计算得到所有平均功率对应的判定区间。
优选地，通过下式计算所有平均功率对应的判定区间：
其中，Δi为判定区间。
优选地，步骤5中，根据步骤4中得到的判定区间，确定实测风力机叶片是否存在叶片结构损伤，具体方法是：
采集待测风力机叶片的声压时域信号；
重复步骤2、步骤3，得到待测风力机叶片的各个频带对应的平均功率；
根据待测风力机叶片的各个频带对应的平均功率计算所有平均功率对应的均值；
判断该均值是否在步骤4中得到的判定区间内，其中，若该均值在步骤4中得到的判定区间内，则该实测风力机叶片存在叶片结构损伤；否则，该实测风力机叶片无损伤。
一种风力机叶片损伤检测系统，该系统能够运行所述的方法，包括声压时域信号采集单元、声压功率谱密度采集单元、划分单元、判定区间获取单元和损伤等级确定单元，具体地：
声压时域信号采集单元，用于采集无损伤缺陷状态下待检测区域的声压时域信号；
声压功率谱密度采集单元，用于得到的声压时域信号进行处理，得到声压功率谱密度；
划分单元，用于将得到的声压功率谱密度进行划分得到若干个频带，并计算各个频带对应的平均功率；
判定区间获取单元，用于根据得到的各个频带对应的平均功率，计算所有平均功率对应的判定区间；
损伤等级确定单元，用于根据得到的判定区间，确定实测的风力机叶片是否存在叶片结构损伤。
一种风力机叶片损伤检测装置，包括声激励器、声接收单元和数据处理单元，其中，所述声激励器用于产生激励声源；声接收单元用于接收声源与叶片结构作用后的声波，并将接收到的声波转换为检测数据，之后传输至数据处理单元；所述数据处理单元用于根据接收到的检测数据判断实测的风力机叶片是否存在叶片结构损伤。
与现有技术相比，本发明的有益效果是：
本发明提供的一种风力机叶片损伤检测方法，通过主动发射激励声援和接收声源与叶片结构作用后的声波，计算获得声波在与叶片结构作用后的平均功率，将该系统部署在制造厂内无结构故障叶片获取正常情况下的平均功率特性，然后利用该系统部署在在役风电机组同型号叶片内进行检测，叶片发生结构性故障时，声波将通过贯穿性结构故障传导至叶片外部，将导致声音能量的损失以及系统接收到的声波平均功率的下降。
本发明提供的一种风力机叶片损伤检测装置，该装置包括声激励器、声接收单元和数据处理单元，检测时部署在在役风电机组叶片内部，通过主动发射激励声援和接收声源与叶片结构作用后的声波，计算获得声波在与叶片结构作用后的平均功率，并将检测数据和正常数据进行对比，判断叶片是否存在结构性缺陷。相对于传统的人工检测方法和安装传感器的长期检测方法，本发明简化了安装过程，降低了运维难度和风险，提高了在役风力机叶片结构损伤检测的可靠性和经济性。
附图说明
图1是本发明涉及的流程图；
图2是安装结构示意图。
具体实施方式
下面结合附图，对本发明进一步详细说明。
如图1、图2所示，为了克服现有风力机叶片结构损伤检测技术可靠性低、作业风险高和经济性差的问题，本发明提供一种基于主动声学技术的风力机叶片结构损伤检测系统及方法，该方法采用主动声源激励、声接收器接收与叶片结构作用后的声压信号，以声压信号不同频带内的平均功率作为检测特征，实现叶片损伤的实时检测与识别。
检测系统包括：声激励器、声接收单元和数据处理单元；声激励器用于产生激励声源；声接收单元用于接收声源与叶片结构作用后的声波，包括传声器和音频转换模块，音频转换装置与存储模块连接，用于将声波信号转换为检测数据；声接收单元设置有数据接口，用于将接收到的音频检测数据传输至数据处理单元。数据处理单元用于存储和分析声波数据。
具体地，包括以下步骤：
步骤1，在无结构缺陷叶片部署检测系统。
选择叶片制造厂内无缺陷叶片安装检测系统，将声激励器、声接收单元和数据处理单元部署于位于风力机叶片根部的隔板内；
步骤2，声压信号的采集。
采用声激励装置激励声信号，利用声接收单元采集叶片无缺陷状态下的声压时域信号，记此信号为P并存储。
步骤3，声压信号的处理与分析。
