基于多尺度特征融合的風(fēng)機(jī)葉片裂縫自動檢測技術(shù)研究

齊勇軍，湯海林，黃鎮(zhèn)邦

(廣東白云學(xué)院大數(shù)據(jù)與計算機(jī)學(xué)院，510450，廣州)

0 引言

風(fēng)力發(fā)電技術(shù)的發(fā)展和應(yīng)用，使得風(fēng)機(jī)葉片裂縫檢測技術(shù)得到了很大程度上地改善。同時隨著計算機(jī)、傳感器等相關(guān)設(shè)備性能不斷提高以及測量方法日益復(fù)雜化、準(zhǔn)確度也在逐漸提升。葉片裂縫是大規(guī)模陣風(fēng)或地震災(zāi)害發(fā)生時引起嚴(yán)重振動而破壞的。需要對風(fēng)機(jī)進(jìn)行實(shí)時監(jiān)測，才能保證系統(tǒng)的平穩(wěn)運(yùn)行及安全。

基于智能技術(shù)下多尺度特征融合的風(fēng)機(jī)葉片裂縫自動檢測技術(shù)的研究有很多。例如，Yan Jingzhong為解決傳統(tǒng)風(fēng)電機(jī)葉片裂紋檢測方法無法實(shí)現(xiàn)風(fēng)電機(jī)葉片非接觸式實(shí)時監(jiān)測的問題，通過對風(fēng)電機(jī)葉片裂紋氣動噪聲信號特性的分析，提出一種智能型風(fēng)電機(jī)葉片裂紋檢測方法[1]。有學(xué)者認(rèn)為，風(fēng)力發(fā)電機(jī)葉片斷裂問題將嚴(yán)重影響風(fēng)力發(fā)電機(jī)的正常安全運(yùn)行，所以提出了一種基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)檢測風(fēng)機(jī)葉片裂紋的方法[2-3]。還有人認(rèn)為，風(fēng)能作為可再生能源在世界范圍內(nèi)被廣泛使用。由于風(fēng)力發(fā)電機(jī)的惡劣環(huán)境和大量使用，風(fēng)力發(fā)電機(jī)的葉片表面可能存在裂紋、油斑、砂孔等損壞[4-5]。為此，本文提出對風(fēng)機(jī)葉片裂縫自動檢測技術(shù)，意圖利用多特征提取方式發(fā)現(xiàn)風(fēng)機(jī)葉片的缺陷，改進(jìn)其設(shè)施安全。

本文首先研究的是多特征融合的圖像檢索方法，對其進(jìn)行深入研究。其次對多尺度數(shù)學(xué)形態(tài)學(xué)在裂縫檢測中的應(yīng)用進(jìn)行了分析與描述。然后對光纖光柵傳感器用于風(fēng)機(jī)葉片材料的靜態(tài)檢測進(jìn)行了相關(guān)研究。最后對系統(tǒng)的總體設(shè)計進(jìn)行闡述，并展開了實(shí)驗(yàn)，得出結(jié)果。

1 基于智能技術(shù)下多尺度特征融合的風(fēng)機(jī)葉片裂縫自動檢測技術(shù)

1.1 多特征融合的圖像檢索

眾所周知，基于內(nèi)容的圖像搜索結(jié)合了大量的先進(jìn)技術(shù)，主要是從圖像數(shù)據(jù)集中收集信息以及創(chuàng)建和管理數(shù)據(jù)庫、實(shí)體數(shù)據(jù)。通過提取圖像的顏色和紋理特征，可以提取出圖像顏色成分信息和目標(biāo)灰度分布規(guī)律信息；通過計算圖像的聚合局部表征特征，可以提取圖像關(guān)鍵局部區(qū)域的重要屬性，通過獲取圖像的CNN特征，在一定意義上可以得到圖像。一般情況下，可以將圖像的同一類別和級別的特征向量直接拼接在一起，創(chuàng)建一個完整的特征表示向量[6-7]。這種直接拼接融合方法的表達(dá)式如式(1)所示：

am=[am1;am2]

(1)

綜合特征的相似性度量可以轉(zhuǎn)化為公式(2)：

F(am,bm)=‖am-bm‖=‖am1-bm1‖+‖am2-bm2‖

(2)

