風電葉片在線檢測技術研究進展

摘 要：風電葉片作為風力發電機核心構件，葉片狀態實時檢測以及使用年限估測，對提高風機工作效率、保證風機穩定工作十分關鍵。風電設備實際運行過程中，風機葉片在線檢測主要包含兩種方式，即侵入式檢測、非侵入檢測，不同檢測模式下提取葉片損傷方式及其特征不盡相同。本文就風電葉片在線檢測技術展開分析。

關鍵詞：風電葉片;在線檢測;特征識別

風電技術在緩解能源等方面具有顯著優勢，但其也存在部分瓶頸難以突破。風力發電廠多位于偏遠區域內，工作環境惡劣且無人值守管理，其運行狀態監測面臨較高的挑戰。現下相繼衍生在線監測、調度技術等，為風電場良好運行奠定基礎，但風電系統自身受外界因素干擾較為凸顯，在線監控系統處于實時信息精準性、全面性等略顯不足，尤其為葉片狀態檢測。

1.侵入式檢測技術

1.1基于應變的檢測

應變片憑借自身優勢，在風電葉片在線檢測中獲取良好的應用成效，風電葉片正式工作中受源于多方向載荷，促使葉片形成應變，長期以往累積葉片產生宏觀變形和開裂，多處于薄弱部位亦或應力集中區域內，可增設應變傳感器檢測葉片應變，直觀呈現葉片自身狀態。FBG傳感器主要針對傳統應變傳感器不足，檢測風電葉片檢測中引入光纖傳感器，其中使用頻次較高的布拉格光纖光柵，實際應用原理為依托纖芯空間相位周期性分布光柵形成一個濾波器，其自身中心頻率隨外部應變發生位移，將其實際位移轉換為應變可精準性判定葉片應變和實際疲勞狀態。FBG傳感器穩定性對葉片自身狀態檢測具有積極作用，且不足在于整體體積較大，需占據較大空間，阻礙其普遍應用。

1.2基于聲發射的檢測

基于聲發射檢測葉片失效狀況較為廣泛，聲發射作為材料中局域源短時期內釋放能量產生瞬態彈性波現象，葉片受外部載荷影響下產生形變，促使結構內部形成應力，因葉片應力集中而產生各類失效，促使短周期內釋放能量。用于聲發射檢測的傳感器由壓電傳感器、放大器、信號處理單元組成。基于聲發射檢測裂紋核心優勢在于可辨識裂紋實際擴展行為，通過獲取大量的葉片裂紋聲發射信號參數，根據葉片無裂紋、萌生裂紋、擴展裂紋、斷裂劃分為四個模塊，構建神經網絡辨識其實際模塊，精準率高達90%。葉片聲發射信號處理，多選用小尺度譜進行分析，選用優化小波重分配尺度譜方式，可精準提取葉片裂紋聲發射信號特征，進一步判定其故障[1]。

1.3基于振動模態的檢測

基于振動模態的檢測原理為，葉片出現損傷時其剛度發生波動，進而結構振動模態發生變化，分析葉片結構振動模態便可分析葉片損傷實際狀況。振動模態檢測主要選用三軸加速度計測試葉片各部分加速度分布。

1.4主動式探傷檢測

前文所述的檢測方式均是對葉片或裂紋產生被動測量，利用偵聽超聲波檢測葉片失效狀態，基于聲波處于結構中傳播特性隨著結構變更原理，逐步衍生出主動式探傷檢測。其中最為常見的測量方式為，基于PZT陶瓷的主動式探傷方式，其基本應用原理為將激勵器、傳感器分別放置于葉片上，激勵貼片發生震動，其可持續性傳輸進入傳感器內，截面產生應變或裂紋時震動波受反射，傳感器接收源于激勵器信號強弱發生變更，以此檢測葉片損傷狀況。此種方式檢測經濟性優良，布設靈活性較高，但僅只能沿著截面方向檢測，若需檢測整個葉片，需布設貼片網絡難度較大。

