風力機葉片損傷故障檢測技術研究進展

楊昌杏，李錄平

風力機葉片損傷故障檢測技術研究進展

楊昌杏，李錄平*

（長沙理工大學能源與動力工程學院，湖南省 長沙市 410014）

針對目前風力機葉片損傷狀態檢測和故障診斷的方法開展綜述，指出其研究現狀和值得研究的問題。綜述了風力機葉片的故障類型及其對應的故障機理以及5種常用的風力機葉片狀態檢測和故障診斷的方法。通過分析各種檢測技術的優缺點發現，各種損傷檢測技術都能夠對風力機葉片存在的缺陷進行有效的檢測，但是單一的檢測技術已經無法滿足對葉片損傷故障檢測的要求，因此，可以采用多種檢測技術相結合的方式對葉片進行綜合檢測。

風力機葉片；故障診斷；狀態檢測

0 引言

風能作為目前發展最快的新型能源，已經有了較為成熟的風力發電技術。葉片作為風機捕獲風能的核心部件，它的安全性和可靠性對機組的運行起著至關重要的作用[1-2]。風電場大多數位于偏遠的山區，存在風力機維護、檢測困難的問題。而且葉片位于高空，體積大，故難以及時發現早期故障表現出的異常特征[3-5]。隨著風機種類和數量的增多，由其帶來的運營和維護費用日趨高昂，尤其是風機各個部分的機械故障，對風力發電機組的安全運行有著極大的影響，例如，臺電公司在臺中高美濕地安裝有14臺風力發電機組，即“臺中港發電站”，2019年12月6日，11號機組的3支葉片均被吹落，所幸這次事故沒有造成地面人員傷亡和其他設施損傷。據事后調查，這次事故主要由天氣驟變產生的瞬間強風所致[6]。在風電機組正常運行時，葉片吸收轉化風能的效率以及葉片的可靠性，都會對整個風電機組造成很大的影響，葉片性能的高低也影響著風電機組發電穩定性的高低[7]。由于葉片出現裂紋、砂眼等細微損傷時，運維人員難以通過肉眼觀察到這些情況。隨著葉輪直徑增大，葉片越來越長，而葉片安裝位置給檢測葉片狀況帶來了很大的困難，因此，方便快捷且準確穩定的風力發電機葉片的損傷檢測技術，是風力發電中一項很有研究價值的技術[8-9]。

1 風力機葉片基本故障與產生機理

風力機葉片的故障可以分為“先天缺陷”和“后天機械損傷”2種，本文主要分析風力機葉片的機械損傷。

1.1 造成葉片“先天缺陷”的原因

“先天缺陷”主要是指葉片在生產過程中，為了追求更高的利潤，管理層要求設計出低廉的部件[10]。比如，用減小葉片葉根直徑的方式來減少輪轂與葉片的成本，但是減小葉根的直徑會導致葉片的強度不夠；選擇質量不過關但價格便宜的原材料，容易使葉片出現致命的缺陷。“先天缺陷”對葉片狀態的影響有2種類型：1）外表面缺陷類型，包括氣泡、色差、針眼；2）殼體缺陷類型，包括漏氣、分層、芯材錯位，殼體上的缺陷會影響到整個結構的完整性和安全性。風力機葉片在加工過程中產生的缺陷可能會在風力機組正常運行中發生變化，從而造成質量問題[11]。

1.2 造成葉片機械損傷的原因

1）在運輸和安裝過程中受到的損傷。

隨著風力發電機組的快速發展，葉片的尺寸也變得越來越大。幾十米長的葉片在運輸過程中很不方便，另外，很多風場位于偏遠的山區，交通不便利，在運輸過程中風沙和植物會對葉片的尖端造成損傷[12]；在安裝過程中吊繩和夾具也容易對葉片的前緣區域造成損傷[13]。

2）在運行過程中因外載荷作用受到的損傷。

風力發電機組在運行過程中，由于復雜的服役環境，葉片會受到外力沖擊以及風載荷的作用，風載荷的方向和大小都不同，風流方向也不是一成不變的，這就使葉片產生不同方向、不同形式的運動，其中包括一些振動。風力機超負荷運行會產生激振力，當激振頻率接近葉片的固有頻率時，葉片會發生嚴重的形變，從而引發疲勞受損，出現玻璃鋼發白分層、黏接處開裂等損傷[14]][。

