风力发电作为目前最成熟的新能源发电技术正受到越来越多的关注。风力机叶片是风力发电机组吸收风能的关键部件,造价占整个机组的23%以上。大型风力发电机组工况复杂恶劣,叶片运行时,所受载荷不定,长期运行的叶片会出现不同程度的裂纹或过度变形,最终引起叶片断裂故障。叶片断裂未及时发现继续运行,将会给机组带来灾难性事故。经过对风力发电叶片断裂机理及断裂方式进行分析研究,结合实际工况,通过在叶尖增加标记的方式提出动态性位置偏差法对叶片故障进行检测。为提高故障诊断准确性,提出自适应阈值法及经验公式,同时使用延时判断法以消除非故障因素影响。叶片运行状态监测实验证明以上方法有良好的可靠性、鲁棒性。本课题的主要研究成果包括:(1)调研了风力发电机组结构和叶片气动性能,并对风电叶片的断裂形式和机理进行分析和研究。总结了设备故障诊断与运行状态检测技术的发展进程。(2)从图像处理、计算机视觉角度,提出一种有效的风力机叶片远程在线监测方法—位置偏差法。该方法充分考虑工作环境、故障模式、自然弯曲或变桨等因素对图像提取结果的影响。(3)为提高上述方法的故障诊断精准性、系统监测稳定性和预警高效性,提出了以此为核心的自适应阈值法、延时判断法、过程判断法、故障类型预判法并推导出提高预判精度的比例系数补偿值。(4)研制了一套基于计算机视觉的风力机叶片在线状态监测与故障诊断模型系统,包括风力发电机模型、基于PLC的控制子系统、基于相机的视觉监测子系统和利用以太网、RS485通信的数据传输子系统。充分模拟实际环境,对上述理论进行验证,证明了其准确性和有效性。(5)设计适应于室外复杂环境的风力机叶片远程监控系统,对相机、补光灯等关键设备的选型进行分析,并初步设计风力机叶片故障数据云计算模型。基于所做研究成果,申报天津市科技支撑计划。