基于巡检图像的风机桨叶故障诊断系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 风力发电现状 | 第11-12页 |
| 1.1.1 我国风力资源的分布 | 第11页 |
| 1.1.2 我国风力发电的发展 | 第11-12页 |
| 1.1.3 世界风力发电的现状 | 第12页 |
| 1.2 风力发电桨叶状态监测意义 | 第12-15页 |
| 1.2.1 本课题的研究背景 | 第12-13页 |
| 1.2.2 国内外研究现状 | 第13-14页 |
| 1.2.3 本课题的研究意义 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第2章 风力发电过程及桨叶故障分析及修复办法 | 第17-23页 |
| 2.1 风力发电过程简述 | 第17页 |
| 2.2 风机桨叶的工作环境及结构分析 | 第17-18页 |
| 2.2.1 风机桨叶的工作环境 | 第17页 |
| 2.2.2 风机桨叶的结构及制作工艺 | 第17-18页 |
| 2.3 风机桨叶故障类型及特征分析 | 第18-21页 |
| 2.3.1 风机桨叶常见故障分析及修复方法 | 第18-20页 |
| 2.3.2 故障桨叶修复方法 | 第20页 |
| 2.3.3 风机桨叶故障智能检测的意义 | 第20-21页 |
| 2.4 风机桨叶检测方法 | 第21-22页 |
| 2.4.1 目前风场工作人员检测方法 | 第21页 |
| 2.4.2 红外检测技术 | 第21页 |
| 2.4.3 超声波检测技术 | 第21-22页 |
| 2.4.4 图像处理检测技术 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 智能巡视系统设计 | 第23-35页 |
| 3.1 智能巡视系统概述 | 第23页 |
| 3.2 智能巡视系统结构设计 | 第23-24页 |
| 3.3 智能巡视系统硬件选型 | 第24-34页 |
| 3.3.1 图像采集系统硬件选型 | 第25-29页 |
| 3.3.2 辅助系统硬件选型及设计 | 第29-33页 |
| 3.3.3 图像采集系统防震设计 | 第33-34页 |
| 3.3.4 图像采集系统硬件结构图 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 数字图像处理方法研究 | 第35-44页 |
| 4.1 数字图像处理基本概念 | 第35页 |
| 4.2 数字图像预处理技术 | 第35-37页 |
| 4.2.1 图像灰度化方法 | 第35-36页 |
| 4.2.2 图像二值化方法 | 第36页 |
| 4.2.3 直方图均衡化方法 | 第36-37页 |
| 4.3 图像形态学简介 | 第37-41页 |
| 4.3.1 图像膨胀与腐蚀 | 第38-39页 |
| 4.3.2 开操作与闭操作 | 第39-41页 |
| 4.4 连通域标记算法 | 第41-42页 |
| 4.5 目标识别方法 | 第42-43页 |
| 4.5.1 目标的描述方法 | 第42-43页 |
| 4.5.2 模式识别方法研究 | 第43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 基于形态学和连通域的风机桨叶故障检测方法 | 第44-52页 |
| 5.1 风机桨叶预处理算法及流程 | 第44-45页 |
| 5.2 基于OTSU多分量二值化研究 | 第45-47页 |
| 5.3 基于形态学的风机桨叶故障检测方法 | 第47-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 智能巡检系统软件设计及实现 | 第52-59页 |
| 6.1 智能巡检系统软件功能设置 | 第52页 |
| 6.2 智能巡检系统软件结构设计 | 第52-54页 |
| 6.2.1 图像采集软件功能控制界面 | 第52-53页 |
| 6.2.2 云台控制操作页面 | 第53-54页 |
| 6.2.3 图像管理系统 | 第54页 |
| 6.3 智能巡检系统软件操作方法 | 第54-58页 |
| 6.4 本章小结 | 第58-59页 |
| 第7章 结论与展望 | 第59-61页 |
| 7.1 结论 | 第59页 |
| 7.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66-67页 |
| 附录 | 第67-72页 |
