一种运行中风机叶片裂纹的激光检测方法与流程

本发明涉及机械设备故障诊断技术，具体来说，是一种运行中风机叶片裂纹的激光检测方法。

背景技术：

风力发电机组安装在野外比较恶劣的环境，经常处于无人值守的状态，对其运行状态的监测尤为重要。叶片是风机转子系统的重要部分，叶片裂纹故障是旋转机械常见故障，一旦出现，若不及时处理，最终引起叶片的断裂，会对整个机组的安全运行带来严重的威胁，甚至导致重大的事故，造成巨大的经济损失。及时准确地判断出风机叶片的裂纹故障，是保障风机机组健康服役的关键。

目前，风机叶片裂纹的故障诊断大多以振动信号的测试与分析为基础，但获取振动信号必须将传感器贴附在测试部件表面，在风机叶片的工作环境中传感器并不易安装。另外，当风机叶片出现裂纹时振动特征并不明显，受噪声影响较大，故障信号的信噪比较差，使得基于振动信号的风机叶片故障诊断技术的应用受到了限制。因此，本发明提出了基于非接触式测量的风机叶片裂纹激光检测方法。激光检测具有测量仪器简单、非接触式测量，不影响设备正常工作等优点，是一种简易快捷的裂纹故障诊断方法。

技术实现要素：

本发明基于以上原因，提出了一种改变传统粘附式的运行中风机叶片裂纹的激光检测方法。

为实现上述技术目的，本发明采用的技术方案如下：

一种运行中风机叶片裂纹的激光检测方法，包括以下步骤，

s1，采集距离信号，在风机上安装一个位移传感器采集叶片的距离信号；

s2，基线校正，对采集到的距离信号进行基线校正；

s3，滤波处理，对基线校正后的信号进行滤波处理；

s4，提取振型幅值及频率，独立提取每一个叶片的振型幅值及频率；

s5，数据比对，对每一个叶片的振型及幅值与该叶片的历史数据以及其他叶片的当前数据进行比较，判断产生裂纹的叶片。

进一步限定，s1中，所述位移传感器采用激光传感器。

进一步限定，s3中，所述滤波处理通过小波包分解进行滤波处理以提取叶片裂纹的故障特征，从而达到对风机叶片裂纹故障准确的检测识别。

进一步限定，s3中，所述小波包分解包括以下步骤，

y1，计算风机叶片的固有频率fn；

y2，利用小波包进行分解，对所有的小波包，设置一个带通频率为1/3fn～3fn的带通滤波器对原始信号进行去噪。

进一步限定，s5中，将s4中所得提取振型幅值及频率，进行振型及幅值比较，判断产生裂纹的叶片；其中数据比对，包括以下2个方面，其一，在采样时间内对风机各叶片的幅值和频率进行相互比较，其二，在采样时间内对风机单独叶片进行幅值和频率进行历史数据比较。

进一步限定，在采样时间内对风机单独叶片进行幅值和频率进行历史数据比较的时候，首先，选择三个叶片某一长时间段内的幅值或频率随时间变化的数据，然后，设置信号采集的公差为ε，以3ε为阈值，当某一段数据的幅值或频率大于3ε时，则说明该叶片出现裂纹故障。

进一步限定，s3中，所述滤波处理采用限幅滤波法，根据该叶片的历史数据，确定两次采样允许的最大偏差值a，每次检测到新值时判断：如果本次值与上次值之差≤a，则本次值有效，如果本次值与上次值之差>a，则本次值无效，放弃本次值，用上次值代替本次值。

优选的，s3中，所述滤波处理采用中位值滤波法；

d1，连续采样n次，n取奇数；

d2，把n次采样值按大小排列；

d3，取中间值为本次有效值。

本发明相比现有技术，本发明提出了基于非接触式测量的风机叶片裂纹激光检测方法。第一，激光检测具有测量仪器简单、非接触式测量，不影响设备正常工作等优点，是一种简易快捷的裂纹故障诊断方法；第二，本发明对采集的距离信号进行小波分解进行滤波处理，小波分解能根据信号特性和分析要求自适应地选择相应频带与信号频谱相匹配，使信号在低频部分的时间分辨率和高频部分的频率分辨率同时提高，是一种分解更为精细的滤波方法；第三，便于早起发现设备故障隐患，避免引起重大的事故；第四，便于掌握设备的总体运行情况，提高维修效率，节省工时。