2.非侵入式在線檢測技術

侵入式在線檢測技術將傳感器預先嵌入葉片結構內，可動態化檢測葉片實際工作狀態及損傷，傳感器和信號處理使用周期長，技術應用成熟，可聯合使用多種類型傳感器，可進一步克服自身技術不足，提高其檢測精準性。但其不足在于傳感器及其測試系統使用周期及穩定性受限，處于葉片內部一經出現故障難以及時維修，且檢測流程復雜，經濟性不佳。非侵入式葉片在線檢測技術逐步興起及發展，其中使用頻次較高的便為基于圖像識別技術。

2.1測試平臺

選用圖像處理方式可完整獲取葉片表面結構狀態，其主要包含圖像采集、信息處理設備，一般利用高清攝像照相機獲取葉片圖像，隨后進行圖像處理辨識葉片失效特征，不同區域內風機規模、部署等存在較大的差異性，針對此類狀況圖像采集和處理需相應平臺支撐。首先，地面便捷式平臺。此種平臺應用作為廣泛，其內部結構簡易，直接可將圖像采集設備部署于地面，對被測目標風機完成拍照利用算法分析風機葉片實際形變。此種直接性測量平臺經濟性優良，部署十分便捷。其次，攀爬機器人平臺。大功率風機塔高較高，地面移動平臺照相機因最終成像質量、辨識率受限，獲取葉片結構損傷細節難度較大，所以研究者提出攀爬機器人平臺，可到達風機頂部近距離對葉片拍照，獲取更為清晰的圖像。最后，無人機平臺。針對大型風電場，前者平臺攜帶不便且應用效率較低，尤其為海上風電場景，此類平臺難以應用。無人機平臺其應用效率較大，可使用范圍廣，可以更高頻度對風機進行檢測[2]。

2.2檢測算法

通過使用各類平臺獲取葉片實際工作狀態圖片，需對其進行處理，提取葉片失效特征。現下研究趨于更深層次，主要算法包含葉片形變、表面裂紋識別等。首先，葉片變形檢測算法。葉片發生變形其端部距離塔身長度發生變更，可通過圖像獲取其實際距離變更，判定葉片實際變形程度。其次，葉片裂紋檢測算法。該方式主要是利用線條檢測對裂紋進行快速掃描，該檢測方式將裂紋視為線組，線條則為似數字圖像嚴重不連續，可利用濾波器進行檢測。通過邊緣檢測算法對非均勻寬度裂紋外圍輪廓檢測，其可促使圖像更具平滑性，但可能遺漏較細的裂紋。為進一步消除上述瓶頸，主要選用線條和邊緣檢測聯合實現更佳的檢測成效。最后，葉片折斷預警檢測算法。葉片折斷作為最嚴重且危險損壞，基于SCADA數據可處于葉片折斷之前檢測其異常數據，利用深度編碼模型可獲取斷裂指示因子。葉片將出現斷裂時，RE會發生漂移，以此估測葉片折斷。

結束語

葉片在線檢測作為判定其是否損傷重要舉措，現下主要包含兩種檢測方式，其基本應用原理不盡相同，最終獲取成效存在較大差異性。具體實踐中應積極分析實際狀況，合理化選取在線檢測技術，以此精準性判定葉片損傷狀況，有目的性采取針對性措施，保證其始終處于正常狀態。

參考文獻：

[1]王新生，蔣杏國，孫同金.圖像檢測技術在靜態風電葉片檢測中的應用綜述[J].圖像與信號處理，2019，8（3）：163-168.

[2]鄭若楠[1].數據驅動的風電機組葉片結冰在線檢測方法[J].分布式能源，2019（1）：1-7.

作者簡介：

殷金輝（1991.07.03-），男，漢，甘肅酒泉人，本科，甘肅省特種設備檢驗檢測研究院，中級工程師，研究方向：風電葉片測試技術.