-
公开(公告)号：CN112666219A
公开(公告)日：2021-04-16
申请号：CN202011599639.8
申请日：2020-12-29
Applicant: 厦门理工学院
IPC: G01N25/72
Abstract: 本发明公开了一种基于红外热成像的叶片检测方法，所述方法包括：获取风机叶片表面的热成像图像；对所述热成像图像进行处理后，得到第一图像集；采用梯度下降算法计算所述第一图像集的缺陷特征，得到多变量线性回归特征模型；根据所述变量线性回归特征模型对待检测图像进行检测，从而获取风机叶片的缺陷信息。本发明提出的方案能够实现对风机叶片表面缺陷进行精确的检测、并且降低检测成本以及提高检测效率。
-
公开(公告)号：CN113050693A
公开(公告)日：2021-06-29
申请号：CN202110323682.X
申请日：2021-03-26
Applicant: 厦门理工学院
IPC: G05D1/10
Abstract: 本发明公开了一种用于风电叶片检测的无人机巡检方法，所述方法基于无人机系统实现，所述方法包括：响应于接收到巡检指令时，通过所述第一无人机沿风机的排布方向进行拍摄；识别拍摄画面所显示的风机大小，并以拍摄画面中显示最大的风机设为初始巡检点；对拍摄画面中所显示的风机大小进行降序排序后，提取与巡检预设值对应的风机数量，并基于所述初始巡检点按照顺序生成巡检路径；所述第一无人机对所述巡检路径中的每一巡检点所对应风机上空均进行第一距离确认后，发送每一巡检点对应的GPS位置信息至所述第二无人机；所述第二无人机根据所接收的GPS位置信息后，按照所述巡检路径的生成顺序对每一风机进行拍摄，以获取每一风机叶片的热成像图像。
-
Patent Agency Ranking
公开(公告)号：CN112686860A
公开(公告)日：2021-04-20
申请号：CN202011600265.7
申请日：2020-12-29
Applicant: 厦门理工学院
Abstract: 本发明公开了一种基于红外热成像的叶片检测方法，所述方法包括：获取风机叶片的热成像图像；提取所述热成像图像的温度信息，得到第一输入特征；采用softmax将所述第一输入特征与权重做线性叠加处理，得到第一图像集；对所述第一图像集进行样本分类的矢量计算以及交叉熵损失函数计算，得到特征回归模型；通过对所述特征回归模型对待检测热成像图像的温度信息进行检测，从而获取风机叶片的缺陷信息。本方案能够实现对风机叶片缺陷进行精确的检测、并且降低检测成本以及提高检测效率。
-
公开(公告)号：CN113050693B
公开(公告)日：2022-04-19
申请号：CN202110323682.X
申请日：2021-03-26
Applicant: 厦门理工学院
IPC: G05D1/10
Abstract: 本发明公开了一种用于风电叶片检测的无人机巡检方法，所述方法基于无人机系统实现，所述方法包括：响应于接收到巡检指令时，通过所述第一无人机沿风机的排布方向进行拍摄；识别拍摄画面所显示的风机大小，并以拍摄画面中显示最大的风机设为初始巡检点；对拍摄画面中所显示的风机大小进行降序排序后，提取与巡检预设值对应的风机数量，并基于所述初始巡检点按照顺序生成巡检路径；所述第一无人机对所述巡检路径中的每一巡检点所对应风机上空均进行第一距离确认后，发送每一巡检点对应的GPS位置信息至所述第二无人机；所述第二无人机根据所接收的GPS位置信息后，按照所述巡检路径的生成顺序对每一风机进行拍摄，以获取每一风机叶片的热成像图像。
-
公开(公告)号：CN112796957B
公开(公告)日：2022-08-26
申请号：CN202110323517.4
申请日：2021-03-26
Applicant: 厦门理工学院
Abstract: 本发明公开了一种风机叶片的检测方法，所述方法包括：通过光纤光栅传感器获取风机叶片的振动信号数据，其中，所述光纤光栅传感器布设于风机叶片的大梁两端；通过转速传感器获取风机叶片的输出功率，其中，所述转速传感器设置于风机叶片上；当所述输出功率为第一阈值时，分析所述振动信号数据，得到基于风机叶片的变形量的变化曲线；判断所述变化曲线超出预设范围时，确定风机叶片发生形变，并获得风机叶片的缺陷信息。能够实现对风机叶片缺陷进行精确的检测、并且降低由于风机叶片的故障带来的经济损失，从而能够有效保护风机叶片、延长风机叶片的使用寿命，增加风机运行效率。
-
公开(公告)号：CN115541703A
公开(公告)日：2022-12-30
申请号：CN202211179307.3
申请日：2022-09-27
Applicant: 厦门理工学院
IPC: G01N27/904
Abstract: 本发明公开了一种风电叶片连接处细小缺陷的检测方法和装置以及设备。其中，所述方法包括：计算涡流阵列传感器的最优工作频率；通过最优工作频率获取不同风电叶片疲劳数据序列，将风电叶片疲劳数据序列转换为等距序列，并提取其中点值数据；通过不同风电叶片疲劳数据序列构建疲劳寿命监测化模型；采用深度学习网络及中点值数据对疲劳寿命监测化模型进行训练；根据训练后的疲劳寿命监测化模型，来对风电叶片连接处细小缺陷进行预测。本发明利用最优工作频率确保了数据的准确度、中点值在训练过程中用于反向更新深度学习网络确保模型的收敛速度以及准确率。利用上述技术手段提高模型准确率，使其能实现通过涡流阵列传感器来监测细小结构缺陷。
-
公开(公告)号：CN112796957A
公开(公告)日：2021-05-14
申请号：CN202110323517.4
申请日：2021-03-26
Applicant: 厦门理工学院
Abstract: 本发明公开了一种风机叶片的检测方法，所述方法包括：通过光纤光栅传感器获取风机叶片的振动信号数据，其中，所述光纤光栅传感器布设于风机叶片的大梁两端；通过转速传感器获取风机叶片的输出功率，其中，所述转速传感器设置于风机叶片上；当所述输出功率为第一阈值时，分析所述振动信号数据，得到基于风机叶片的变形量的变化曲线；判断所述变化曲线超出预设范围时，确定风机叶片发生形变，并获得风机叶片的缺陷信息。能够实现对风机叶片缺陷进行精确的检测、并且降低由于风机叶片的故障带来的经济损失，从而能够有效保护风机叶片、延长风机叶片的使用寿命，增加风机运行效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