3）環境因素影響所造成的損傷。

風力發電機組主要安裝在風能豐富的區域，而風能豐富的地區通常存在風沙、雨雪、雷電、鹽霧等現象[15]。隨著風電機組的服役時間逐漸增長，葉片表面愈發污濁，葉片表面的涂層材料被腐蝕，這就加快了葉片表面的風化氧化，使葉片產生細微裂紋；另外，靜電灰塵以及其他附著物產生的混合物，也會導致葉片的老化加速。當出現雨雪天氣時，空氣濕度大，再加上溫度降低，飽和氣溫在-20℃以下時，容易出現霧凇現象，葉片表面會結晶，有時甚至葉片表面會附著不規則冰凌，使葉片表面粗糙度增加，或導致葉片翼型改變，降低葉片翼型的氣動特性，從而降低風輪效率；當出現陰雨天氣時，風電機組和葉片表面的濕度增加，發生雷電現象時，極易發生雷電并未從引雷器釋放，而是出現雷電誤導后電擊葉片的情況。雷擊是自然界中對風力發電機組安全運行危害最大的一種災害。雷電釋放的巨大能量會造成風力機組葉片的損壞，統計數據顯示，在北歐的風力發電機組中，每年每100臺中有4~8臺因遭受雷擊而損壞；調查結果還表明，在所有引發風電機組故障的外部因素中電擊約占25%[16-17]。南方沿海鹽霧環境下，鹽霧中高濃度鹽與金屬材料發生化學反應生成酸性金屬鹽，在葉片表面形成覆蓋層，嚴重影響葉片的氣動性能。環境因素給葉片造成巨大的損傷，使設備不能達到設計運行要求，給設備的安全運行帶來嚴重后果，給風場的安全、經濟運行造成巨大影響[18]。

上述自然因素或者人為因素產生的早期輕微機械損傷，會隨著風電機組的運行、材料的老化等逐漸發展成為嚴重的機械故障，給機組的運行帶來安全隱患。

1.3 葉片的常見損傷類型

1.3.1 葉片開裂

葉片長期工作在惡劣環境中，因機組的振動過大以及塵埃侵蝕，葉片容易產生微裂紋。這些裂紋在機組運行過程中會進一步擴大，嚴重時會導致局部開裂[19]。

1.3.2 葉片斷裂

葉片長度的增加也增大了葉片斷裂損壞的概率。葉片斷裂多發生在葉片的中部和根部位置，這種故障主要是由突發性故障和共振引起的。葉片發生斷裂的主要原因包括：1）生產過程中工藝控制不良；2）葉片根部局部區域樹脂固化不完全，從而導致強度、剛度降低；3）風速超過額定風速或者風電機組失速；4）電氣故障以及雷擊等[20]。

1.3.3 葉片磨損

表面磨損主要發生在葉片迎風面和前后緣。在運行過程中風力機葉片與風沙、雨雪之類的物體相接觸而產生摩擦，從而導致葉片表面逐漸磨損，磨損與腐蝕會造成葉片表面材料點蝕、剝落甚至破損，影響葉片的物理性能[20]。

1.3.4 葉片表皮脫落

風力機長期暴露在風沙、雨雪、溫度驟變的惡劣環境中，在風沙、雨雪的侵蝕下，葉片表面的保護層會逐漸脫落[21]。

1.4 葉片機械故障產生機理

1.4.1 裂紋的產生機理

風力機葉片表面容易受到外界的沖擊，使得葉片表面的損傷最為明顯，而葉片的內部區域損傷范圍比較小。對于整個葉片來說，其各個部位都有可能產生裂紋，裂紋主要在風電機組工作2~3年后開始產生，這主要是由低溫和振動導致的。而機組無論是制動還是工作，都會產生振動，使裂紋擴大。自然環境所帶來的風沙、雨水與溫差會使裂紋進一步擴大[22]。

1.4.2 磨損的產生機理

在風力機運行時，葉片會與風沙之類的硬物相接觸，隨著時間的增加和載荷作用的累積，葉片表面會逐漸被磨損。還有種情況是由于風機葉片受到雨雪的沖蝕作用，葉片前緣部分會出現點蝕現象，隨著前緣磨蝕的加深，葉片前緣保護層會出現一定程度的損傷，損傷進一步加深，會出現表面涂層脫落、基體損傷和分層[23]。

1.4.3 砂眼的產生機理

葉片工作環境較惡劣，長期與風霜雨雪接觸，使得葉片表面發生磨損與腐蝕。在這種情況下，磨損和腐蝕會使葉片表面的膠衣出現脫落，沒有保護層區域的葉片在風沙的作用下會出現小砂眼；另外，風電場所在地區一般溫差較大，當葉片結構存在水分、污垢時，會使得砂眼迅速擴大。砂眼破壞了葉片的正常結構，將會導致葉片的力學性能發生改變，令葉片的工作狀態發生改變，可能會造成葉片斷裂[24]。

