风力机叶片在线视觉监测与故障诊断系统研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.2 风力发电机叶片状态检测和故障诊断现状 | 第12-16页 |
| 1.2.1 风机叶片常见的故障及监测意义 | 第13-14页 |
| 1.2.2 风机叶片监测研究背景 | 第14-15页 |
| 1.2.3 现行诊断方法的缺陷 | 第15-16页 |
| 1.3 本文主要研究内容及预期目标 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-18页 |
| 1.3.2 预期目标 | 第18-19页 |
| 1.4 文章展开形式及论文结构 | 第19-20页 |
| 2 风力发电机叶片故障视觉诊断方法 | 第20-34页 |
| 2.1 风力发电机组结构 | 第20-23页 |
| 2.1.1 叶轮系统 | 第20-21页 |
| 2.1.2 偏航系统 | 第21-22页 |
| 2.1.3 制动系统 | 第22页 |
| 2.1.4 安全链系统 | 第22-23页 |
| 2.2 机器视觉系统 | 第23-26页 |
| 2.2.1 光源 | 第23-24页 |
| 2.2.2 镜头 | 第24页 |
| 2.2.3 相机 | 第24-25页 |
| 2.2.4 图像采集卡 | 第25页 |
| 2.2.5 图像处理软件 | 第25-26页 |
| 2.3 特征分类法 | 第26-29页 |
| 2.3.1 SVM支持向量机 | 第26-28页 |
| 2.3.2 分类实验 | 第28-29页 |
| 2.4 三点斜率偏差法 | 第29-32页 |
| 2.4.1 三点斜率偏差法原理 | 第29-31页 |
| 2.4.2 三点斜率偏差法实验 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 基于叶尖标记的位置偏差法 | 第34-42页 |
| 3.1 位置偏差法的原理 | 第35-36页 |
| 3.2 自适应阈值 | 第36页 |
| 3.3 过程判断 | 第36-37页 |
| 3.4 风力机叶片故障分类原理 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 风力机叶片模型系统与实验 | 第42-68页 |
| 4.1 风力机叶片模型系统 | 第42-49页 |
| 4.1.1 风力机模型 | 第42-44页 |
| 4.1.2 模型视觉检测系统 | 第44-47页 |
| 4.1.3 模型控制系统 | 第47-49页 |
| 4.2 图像处理原理 | 第49-54页 |
| 4.2.1 标定 | 第49-50页 |
| 4.2.2 色彩空间模型转换 | 第50-51页 |
| 4.2.3 ROI和滤波 | 第51-52页 |
| 4.2.4 图像分割 | 第52-53页 |
| 4.2.5 基于模板匹配的标记定位 | 第53-54页 |
| 4.3 PLC通信 | 第54-61页 |
| 4.3.1 西门子PLC串口通信原理 | 第54-56页 |
| 4.3.2 串口通信调试 | 第56-61页 |
| 4.4 实验 | 第61-67页 |
| 4.4.1 正常叶片实验 | 第63-64页 |
| 4.4.2 故障叶片实验 | 第64-65页 |
| 4.4.3 故障分类实验 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 5 风力机叶片状态监测与故障预警系统 | 第68-75页 |
| 5.1 叶尖标记 | 第68-69页 |
| 5.2 图像采集子系统 | 第69-70页 |
| 5.2.1 相机及镜头选型 | 第69-70页 |
| 5.2.2 补光灯 | 第70页 |
| 5.3 数据传输子系统 | 第70-71页 |
| 5.4 状态监测子系统 | 第71-72页 |
| 5.5 故障诊断子系统 | 第72页 |
| 5.6 风力机叶片数据中心云计算平台的初步设计 | 第72-74页 |
| 5.7 本章小结 | 第74-75页 |
| 6 总结 | 第75-79页 |
| 6.1 工艺技术路线 | 第75-76页 |
| 6.2 实验研究 | 第76页 |
| 6.3 监测装置性能综合评估 | 第76页 |
| 6.4 可行性分析 | 第76-78页 |
| 6.5 存在的不足 | 第78-79页 |
| 7 展望 | 第79-80页 |
| 8 参考文献 | 第80-86页 |
| 9 攻读硕士学位期间发表论文及专利情况 | 第86-87页 |
| 10 致谢 | 第87-88页 |
| 附录 | 第88-97页 |