上述拼接融合的方法雖然計算簡單快捷，但對于各種特征向量，直接完成特征向量的拼接，進(jìn)行相似度度量對比，產(chǎn)生補(bǔ)償效果[8]。

多尺度特征提取與融合方式如下：SSD 網(wǎng)絡(luò)通過實(shí)體疊加在多個尺度上對目標(biāo)進(jìn)行分層預(yù)測。在本文中，僅將SSD網(wǎng)絡(luò)中的每個目標(biāo)預(yù)測層視為研究對象，并使用從相鄰低級特征層學(xué)習(xí)的小尺度細(xì)節(jié)特征作為位置敏感特征和高級語義特征作為上下文信息和目標(biāo)預(yù)測層的相應(yīng)屬性。有效組合可以有效提高SSD陣列對多尺度目標(biāo)的定位精度。為保證合并特征的大小相同，對相鄰的低層位置敏感特征分別進(jìn)行二次采樣，對相鄰高層語義特征提供的上下文信息進(jìn)行的采樣特征維度，不同的3層scales 目標(biāo)特征信息有效合并。由于多尺度功能的融合，M-SSD網(wǎng)絡(luò)的每個目標(biāo)預(yù)測層都可以利用多尺度目標(biāo)屬性來預(yù)測目標(biāo)對象，可以有效提高SSD網(wǎng)絡(luò)對不同尺度目標(biāo)對象的定位精度。同時，采用不同的特征提取和合并方法對不同尺度的目標(biāo)特征信息進(jìn)行提取和融合，對SSD網(wǎng)絡(luò)的定位精度有不同的影響。因此，為了找到提取和合并特征的最佳方式，應(yīng)該充分探索和利用SSD網(wǎng)絡(luò)的多尺度信息[9-10]。

1.2 多尺度數(shù)學(xué)形態(tài)學(xué)在裂縫檢測中的應(yīng)用

數(shù)學(xué)形態(tài)學(xué)一系列操作可以由各種算法組成，例如圖像分割、特征提取、邊緣檢測等。數(shù)學(xué)形態(tài)學(xué)是對圖像不同部分之間的關(guān)系，進(jìn)行測量和提取，達(dá)到圖像分析識別的目的。它的本質(zhì)是一種鄰域操作。作為探頭的結(jié)構(gòu)元素，它可以直接攜帶一定的內(nèi)容，如形狀、大小甚至灰度和色值信息，以識別和檢查探頭的結(jié)構(gòu)特性。數(shù)學(xué)形態(tài)學(xué)具有許多其他圖像分析和處理方法無法實(shí)現(xiàn)的優(yōu)點(diǎn)[11-12]。

1.2.1 裂紋圖案的邊緣檢測 輪廓是圖像最基本的特征。邊緣點(diǎn)是信號“急劇變化”的地方。它是灰度值不連續(xù)的表現(xiàn)。邊是一組，是連接像素的集合。傳統(tǒng)的邊緣檢測算子是基于原始圖像，在特定環(huán)境下檢查每個像素是否有灰度跳躍。邊緣像素由導(dǎo)出的修正定律確定，指向一階或二階。確定相鄰邊緣并識別邊緣。

圖像中每個點(diǎn)的斜率對應(yīng)于一階導(dǎo)數(shù)。對于連續(xù)圖像函數(shù)g(a,b) 其在位置 (a, b) 處的斜率以向量的形式表示：

(3)

邊緣檢測實(shí)際上是使用各種算子模型對圖像進(jìn)行卷積計算，模型運(yùn)算是鄰域處理的一部分。數(shù)學(xué)形態(tài)學(xué)在多個尺度上的運(yùn)算與數(shù)學(xué)形態(tài)學(xué)在單個尺度上的運(yùn)算有關(guān)。與單尺度形態(tài)學(xué)運(yùn)算相比，多尺度形態(tài)學(xué)運(yùn)算是基于形態(tài)學(xué)的開閉運(yùn)算或開閉、閉開運(yùn)算，在元素結(jié)構(gòu)上添加額外的尺度元素，并使用多個相同結(jié)構(gòu)元素的集合，形狀大小不同的參與計算。多尺度數(shù)學(xué)形態(tài)學(xué)克服了單尺度形態(tài)學(xué)操作的弊端，能夠更準(zhǔn)確地保留圖像在不同尺度下的層次特征。多尺度形態(tài)增強(qiáng)算法不僅平滑去除了扇葉圖像背景中的噪聲點(diǎn)，還改善了裂紋區(qū)域，更好地融合了圖像在不同尺度下的分層特性。