2 葉片狀態檢測與故障診斷現狀

當葉片出現損傷時，它的一些參數(功率、風速、轉速、溫度、振動)都會出現顯著的變化。目前，針對風機葉片結構健康檢測的無損傷檢測方法主要有振動檢測技術、超聲波檢測技術、紅外熱成像檢測技術、聲發射檢測技術、光纖光柵檢測技術[25]。

2.1 振動檢測技術

振動檢測技術是在葉片表面粘貼振動傳感器來檢測葉片的動力學特性變化[26-28]。葉片振動檢測主要原理是：當葉片振動時，其振動情況受到物理參數影響，當損傷發生時，物理參數發生改變，使得振動情況也發生改變。通過安裝傳感器，采集振動信號加以分析，即可完成對損傷的診斷。整個振動檢測過程如圖1所示。實驗表明：通過時域頻域分析，此方法對振動信號的變化很敏感，靈敏度較高，能在損傷早期做出診斷，一定程度上能預防葉片損傷。

圖1 葉片振動檢測基本過程

李錄平等[29]利用振動檢測技術監測風力機葉片裂紋，通過實驗比較了風力機葉片裂紋損傷前和裂紋損傷后，以及受到不同損傷程度時風力機葉片固有特性的變化情況來判斷裂紋損傷的位置；歐陽濤[30]基于葉尖定時的旋轉葉片振動檢測，提出了新的葉片振動參數辨識方法，為旋轉葉片的振動檢測技術發展提供了很好的基礎；陳廣華等[31]設計了一種風力發電機組葉片振動無線檢測系統，這種系統集成度高、功率小，能夠很好地反應葉片的狀態； LIU等[32]對運行了15年以上的大型低速軸承葉片進行了自然損傷處理，通過收集電動驅動條件下的振動數據，提出了一種基于經驗小波閾值的故障信號去噪法。

2.2 超聲波檢測技術

超聲波檢測原理是：使用探頭向風力機葉片發射超聲波，利用葉片本身和缺陷處的復合材料聲學性質的不同來檢測葉片的缺陷[33]。圖2是超聲波檢測原理圖。

根據超聲波檢測技術原理，可以將超聲波技術用于風力發電機的槳葉除冰[34-38]，這是利用超聲波的振動效應和熱效應對葉片進行除冰和防冰。李錄平等[39]將層狀結構中的超聲傳播理論應用于風力機槳葉除冰過程中，探索了超聲波對槳葉除冰的作用機理，通過數值計算確定超聲波除冰的最佳頻率；TIWARI 等[40]利用導波風力機葉片缺陷進行超聲波信號處理，將離散小波變換與振幅檢測方法相結合，對缺陷的大小和位置進行估計；王紹龍[41]將超聲波檢測技術用于風力機葉片翼型防除冰領域，結合風洞試驗與數值模擬計算的方法探究了結冰對風力機葉片氣動特性的影響，對超聲波防、除冰具有重要意義。

圖2 超聲波檢測技術原理

2.3 紅外熱成像檢測技術

紅外熱成像檢測技術是通過紅外熱像儀接收葉片的紅外輻射，將其轉換成圖像，然后根據紅外成像圖判斷葉片的損傷情況。檢測原理：當對風力機槳葉施加均勻的熱流時，材料表面的溫度是一致的，但是當葉片受到不同程度的損傷時，損傷部位表面的溫度和紅外輻射強度會發生異常反應，并將其轉化為可視化熱分布圖像，通過圖像來判斷葉片的損傷情況。琦格琦等[42]針對風力機葉片表面涂層損傷的常見問題，結合紅外成像技術與圖像處理技術，提出了一種風力機葉片表面涂層損傷的檢測方法，達到了風力機葉片遠距離監測的目的；肖勁松等[43]通過閃光燈脈沖紅外熱波方法檢測葉片的近表缺陷；MITJA等[44]利用紅外熱成像技術對旋轉加熱葉片表面溫度分布進行了測量，實現了實時監測葉片表面溫度變化的目的。

紅外熱成像檢測技術對于葉片表面的缺陷比較敏感，可以進行遠距離、大面積的檢測。但是在風力機葉片的運行過程中，由于風力機葉片處于比較高的位置，所以對葉片的現場檢測不容易實現。

