基于图像处理的风力发电机叶片覆冰监测方法

摘要

“十三五”以来，中国南方高山风电资源快速开发。与北方地区相比，这些地区冬季空气潮湿，风电场覆冰问题突出，严重影响风电机组安全稳定运行。目前，关于风力发电机叶片覆冰监测问题，国内外研究大多以模型计算和传感器监测为主，存在着精度有限，成本昂贵，难以对已经投产的风力发电机进行监测等问题。从图像处理和试验相结合角度开展风力发电机叶片覆冰监测的研究，具有重要的理论意义和工程价值。论文的具体工作与成果如下：　　①根据风力发电机叶片覆冰的特点以及试验结果，选择并改进图像降噪与增强方法，主要有去雾处理、灰度变换、直方图修正、高斯滤波、拉普拉斯边缘增强五个方面，有效恢复了图像信息，提高图像质量。　　②选用多尺度小波边缘检测算法对叶片覆冰图像进行边缘检测，取得了精准定位边缘与降噪之间的平衡。对小波变换与Sobel等五种传统边缘监测的效果进行评价。结果表明，多尺度小波边缘检测不论是整体视觉感受，还是信噪比、正检率、品质因数均明显更佳。　　③提出了提取图像局部二值模式特征向量，应用支持向量机进行分类的覆冰类型识别方法，并多次开展自然覆冰图像的识别试验。结果表明，当训练样本足够大时，识别结果与环境参数预测的覆冰类型相吻合，雨凇、软雾凇、硬雾凇三种覆冰类型的识别正确率达到了100%。　　④提出了基于预先标定和真实长度/像素坐标差的叶片覆冰厚度计算方法，并在自然覆冰环境下进行多次试验。近距离（1m）/远距离（20m）的平均测量误差值为0.30mm/7.4mm，平均测量误差率为2.56%/4.58%。　　⑤提出了覆冰的三维复原方法，基于复原的三维模型，测量覆冰体积并计算覆冰重量。在自然覆冰环境下进行多次测量试验，轻微/中度/重度覆冰时测量误差率为4.23%/4.75%/7.57%。

目录

1绪论

1.1研究背景与意义

1.2国内外研究现状

1.3本文主要研究内容

2风力发电机叶片覆冰图像的拍摄与预处理

2.1风力发电机叶片覆冰图像的拍摄

2.1.1成像设备安装位置的确定

2.1.2成像设备的硬件选择

2.2基于暗通道先验的图像去雾处理

2.2.1暗通道先验原理

2.2.2大气光值估算

2.2.3传输率的估算与优化

2.2.4图像雾气的去除

2.3图像自适应灰度调整

2.4图像平滑滤波

2.5图像边缘锐化增强

2.6本章小结

3风力发电机叶片覆冰识别与三维检测

3.1基于ULBP和SVM的覆冰类型识别

3.1.1ULBP纹理特征向量的提取

3.1.2多类SVM分类模型

3.2覆冰图像的边缘检测方法分析

3.2.1传统边缘检测方法

3.2.2多尺度小波边缘检测技术

3.2.3边缘检测评估

3.3覆冰厚度计算

3.4覆冰的三维复原

3.5覆冰重量计算

3.6本章小结

4自然覆冰环境风力发电机叶片覆冰监测试验

4.1试验装置

4.1.1雪峰山野外站

4.1.2风力发电机

4.1.3测量及其他设备

4.2.1覆冰类型的识别试验

4.2.2覆冰厚度测量的试验

4.2.3覆冰三维复原的验证

4.3试验结果及分析

4.3.1覆冰类型识别效果分析

4.3.2风力发电机叶片覆冰厚度测量效果分析

4.3.3风力发电机叶片覆冰三维复原效果分析

4.4本章小结

5结论与展望

5.1本文结论

5.2后续研究工作与期望

参考文献

附录

A.作者在攻读硕士学位期间发表的论文目录

B.作者在攻读硕士学位期间参与的科研项目

C.学位论文数据集

致谢