1.2.2 風(fēng)機(jī)葉片損傷監(jiān)測系統(tǒng)的硬件設(shè)計 風(fēng)機(jī)葉片損傷監(jiān)測系統(tǒng)主要由2個部分組成：一是硬件部分，負(fù)責(zé)采集和傳輸風(fēng)電場氣動音頻信號；二是接收音頻信號、分析它并評估損壞的軟件部分。硬件部分構(gòu)成了整個損傷監(jiān)測系統(tǒng)的基礎(chǔ)，對氣動音頻信號進(jìn)行高質(zhì)量的記錄并將其傳輸?shù)街醒肟刂剖业纳霞売嬎銠C(jī)是進(jìn)行后續(xù)軟件分析和損傷評估的前提。硬件組成的設(shè)計首先要明確系統(tǒng)的功能需求，然后在控制成本的同時選擇合適的硬件來實(shí)現(xiàn)上述功能。

1.2.3 系統(tǒng)功能需求 定期采集風(fēng)電機(jī)組風(fēng)機(jī)葉片旋轉(zhuǎn)過程中產(chǎn)生的氣動音頻信號，保證采集音頻信號的質(zhì)量，為后續(xù)軟件損壞評估提供數(shù)據(jù)支持。采集到的氣動音頻信號發(fā)送到中控室的主控機(jī)，由主控機(jī)接收并存儲音頻信號，并使用軟件算法對損壞情況進(jìn)行相應(yīng)的處理和評估。根據(jù)中控室主控機(jī)的需要，控制采集和傳輸兩個功能的執(zhí)行，調(diào)節(jié)整個硬件部分的工作流程。

為了滿足系統(tǒng)的功能需求，設(shè)計了葉片損傷監(jiān)測系統(tǒng)的硬件部分，包括檢測模塊、升壓電路、控制模塊、通信模塊和電源模塊。采集模塊用于音頻信號的采集；信號升壓電路保證檢測到的音頻信號的電壓值為正；控制模塊是所有硬件的核心，控制采集模塊的數(shù)據(jù)采集以及通信模塊與上位機(jī)的通信等。保證硬件部分功能的發(fā)揮，供電模塊為控制模塊、檢測模塊、升壓電路和通信模塊的正常工作提供合適的電源。通訊模塊作為控制模塊和上位機(jī)之間的橋梁，主要負(fù)責(zé)兩者之間的信息交互。整個系統(tǒng)的硬件結(jié)構(gòu)如圖1所示。

系統(tǒng)采集模塊由傳感器和穩(wěn)壓直流線性電源單元組成。風(fēng)力發(fā)電機(jī)組通常位于室外，環(huán)境惡劣，因此傳感器應(yīng)保證在室外長時間使用，并具有

圖1 系統(tǒng)的硬件結(jié)構(gòu)

防水、防雷的特性。氣動音頻信號采集點(diǎn)位于江蘇省如東風(fēng)電場。風(fēng)電場全年盛行風(fēng)向?yàn)闁|南偏北。因此，地面上安裝了2個傳感器，以接收來自2個下沉氣流的空氣動力學(xué)音頻信號。由于控制模塊的主控芯片無法采集負(fù)電平信號，因此在主控芯片與傳感器之間增加了同相輸入求和電路，以提高電壓。控制模塊主要由主控芯片和芯片外圍電路組成。其功能包括：捕捉信號采集、音頻信號A/D轉(zhuǎn)換、數(shù)據(jù)存儲與傳輸、控制GPRS模塊與上位機(jī)進(jìn)行無線通信等。通訊模塊采用ATK-SIM900A-開發(fā)板，是一款功能強(qiáng)大的工業(yè)級GPRS模塊，接口種類齊全，功能齊全，工作溫度范圍廣，體積小。電源模塊是所有硬件部分的基礎(chǔ)，保證相應(yīng)的設(shè)備能夠正常工作。整個硬件系統(tǒng)需要供電的器件包括：STM32F103ZET6微處理器、ATK-SIM900A開發(fā)板、傳感器、升壓電路中的OP07CP芯片。

1.3 光纖光柵傳感器用于風(fēng)機(jī)葉片材料的靜態(tài)檢測

纖維增強(qiáng)復(fù)合材料比金屬材料具有前所未有的優(yōu)勢，并表現(xiàn)出優(yōu)異的抗疲勞、結(jié)構(gòu)穩(wěn)定性、耐腐蝕性和耐久性等性能。而大型風(fēng)電材料的耐高溫性，首選材料用于發(fā)電的葉片轉(zhuǎn)子、玻璃纖維抗疲勞性高、缺口敏感性低、內(nèi)部阻尼大、振幅阻尼和抗振性能好以及具有良好的耐腐蝕性和耐候性、耐酸(耐堿、耐鹽霧腐蝕)。

