风电叶片在线检测技术研究进展

摘 要：风电叶片作为风力发电机核心构件，叶片状态实时检测以及使用年限估测，对提高风机工作效率、保证风机稳定工作十分关键。风电设备实际运行过程中，风机叶片在线检测主要包含两种方式，即侵入式检测、非侵入检测，不同检测模式下提取叶片损伤方式及其特征不尽相同。本文就风电叶片在线检测技术展开分析。

关键词：风电叶片;在线检测;特征识别

风电技术在缓解能源等方面具有显著优势，但其也存在部分瓶颈难以突破。风力发电厂多位于偏远区域内，工作环境恶劣且无人值守管理，其运行状态监测面临较高的挑战。现下相继衍生在线监测、调度技术等，为风电场良好运行奠定基础，但风电系统自身受外界因素干扰较为凸显，在线监控系统处于实时信息精准性、全面性等略显不足，尤其为叶片状态检测。

1.侵入式检测技术

1.1基于應变的检测

应变片凭借自身优势，在风电叶片在线检测中获取良好的应用成效，风电叶片正式工作中受源于多方向载荷，促使叶片形成应变，长期以往累积叶片产生宏观变形和开裂，多处于薄弱部位亦或应力集中区域内，可增设应变传感器检测叶片应变，直观呈现叶片自身状态。FBG传感器主要针对传统应变传感器不足，检测风电叶片检测中引入光纤传感器，其中使用频次较高的布拉格光纤光栅，实际应用原理为依托纤芯空间相位周期性分布光栅形成一个滤波器，其自身中心频率随外部应变发生位移，将其实际位移转换为应变可精准性判定叶片应变和实际疲劳状态。FBG传感器稳定性对叶片自身状态检测具有积极作用，且不足在于整体体积较大，需占据较大空间，阻碍其普遍应用。

1.2基于声发射的检测

基于声发射检测叶片失效状况较为广泛，声发射作为材料中局域源短时期内释放能量产生瞬态弹性波现象，叶片受外部载荷影响下产生形变，促使结构内部形成应力，因叶片应力集中而产生各类失效，促使短周期内释放能量。用于声发射检测的传感器由压电传感器、放大器、信号处理单元组成。基于声发射检测裂纹核心优势在于可辨识裂纹实际扩展行为，通过获取大量的叶片裂纹声发射信号参数，根据叶片无裂纹、萌生裂纹、扩展裂纹、断裂划分为四个模块，构建神经网络辨识其实际模块，精准率高达90%。叶片声发射信号处理，多选用小尺度谱进行分析，选用优化小波重分配尺度谱方式，可精准提取叶片裂纹声发射信号特征，进一步判定其故障[1]。

1.3基于振动模态的检测

基于振动模态的检测原理为，叶片出现损伤时其刚度发生波动，进而结构振动模态发生变化，分析叶片结构振动模态便可分析叶片损伤实际状况。振动模态检测主要选用三轴加速度计测试叶片各部分加速度分布。

1.4主动式探伤检测

前文所述的检测方式均是对叶片或裂纹产生被动测量，利用侦听超声波检测叶片失效状态，基于声波处于结构中传播特性随着结构变更原理，逐步衍生出主动式探伤检测。其中最为常见的测量方式为，基于PZT陶瓷的主动式探伤方式，其基本应用原理为将激励器、传感器分别放置于叶片上，激励贴片发生震动，其可持续性传输进入传感器内，截面产生应变或裂纹时震动波受反射，传感器接收源于激励器信号强弱发生变更，以此检测叶片损伤状况。此种方式检测经济性优良，布设灵活性较高，但仅只能沿着截面方向检测，若需检测整个叶片，需布设贴片网络难度较大。

2.非侵入式在线检测技术

侵入式在线检测技术将传感器预先嵌入叶片结构内，可动态化检测叶片实际工作状态及损伤，传感器和信号处理使用周期长，技术应用成熟，可联合使用多种类型传感器，可进一步克服自身技术不足，提高其检测精准性。但其不足在于传感器及其测试系统使用周期及稳定性受限，处于叶片内部一经出现故障难以及时维修，且检测流程复杂，经济性不佳。非侵入式叶片在线检测技术逐步兴起及发展，其中使用频次较高的便为基于图像识别技术。

2.1测试平台

选用图像处理方式可完整获取叶片表面结构状态，其主要包含图像采集、信息处理设备，一般利用高清摄像照相机获取叶片图像，随后进行图像处理辨识叶片失效特征，不同区域内风机规模、部署等存在较大的差异性，针对此类状况图像采集和处理需相应平台支撑。首先，地面便捷式平台。此种平台应用作为广泛，其内部结构简易，直接可将图像采集设备部署于地面，对被测目标风机完成拍照利用算法分析风机叶片实际形变。此种直接性测量平台经济性优良，部署十分便捷。其次，攀爬机器人平台。大功率风机塔高较高，地面移动平台照相机因最终成像质量、辨识率受限，获取叶片结构损伤细节难度较大，所以研究者提出攀爬机器人平台，可到达风机顶部近距离对叶片拍照，获取更为清晰的图像。最后，无人机平台。针对大型风电场，前者平台携带不便且应用效率较低，尤其为海上风电场景，此类平台难以应用。无人机平台其应用效率较大，可使用范围广，可以更高频度对风机进行检测[2]。

2.2检测算法

通过使用各类平台获取叶片实际工作状态图片，需对其进行处理，提取叶片失效特征。现下研究趋于更深层次，主要算法包含叶片形变、表面裂纹识别等。首先，叶片变形检测算法。叶片发生变形其端部距离塔身长度发生变更，可通过图像获取其实际距离变更，判定叶片实际变形程度。其次，叶片裂纹检测算法。该方式主要是利用线条检测对裂纹进行快速扫描，该检测方式将裂纹视为线组，线条则为似数字图像严重不连续，可利用滤波器进行检测。通过边缘检测算法对非均匀宽度裂纹外围轮廓检测，其可促使图像更具平滑性，但可能遗漏较细的裂纹。为进一步消除上述瓶颈，主要选用线条和边缘检测联合实现更佳的检测成效。最后，叶片折断预警检测算法。叶片折断作为最严重且危险损坏，基于SCADA数据可处于叶片折断之前检测其异常数据，利用深度编码模型可获取断裂指示因子。叶片将出现断裂时，RE会发生漂移，以此估测叶片折断。

结束语

叶片在线检测作为判定其是否损伤重要举措，现下主要包含两种检测方式，其基本应用原理不尽相同，最终获取成效存在较大差异性。具体实践中应积极分析实际状况，合理化选取在线检测技术，以此精准性判定叶片损伤状况，有目的性采取针对性措施，保证其始终处于正常状态。

参考文献：

[1]王新生，蒋杏国，孙同金.图像检测技术在静态风电叶片检测中的应用综述[J].图像与信号处理，2019，8（3）：163-168.

[2]郑若楠[1].数据驱动的风电机组叶片结冰在线检测方法[J].分布式能源，2019（1）：1-7.

作者简介：

殷金辉（1991.07.03-），男，汉，甘肃酒泉人，本科，甘肃省特种设备检验检测研究院，中级工程师，研究方向：风电叶片测试技术.