2.4 聲發射檢測技術

葉片出現損傷時會以彈性應力波的形式釋放出應變能量，因此可通過聲發射傳感器來接收和分析判斷損傷的位置和特性[45-46]。龔妙等[47]總結了將聲發射技術應用于風力機損傷檢測的研究關鍵在于葉片損傷聲發射特征的分析、提取以及聲發射源的定位研究成果，指出風力機葉片復合材料聲波傳播規律和波形轉換規律對聲發射檢測技術具有重要意義；周勃等[48]利用聲發射技術監測小型風力機葉片的運行狀態，對葉片裂紋進行了準確的定位；TANG等[49]監測了一根45.7 m長的葉片，并用三角測量法判定了葉片的損傷位置，驗證了聲發射檢測技術能夠對風力機葉片損傷提供早期預警；杜文超[50]根據風機葉片材料破壞時應力會產生聲發射信號這一特點，提出利用聲發射技術對大型風力機葉片材料的破壞進行監測。

聲發射技術對外界環境的要求比較高，外界環境干擾源比較多，采集到的信號比較復雜，使得聲發射技術的檢測效果比較差，但是它能夠有效地檢測到風力機葉片的早期輕微機械損傷，對風力機葉片起到預防和及時維護的效果，對于實現風力發電機組的安全穩定運行具有十分重要的意義。

2.5 光纖光柵檢測技術

光纖光柵檢測技術是通過光纖光柵傳感器來監測風力機葉片的溫度、應變、壓力等變化來診斷風力機葉片的健康情況。陳娟子[51]基于光纖布拉格光柵傳感原理，并結合時分復用和波分復用技術，成功實現了葉片的準分布式應變監測；李俊一等[52]提出基于光纖光柵的葉片檢測系統，可以對風力機葉片的軸向及徑向應變進行實時監測；TYLER等[53]提出一種基于光纖光柵的風力機轉子結構健康實時監測分布式應變傳感系統，并驗證了傳感系統對轉子結構健康狀況的實時監測能力；李繼超[54]針對風力發電槳葉安全運行的實際需求，采用分布式光纖光柵傳感技術對風力機槳葉結構、覆冰進行了實時監測，實現了風力機葉片故障的早期快速預警。

3 5種檢測技術的對比分析

通過上述5種無損檢測技術的對比分析，發現它們均與材料類型、產品制造工藝、運行環境、地理位置等密切相關。5種檢測技術的特征對比如表1所示。

表1 5種檢測技術特征對比

由表1可知，上述5種檢測技術都可以對葉片的缺陷進行有效檢測，通過對各種損傷檢測數據的分析整理，可以更加深入地了解葉片的損傷狀態。目前，風機葉片的故障率逐年增加，對葉片進行損傷故障檢測已經變得刻不容緩，單一的檢測技術已經無法滿足對葉片損傷故障檢測的要求，因此可以采用多種損傷檢測技術相結合的方式對葉片進行綜合檢測。

4 結論

風力機葉片的缺陷和故障是風力發電機組安全運行的重大隱患之一。隨著風力發電機種類和數量的不斷增加，風力機葉片的故障率也在逐年增加，因此對風力機葉片進行損傷檢測和故障診斷就變得十分重要。現有的各種檢測方法各有優缺點，都存在一些關鍵問題和技術難點沒有解決，如何將這些問題得到解決，將成為未來的主要研究方向。根據當前發展趨勢，未來風力機葉片檢測技術和故障診斷的研究熱點將圍繞以下3方面進行：

1）采用多種檢測技術相結合的方式對風力機葉片進行實時監測，以延長各部件的運行壽命，提高風電機組的發電效率，預防重大安全事故的發生。

2）將人工智能應用于風力發電機葉片狀態監測和故障診斷。充分考慮各種人工智能模式診斷的優點，將若干技術綜合起來進行風力機葉片故障的檢測與診斷，提出基于應變測量信號無線傳輸的風力機葉片故障檢測系統，利用無線信號傳感器，形成一種集監測、預測以及診斷為一體的混合式風力機葉片故障診斷系統。應用檢測技術時，應考慮到運行環境、天氣狀況以及其他因素的影響。

3）采用振動測量與圖像相結合的方式，以及應用高分辨率視頻或者圖像傳感器。可以充分利用電信號、振動信號、應變測量信號這些能夠反映風電機組工作狀態的信號，為全面深入掌握發電機的運行狀態提供依據。