首先，将步骤2得到的声压时域信号P采用高通滤波器进行滤波处理，得到滤波后的声压时域信号L；
其中，将波后的声压时域信号L信号分别通过下式进行快速傅里叶变换，得到声压功率谱密度S；
f为频率；S[f]为频率f对应的声压功率谱密度；Δt为窗口时间间隔；N为声压信号数据的总数量；n为窗口内声压数据数量；h(n)为窗口函数；p(n)为窗口内声压时域信号；e为自然指数底；j为虚数单位；π为圆周率。
将声压功率谱密度以S500HZ间隔进行划分，得到若干频带；通过下式计算第k频带对应的平均功率：
其中，k为频带序号，k＝1,2,3...m；m为划分的频带的数量；为第k频带声压信号的平均功率。
步骤4，判定区间确定。
将步骤3获得的各频带内的平均功率进行统计分析，计算所有平均功率对应的均值：
其中，m为频带数量，为所有平均功率对应的均值。
计算所有平均功率l(k)对应的标准差：
其中，std为所有平均功率l(k)对应的标准差。
利用计算得到的均值和标准差，根据拉依达准则计算所有平均功率对应的判定区间：
其中，Δi为判定区间。
步骤5，损伤识别。
根据步骤1中的传感器布局方案，将检测系统安装在待测在役风电机组同型号叶片内部，按步骤2采集叶片实测声压信号，将实测信号按步骤3到步骤4处理，获得实测声压信号对应的平均功率的均值根据判断实测风力机叶片是否存在叶片结构损伤，其中，若该均值在步骤4中得到的判定区间内，则该实测风力机叶片存在叶片结构损伤；否则，该实测风力机叶片无损伤。
实施案例
步骤一在无结构缺陷叶片部署检测系统。
本实例中选用的制造厂内无结构缺陷风机叶片长度为46.7m。采用雅马哈CBR10型扬声器作为声激励装置，PCB声学传感器378A21作为声接收单元，将激励装置与接收装置分别部署于风力机叶片根部，扬声器激励声源，声传感器接收与叶片结构/损伤作用后的声波。
步骤二声压信号的采集。
打开扬声器激励声信号，利用声接收传感器采集叶片声压时域信号并存储。采样频率为51200Hz，采样时间为60s。
步骤三 声压信号的处理与分析。
将步骤三得到的声压信号采用高通滤波器进行滤波处理，本实例中选用巴特沃斯滤波器进行高通滤波，截止频率为500Hz，滤波后获得声压信号L频率范围为500Hz～20000Hz。将L信号分别进行快速傅里叶变换，得到声压功率谱密度S：
其中：f为频率，S[f]为f频率对应的声压功率谱密度，Δt为窗口时间间隔，本实例中取Δt＝0.08s，N为声压信号数据的总数量，本实例中为N＝3072000，n为窗口内声压数据的数量，本实例中为n＝4096，h(n)为窗口函数，本实例中选用矩形窗作为窗口函数，p(n)是为窗口内声压时域信号，e为自然指数底，j为虚数单位，π为圆周率。
按频带宽度500Hz进行划分，计算各频带内的平均功率：
其中，k为频带序号，k＝1,2,3...m；m为划分频带数量，本实例中m＝39；l(k)为第k频带声压信号的平均功率。
步骤四判定区间确定。
将步骤五获得的处理后声压信号各频带的平均功率l(k)进行统计分析，计算平均功率l(k)的均值：
其中，为各频带内l(k)的均值。
计算平均功率l(k)标准差：
其中，std为各频带内的标准差。
利用计算得到的无结构损伤条件下平均功率的均值和标准差，根据拉依达准则计算平均功率的判定区间。
其中，Δi为判定区间。
本实例中获得的平均功率的均值标准差stdi及损伤判定区间。
stdi＝6.24，Δi＝(121.41,158.85)
步骤五损伤识别。
按照步骤一中的传感器布局方案；
按照步骤二采集结构缺陷叶片实测声压信号；
将实测信号按步骤三到四处理；
最终，获得待检叶片实测声压信号的各频带平均功率均值为根据判定为叶片损伤。结果表明，利用本发明方法可有效检测风力机叶片损伤。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种工件缺陷的检测装置及其检测方法