附图说明

本发明可以通过附图给出的非限定性实施例进一步说明；

图1为本发明工作流程图；

图2为采集到三个叶片距离信号示意图；

图3为某一叶片基线校正后原始信号图；

图4为某一叶片进行小波包分解滤波后信号图；

图5为出现裂纹故障时风机三叶片进行幅值对比图；

图6为出现裂纹故障时风机某一叶片的频率随时间变化图；

具体实施方式

为了使本领域的技术人员可以更好地理解本发明，下面结合附图和实施例对本发明技术方案进一步说明。

如图1所示，一种运行中风机叶片裂纹的激光检测方法，包括以下步骤，

s1，采集距离信号，在风机上安装一个位移传感器采集叶片的距离信号；

s2，基线校正，对采集到的距离信号进行基线校正；

s3，滤波处理，对基线校正后的信号进行滤波处理；

s4，提取振型幅值及频率，独立提取每一个叶片的振型幅值及频率；

s5，数据比对，对每一个叶片的振型及幅值与该叶片的历史数据以及其他叶片的当前数据进行比较，判断产生裂纹的叶片。

需要说明的是，s1中，在风机上安装一个激光位移传感器采集叶片的距离信号。将激光位移传感器安装在风机的塔架上部靠近叶片的位置，并斜射运行的风机叶片，在风力稳定时获取各叶片的距离信息，具体的获取的各叶片的距离信息详见图2；需要说明的是本发明可以安装多个传感器进行监测，另外，本发明画图示意时，用三叶片风进行示意，但不代表本发明只适用于三叶片，三叶片以上的风机本发明亦可适用；另外，s2，基线校正中，为了方便处理，将采集到原始距离信号的基线定义到一条水平线上，具体效果详见图3；

采集到的叶片距离信号中夹杂外界环境因素的影响，不能较好的反映风机叶片故障特征。s3中，所述滤波处理通过小波包分解进行滤波处理以提取叶片裂纹的故障特征，从而达到对风机叶片裂纹故障准确的检测识别。进行小波包分解，对分解的信号设置一个带通滤波器，将与反映风机叶片运行状态的距离不相关的干扰信号消除，并最大程度保留状态信号。

小波包分解具体包括以下步骤，

y1，计算风机叶片的固有频率fn；

y2，利用小波包进行分解，对所有的小波包，设置一个带通频率为1/3fn～3fn的带通滤波器对原始信号进行去噪。

s5中，将s4中所得提取振型幅值及频率，进行振型及幅值比较，判断产生裂纹的叶片；其中数据比对，包括以下2个方面，其一，在采样时间内对风机各叶片的幅值和频率进行相互比较，其二，在采样时间内对风机单独叶片进行幅值和频率进行历史数据比较。

在采样时间内对风机单独叶片进行幅值和频率进行历史数据比较的时候，首先，选择三个叶片某一长时间段内的幅值或频率随时间变化的数据，然后，设置信号采集的公差为ε，以3ε为阈值，当某一段数据的幅值或频率大于3ε时，则说明该叶片出现裂纹故障。具体效果详见图4，图5，图6；

作为本技术方案的第一种实施例，s3中，所述滤波处理采用限幅滤波法，根据该叶片的历史数据，确定两次采样允许的最大偏差值a，每次检测到新值时判断：如果本次值与上次值之差≤a，则本次值有效，如果本次值与上次值之差>a，则本次值无效，放弃本次值，用上次值代替本次值。

作为本技术方案的第二种实施例，s3中，所述滤波处理采用中位值滤波法；

d1，连续采样n次，n取奇数；

d2，把n次采样值按大小排列；

d3，取中间值为本次有效值。

需要说明的是，本技术方案中，s2，基线校正，s3，滤波处理，都是采用现有的、比较成熟的预处理方法，故在文中没有详细阐述，其中，s5，数据比对，需要从显示屏上读取差距，例如图5，叶片1，叶片2的幅值2m/s2，而叶片3的幅值大于2m/s2，明显出现裂纹故障。本发明的技术核心总结如下，其一，采用位移传感器采集叶片的距离信号，获取振动信号不再需要将传感器贴附在测试部件表面，当然，为了更好的获取距离，位移传感器采用斜射，其二，对采集的距离信号进行小波分解进行滤波处理，小波分解能根据信号特性和分析要求自适应地选择相应频带与信号频谱相匹配，使信号在低频部分的时间分辨率和高频部分的频率分辨率同时提高6％。

以上对本发明提供的一种运行中风机叶片裂纹的激光检测方法进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。