[1] 許國東，葉杭冶，解鴻斌．風電機組技術現狀及發展方向[J]．中國工程科學，2018，20(3)：44-50．

XU G D，YE H Y，XIE H B．Current situation and development direction of wind turbine technology [J]．China Engineering Science，2008，20(3)：44-50．

[2] 劉永前，賴福興，閻潔，等．考慮不同截面翼型選取的風電機組葉片優化設計方法[J]．發電技術，2019，40(4)：382-388．

LIU Y Q，LAI F X，YAN J，et al．Optimal design method for wind turbine blades considering aerofoil of cross-section[J]．Power Generation Technology，2019，40(4)：382-388．

[3] 王琳琳，陳長征，周勃，等．風力機葉片復合材料裂尖溫度場及微觀損傷研究[J]．發電技術，2019， 40(6)：605-610．

WANG L L，CHEN C Z，ZHOU B，et al．Study on crack tip temperature field and microstructure damage for wind turbine composite blade[J]．Power Generation Technology，2019，40(6)：605-610．

[4] 李剛，胡紅利，李亞妮．風力發電機葉片狀態監測與故障診斷技術近況[J]．工業儀表與自動化裝置，2017(5)：16-20．

LI G，HU H L，LI Y N．Recent status of wind turbine blade status monitoring and fault diagnosis technology[J]．Industrial Instrumentation and Automation Devices，2017(5)：16-20．

[5] 仇梓峰，王爽心，李蒙．基于無人機圖像的風力發電機葉片缺陷識別[J]．發電技術，2018，39(3)： 277-285．

QIU Z F，WANG S X，LI M．Defect detection of wind turbine blade based on unmanned aerial vehicle-taken Images[J]．Power Generation Technology，2018，39(3)： 277-285．

[6] 趙勇，韓斌，房剛利．風力發電機狀態監測與故障診斷技術綜述[J]．熱力發電，2016，45(10)：1-5．

ZHAO Y，HAN B，FANG G L．Overview of wind turbine state monitoring and fault diagnosis technology [J]．Thermal Power Generation，2016，45(10)：1-5．

[7] CHEN J B，SONG Y P，PENG Y B，et al．An efficient rotational sampling method of wind fields for wind turbine blade fatigue analysis[J]．Renewable Energy，2020，146(2)：2170-2187．

[8] 李芒芒．風力機葉片機械損傷動態監測方法與技術研究[D]．長沙：長沙理工大學，2012．

LI M M．Research on dynamic monitoring methods and technologies for mechanical damage of wind turbine Blades[D]．Changsha：Changsha University of Science and Technology，2012．

[9] 張磊，馬云玲，趙賀，等．風力機葉片故障診斷方法研究[J]．企業導報，2015(19)：164．

ZHANG L，MA Y L，ZHAO H，et al．Study on fault diagnosis methods of wind turbine Blades [J]．Enterprise Guide，2015(19)：164．

[10] MOHAMMAD M R，MEHDI B，HAMED M，et al．Modal-based damage identification for the nonlinear model of modern wind turbine blade[J]．Renewable Energy，2016，94(8)：391-409．

[11] 周勃，谷艷玲，項宏偉，等．風力機葉片裂紋擴展預測與疲勞損傷評價[J]．太陽能學報，2015，36(1)：41-48．

ZHOU B，GU Y L，XIANG H W，et al．Prediction of crack growth and fatigue damage evaluation of wind turbine blade[J]．Acta Solar Energy，2015，36(1)：41-48．

[12] 龔妙，李錄平，劉瑞，等．基于運行參數特征的風力機葉片覆冰診斷方法[J]．動力工程學報，2019，39(3)：214-219．

GONG M，LI L P，LIU R，et al．Wind turbine blade icing diagnosis based on operating parameter characteristics[J]．Chinese Journal of Power Engineering，2019，39(3)：214-219．

[13] 石凱凱，蔡力勛，包陳．預測疲勞裂紋擴展的多種理論模型研究[J]．機械工程學報，2014，50(18)：50-58．

SHI K K，CAI L X，BAO C．Multiple theoretical models for predicting fatigue crack growth[J]．Chinese Journal of Mechanical Engineering，2014，50(18)：50-58．

[14] 周勃，陳維濤，賀森亮，等．風力發電機葉片多裂紋隨機擴展和損傷容限研究[J]．太陽能學報，2015，36(12)：2837-2843．

ZHOU B，CHEN W T，HE S L，et al．Study on random crack growth and damage tolerance of wind turbine blades[J]．Acta Solar Energy，2015，36(12)：2837-2843．