對于傳感器性能的研究，其特征參數(shù)的研究是一個非常重要的環(huán)節(jié)。根據(jù)傳感器測量的物理量的形式不同，分為靜態(tài)信號和動態(tài)信號。傳感器應(yīng)具有良好的靜態(tài)和動態(tài)特性，以便在不失真的情況下完成信號轉(zhuǎn)換。線性度、滯后性、精度、重復(fù)性和靈敏度是測量傳感器靜態(tài)特性的最重要指標(biāo)。傳感器的精度代表了測量的可靠性。精度越高，結(jié)果的可靠性就越高。傳感器的精度也是為了達(dá)到一定精度而重復(fù)一定度數(shù)的能力。傳感器誤差越小，其精度越高。傳感器靈敏度是指零件穩(wěn)定時功率的百分比變化和功率的變化。

1.4 風(fēng)機(jī)葉片裂縫檢測

葉片裂紋檢測有2個方面：一是通過目測葉片各點(diǎn)的平均反射率和主應(yīng)力來確定環(huán)境風(fēng)扇壓力的變化；二是根據(jù)得到的多個參考值進(jìn)行融合處理后得到新的數(shù)據(jù)。傳統(tǒng)方法中最基本、應(yīng)用最廣泛的是基于人工神經(jīng)網(wǎng)絡(luò)分類算法，對振動信息的特性進(jìn)行提取、分析和計算，得到葉片撕裂的圖像。但是，這種方法有很多缺點(diǎn)：首先，它需要大量的實(shí)驗(yàn)樣本、訓(xùn)練集和測試時間。其次，到處都使用相同的材料。由于葉片的不同參數(shù)隨葉片不同而不同，在保持葉片裂紋特性的最新情況下，必須進(jìn)行必要的預(yù)處理以提高測試結(jié)果的準(zhǔn)確性和可靠性。首先，通過合適的算法收集和計算傳感器所需的信息，得到每個小參考閾值對應(yīng)的每個數(shù)據(jù)點(diǎn)的合適位置函數(shù)。然后通過特殊的過程得到一系列的初始化數(shù)據(jù)點(diǎn)，分為葉尖邊緣區(qū)域、葉尖附近區(qū)域和葉尖特征、分支區(qū)域中的葉片裂紋兩部分。

葉片裂紋是風(fēng)扇葉柵上的一個非線性區(qū)域。在現(xiàn)有技術(shù)中，由于葉片材料的性能和制造工藝的影響，會不同程度地造成超前現(xiàn)象。在實(shí)際運(yùn)行中，風(fēng)力發(fā)電機(jī)一般不考慮空氣摩擦和機(jī)械振動等外部因素。當(dāng)風(fēng)速超過一定值時，會產(chǎn)生更多的離心力。如果忽視這種現(xiàn)象，螺旋槳末端聲音的有效傳遞就會降低，影響槳葉的正常運(yùn)行。一般情況下，造成這種現(xiàn)象的原因分為兩類：一方面是由于氣孔和熱點(diǎn)的影響而產(chǎn)生的裂紋，另一方面是由于不斷裂或斷裂變形造成的損壞。風(fēng)力發(fā)電機(jī)在運(yùn)行時，風(fēng)速過高，其內(nèi)部結(jié)構(gòu)損壞，風(fēng)力發(fā)電機(jī)頂部與外界環(huán)境的相互作用力矩發(fā)生變化，影響風(fēng)力發(fā)電機(jī)的效率。葉片裂紋是風(fēng)扇葉片開裂引起的一種狀況，其主要特征是形狀不規(guī)則，在不同的位置產(chǎn)生不同的影響。

葉片裂紋是風(fēng)力機(jī)轉(zhuǎn)子葉片上的一種非線性缺陷，其主要特征是不同模態(tài)的變化。如果某個高階模式?jīng)]有同時出現(xiàn)，它對應(yīng)于某個相關(guān)的第二或更低頻率，就會出現(xiàn)，相應(yīng)的主頻率遵循正弦相位。在工程實(shí)踐中，通常采用兩相交流法、多普勒分析儀等方法來處理檢測到的主頻隨時間推移引起的失真。

一種基于技術(shù)的智能風(fēng)扇葉片裂紋融合檢測方法，通過對風(fēng)扇上多個傳感器獲取的葉片對應(yīng)位置信息進(jìn)行處理和分析，得到目標(biāo)區(qū)域內(nèi)的參考值和相應(yīng)參數(shù)。具體過程如下：首先在待測點(diǎn)上加載2個數(shù)據(jù)，然后根據(jù)定義的閾值計算參考值之間關(guān)系的適應(yīng)度，進(jìn)而得到裂紋深度在2個節(jié)點(diǎn)處，相鄰節(jié)點(diǎn)路徑下2個軸的邊長并保存結(jié)果。根據(jù)從風(fēng)機(jī)葉片裂紋處采集到的數(shù)據(jù)，結(jié)合主成分分析方法，可以準(zhǔn)確判斷出影響風(fēng)機(jī)高度的最重要因素。在風(fēng)機(jī)葉片裂紋檢測全過程中，由于采集到的數(shù)據(jù)與實(shí)際情況存在差異，為了獲得更準(zhǔn)確的實(shí)驗(yàn)結(jié)果，采用多尺度融合方法。