[15] ZHANG M M，TAN B，XU J Z．Smart fatigue load control on the large-scale wind turbine blades using different sensing signals[J]．Renewable Energy，2016，87(1)：111-119．

[16] 李丹，邱穎寧，馮延暉．風力發電系統警報信號故障診斷[J]．太陽能學報，2017，38(11)：3138-3143．

LI D，QIU Y N，FENG Y H．Fault diagnosis of wind power system warning signal[J]．Journal of Solar Energy，2017，38(11)：3138-3143．

[17] 陳鎮南，盧緒祥，李錄平，等．基于ANSYS/LS-DYNA的帶冠葉片碰撞振動特性的有限元分析[J]．動力工程學報，2013，33(3)：189-193．

CHEN Z N，LU X X，LI L P，et al．Finite element analysis based on the collision vibration characteristics of crowned blades of ANSYS/LS-DYNA[J]．Dynamic Engineering，2013，33(3)：189-193．

[18] 李海波，盧緒祥，李錄平，等．風力機葉片動力特性實驗臺設計[J]．熱能動力工程，2012，27(1)：117-121．

LI H B，LU X X，LI L P，et al．Wind turbine blade power characteristics test bench design[J]．Thermal Power Engineering，2012，27(1)：117-121．

[19] 陳雪峰，李繼猛，程航，等．風力發電機狀態監測和故障診斷技術的研究與進展[J]．機械工程學報，2011，47(9)：45-52．

CHEN X F，LI J M，CHENG H，et al．Research and progress in wind turbine condition monitoring and troubleshooting technology[J]．Mechanical Engineering Journal，2011，47(9)：45-52．

[20] LEE J K，PARK J Y，OH K Y，et al．Transformation algorithm of wind turbine blade moment signals for blade condition monitoring[J]．Renewable Energy，2014．

[21] 李錄平，封江，楊波．風力機葉片壽命損耗計算方法與工程應用[J]．長沙理工大學學報(自然科學版)，2017，14(4)：83-89．

LI L P，FENG J，YANG B．Wind turbine blade life loss calculation method and engineering application [J]．Changsha University of Technology Journal (Natural Science)，2017，14(4)：83-89．

[22] 陳彩鳳，成斌，李西洋，等．風力發電機葉片模態分析及參數優化[J]．水力發電，2018，44(9)：85-88．

CHEN C F，CHENG B，LI X Y，et al．Wind turbine blade modal analysis and parameter optimization [J]．Hydropower，2018，44(9)：85-88．

[23] 陳順章，李錄平，晉風華，等．風力機槳葉的三維建模與動力學特性有限元計算[J]．可再生能源，2010，28(3)：29-34．

CHEN S Z，LI L P，JIN F H，et al．3D modeling of wind turbine blades and the finite element of dynamics [J]．Renewable Energy，2010，28(3)：29-34．

[24] 黃敏，徐菲，劉珺．基于云計算與物聯網的風力發電智能監測系統研究[J]．可再生能源，2017，35(7)：1032-1037．

HUANG M，XU F，LIU W．Research on intelligent monitoring systems for wind power based on cloud computing and the Internet of Things[J]．Renewable Energy，2017，35(7)：1032-1037．

[25] 趙勇，王冰佳，王杰斌．常用風力機葉片無損檢測技術對比分析[J]．熱力發電，2015，44(12)：7-10．

ZHAO Y，WANG B J，WANG J B．Comparative analysis of commonly used wind turbine blade[J]．Thermal Power Generation，2015，44(12)：7-10．

[26] 王志剛，楊波，陳志剛，等．運行狀態下的風力機葉片在線監測技術進展[J]．熱能動力工程，2017，32(S1)：1-5．

WANG Z G，YANG B，CHEN Z G，et al．Advances in the online monitoring technology of wind turbine blades in operational state[J]．Thermal Power Engineering，2017，32(S1)：1-5．

[27] 劉勝先，李錄平，余濤，等．基于振動檢測的風力機葉片覆冰狀態診斷技術[J]．中國電機工程學報，2013，33(32)：88-95．

LIU S X，LI L P，YU T，et al．Seismic-based wind turbine blade ice-covered status diagnostic technology [J]．China Electrical Engineering Journal，2013，33(32)：88-95．

[28] 雷利斌，李錄平，劉勝先，等．基于振型曲率的風力機葉片覆冰檢測技術[J]．太陽能學報，2014，35(5)：841-847．

LEI L B，LI L P，LIU S X，et al．Wind turbine blade ice-covering detection technology based on vibration- type curvature[J]．Solar Journal，2014，35(5)：841-847．

[29] 李錄平，李芒芒，晉風華，等．振動檢測技術在風力機葉片裂紋故障監測中的應用[J]．熱能動力工程，2013，28(2)：207-212．

LI L P，LI M M，JIN F H，et al．Application of vibration detection technology in the monitoring of crack faults in wind turbine blades[J]．Thermal Power Engineering，2013，28(2)：207-212．

[30] 歐陽濤．基于葉尖定時的旋轉葉片振動檢測及參數辨識技術[D]．天津：天津大學，2011．

OUYANG T．Rotating blade vibration detection and parameter identification technology based on leaf tip timing[D]．Tianjin：Tianjin University，2011．

[31] 陳廣華，田德，李琪．風力發電機組葉片振動無線檢測系統[J]．電子技術應用，2012，38(5)：80-83．

CHEN G H，TiAN D，LI Q．Wind turbine blade vibration wireless detection system[J]．Electronic Technology Applications，2012，38(5)：80-83．

[32] LIU Z P，ZHANG L，CARRASCO J．Vibration analysis for large-scale wind turbine blade bearing fault detection with an empirical wavelet thresholding method[J]．Renewable Energy，2020，146：99-110．

[33] 陳志剛，李錄平，楊波，等．風電機組葉片覆冰狀態與動力學特性的定量關系研究[J]．風能，2018(1)：60-65．

CHEN Z G，LI L P，YANG B，et al．Quantitative relationship between wind turbine blade ice cover and dynamics study[J]．Wind Energy，2018(1)：60-65．

[34] 譚海輝，李錄平，朱益軍，等．覆冰對風力機葉片動力特性影響的有限元分析[J]．可再生能源，2010，28(4)：33-38．

TAN H H，LI L P，ZHU Y J，et al．A finite element analysis of the impact of ice cover on the power characteristics of wind turbine blades[J]．Renewable Energy，2010，28(4)：33-38．

[35] 李錄平，劉勝先，譚海輝，等．氣溫和空氣濕度對槳葉覆冰特性影響的實驗研究[J]．熱能動力工程，2012，27(5)：610-614．

LI L P，LIU S X，TAN H H，et al．Experimental study of the effects of temperature and air humidity on the characteristics of blade ice cover[J]．Thermal Power Engineering，2012，27(5)：610-614．

[36] 李錄平，顏健，封江，等．基于WiFi技術的風力機葉片覆冰監測系統研究[J]．可再生能源，2016，34(4)：543-549．

LI L P，YAN J，FENG J，et al．Research on the wind turbine blade ice-covering monitoring system based on WiFi technology[J]．Renewable energy，2016，34(4)：543-549．

[37] 顏健，李錄平，雷利斌，等．風力機槳葉超聲波除冰實驗技術研究及其應用[J]．可再生能源，2015，33(1)：68-74．

YAN J，LI L P，LEI L B，et al．Wind turbine blade ultrasonic de-icing experimental technology research and its application[J]．Renewable Energy，2015，33(1)：68-74．

[38] 譚海輝，李錄平，靳攀科，等．風力機葉片超聲波除冰理論與方法[J]．中國電機工程學報，2010，30(35)：112-117．

TAN H H，LI L P，JIN P K，et al．Wind turbine blade ultrasonic de-icing theory and methods[J]．China Electric Engineering Journal，2010，30(35)：112-117．

[39] 李錄平，譚海輝，盧緒祥，等．層狀結構中的超聲傳播理論及其在風力機槳葉除冰中的應用[J]．中國電機工程學報，2012，32(17)：125-132．

LI L P，TAN H H，LU X X，et al．The theory of ultrasonic propagation in the layered structure and its application in de-icing the blades of wind turbines[J]．China Electrical Engineering Journal，2012，32(17)：125-132．

[40] TIWARI K A，RAISUTIS R．Post processing of ultrasonic signals for the analysis of defects in wind turbine blade using guided waves[J]．The Journal of Strain Analysis for Engineering Design，2018，53(12)：128-139．

[41] 王紹龍．基于超聲波法的風力機葉片翼型防除冰研究[D]．哈爾濱：東北農業大學，2014．

WANG S L．Research on anti-deicing of wind turbine Blade Airfoil Based on ultrasonic Wave method [D]．Harbin：Northeast Agricultural University，2014．

[42] 琦格琦．基于紅外熱成像技術的風力機葉片涂層損傷監測的研究[D]．呼和浩特：內蒙古農業大學，2019．

QI G Q．Study on the damage monitoring of wind turbine blade coating based on infrared thermal imaging technology[D]．Hohhot：Inner Mongolia Agricultural University，2019．