2 多特征融合的風(fēng)機(jī)葉片裂縫檢測實(shí)驗(yàn)

2.1 系統(tǒng)總體方案

在開發(fā)風(fēng)電葉片裂縫檢測系統(tǒng)時，必須充分考慮系統(tǒng)的準(zhǔn)確性、可靠性和實(shí)時性。因此，要求探測器和傳感器設(shè)計合理，信號處理電路設(shè)計緊湊，上述計算機(jī)軟件設(shè)計簡單。本章主要介紹了風(fēng)機(jī)葉片裂紋檢測系統(tǒng)的總體設(shè)計。

2.2 光纖傳感器設(shè)計

由于探測器安裝在曲面上，因此還需要保留曲面?zhèn)鞲衅鞯那岸耍员阍谔綔y過程中盡可能保持探測器的空氣動力學(xué)形狀。該傳感器包含5個光纖束，每個光纖束由許多小光纖電纜組成。 風(fēng)機(jī)葉片裂紋跟蹤信息處理平臺主要完成風(fēng)機(jī)葉片裂紋數(shù)據(jù)的采集、顯示和存儲三大功能。由于上位機(jī)軟件的穩(wěn)定可靠運(yùn)行直接關(guān)系到風(fēng)機(jī)的安全運(yùn)行，因此在設(shè)計過程中，在盡可能滿足實(shí)際要求之前，對程序進(jìn)行了嚴(yán)格的控制，以達(dá)到更好的可行性、時間和可靠性要求。

2.3 裂縫類型識別結(jié)果

該系統(tǒng)對20幅橫向高程圖像、16幅縱向高程圖像、19幅塊高程圖像和15幅扇葉網(wǎng)格高程圖像采用多重特征提取處理，并使用分類器、神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行分類。本文利用MATLAB對每個裂紋的二值圖像進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的裂紋識別仿真實(shí)驗(yàn)。 為保證樣本包含足夠的信息，選擇有明顯裂縫的圖像作為訓(xùn)練樣本。當(dāng)網(wǎng)絡(luò)學(xué)習(xí)完成時，達(dá)到收斂并保留BP網(wǎng)絡(luò)學(xué)習(xí)誤差圖。

3 實(shí)驗(yàn)結(jié)果分析

根據(jù)本文基于多特征提取對裂縫圖像的分類檢測實(shí)驗(yàn)數(shù)據(jù)結(jié)果可知，由于裂紋等現(xiàn)象的存在，無法識別微弱的裂紋信號。同時，塊狀和交聯(lián)裂紋的檢出率不是很高。具體如表1所示。

如圖2所示可以看到，實(shí)驗(yàn)中對橫向裂縫的檢測準(zhǔn)確度最高，對塊狀裂縫檢測準(zhǔn)確度最低。

表1 基于多特征提取的裂紋圖像分類與檢測結(jié)果

圖2 基于多特征提取的裂紋圖像分類與檢測結(jié)果

大塊裂縫本身也是晶格裂縫，但破壞程度較低，雖然兩者的特征向量之間存在邊界區(qū)域，但在這個區(qū)域內(nèi)它們的向量值相對接近。

4 結(jié)論

風(fēng)機(jī)葉片作為一種典型的低階、非線性缺陷體，其本身自愈性問題一直是制約風(fēng)力發(fā)電技術(shù)進(jìn)步和發(fā)展的重要原因之一。風(fēng)機(jī)葉片是風(fēng)力場的關(guān)鍵部位，其裂縫特征對風(fēng)速和可靠性有著重要影響。風(fēng)機(jī)葉片作為一種重要的風(fēng)力機(jī)械設(shè)備，在工程建設(shè)中占有很高地位。對其裂縫的檢測技術(shù)研究有利于提高工程的安全性。實(shí)驗(yàn)結(jié)果表明，多特征提取方法在不同裂縫中的檢測結(jié)果不相同。其中，對橫向裂縫的檢測準(zhǔn)確度最高，多特征提取方法有一定的作用，但還需要進(jìn)一步改進(jìn)。