[43] 肖勁松，嚴天鵬．風力機葉片的紅外熱成像無損檢測的數值研究[J]．北京工業大學學報，2006，32(1)：48-52．

XIAO J S，YAN T P．Numerical study on nondestructive testing of wind turbine Blades by infrared Thermal Imaging[J]． Journal of Beijing University of Technology，2006，32(1)：48-52．

[44] MITJA M，LOVRENC N，MIHAEL S．Measurements on rotating blades using IR thermography [J]．Experimental Thermal and Fluid Science，2007，32(2)：387-396．

[45] JORDAN N，KIRAN B，RAJITHA M，et al．Using atmospheric inputs for Artificial Neural Networks to improve wind turbine power prediction[J]．Energy，2020,190(1)：153-162．

[46] 田磊．信息化控制技術在風力發電中的應用[J]．信息記錄材料，2019，20(8)：151-152．

TIAN L．Application of information control technology in wind power generation[J]．Information Recording Materials，2019，20(8)：151-152．

[47] 龔妙，李錄平．聲發射技術在風力機葉片故障檢測中的應用研究綜述[J]．太陽能，2018(5)：57-61．

GONG M，LI L P．Review of the application of acoustic emission technology in the detection of wind turbine blade fault[J]．Solar Energy，2018(5)：57-61．

[48] 周勃，張士偉，陳長征，等．風力機葉片多裂紋擴展聲發射信號的特征識別[J]．儀器儀表學報，2015，36(1)：110-117．

ZHOU B，ZHANG S W，CHEN C Z，et al．Feature recognition of the multi-crack expansion sound emission signal of wind turbine blades [J]．Instrumentation Journal，2015，36 (1)：110-117．

[49] TANG J L，SOUA S，MARES C，et al．An experimental study of acoustic emission methodology for in service condition monitoring of wind turbine blades [J]．Renewable Energy，2016，99(12)：170-179．

[50] 杜文超．基于聲發射技術的大型風力機葉片材料的損傷研究[D]．南京：南京航空航天大學，2012．

DU W C．Damage study on blade materials of large- scale wind turbine based on acoustic emission technology[D]．Nanjing：Nanjing University of Aeronautics and Astronautics，2012．

[51] 陳娟子．基于光纖光柵的風機葉片應變監測關鍵技術研究[D]．成都：西南交通大學，2012．

CHEN J Z．Research on key technology of FBG based fan blade strain monitoring[D]．Chengdu：Southwest Jiaotong University，2012．

[52] 李俊一，薛鵬，朱曉非，等．光纖光柵技術在風力發電機組葉片檢測中的應用[J]．風能產業， 2017(6)：78-82．

LI J Y，XUE P，ZHU X F，et al．The application of fiber-optic grating technology in blade detection in wind turbines[J]．Wind Energy Industry，2017(6)：78-82．

[53] TYLER J A，AJIT A，PIER M，et al．Development of a FBG based distributed strain sensor system for wind turbine structural health monitoring[J]．Smart Materials and Structures，2013，22(7)：126-135．

[54] 李繼超．基于FBG風電槳葉動平衡監測系統的研究[J]．企業技術開發，2015，34(6)：1-2．

LI J C．Research on FBG wind power blade dynamic balance monitoring system[J]．Enterprise technology development，2015，34(6)：1-2．

Research Progress on Blade Damage Fault Detection Technology of Wind Turbine

YANG Changxing, LI Luping*

(School of Energy and Power Engineering, Changsha University of Science and Technology, Changsha 410014, Hunan Province, China)

The methods of damage state detection and fault diagnosis of wind turbine blades were reviewed, and the research status and problems worthy of study were pointed out. The fault types and corresponding fault mechanism of wind turbine blades, several commonly used methods of state detection and fault diagnosis of wind turbine blades were summarized. The advantages and disadvantages of various detection techniques were analyzed. It is found that all kinds of damage detection technology can effectively detect defects in wind turbine blades, but single detection technology has been unable to meet the requirements of blade damage fault detection. Therefore, a variety of detection techniques can be used to conduct comprehensive detection of the blade.

wind turbine blade; fault diagnosis; status detection

10.12096/j.2096-4528.pgt.20044

TK 83; TM 315

國家自然科學基金項目(51405033)。

Project Supported by National Natural Science Foundation of China (51405033).

2020-06-20。

(責任編輯 辛培裕)