CN113554602B - 一种风机变桨轴承监测方法 - Google Patents

一种风机变桨轴承监测方法 Download PDF

Info

Publication number
CN113554602B
CN113554602B CN202110737418.0A CN202110737418A CN113554602B CN 113554602 B CN113554602 B CN 113554602B CN 202110737418 A CN202110737418 A CN 202110737418A CN 113554602 B CN113554602 B CN 113554602B
Authority
CN
China
Prior art keywords
image
value
pitch bearing
white
monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110737418.0A
Other languages
English (en)
Other versions
CN113554602A (zh
Inventor
王文伟
许征锋
孙照莹
李明华
张韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
XI'AN XIANGXUN TECHNOLOGY CO LTD
Original Assignee
XI'AN XIANGXUN TECHNOLOGY CO LTD
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by XI'AN XIANGXUN TECHNOLOGY CO LTD filed Critical XI'AN XIANGXUN TECHNOLOGY CO LTD
Priority to CN202110737418.0A priority Critical patent/CN113554602B/zh
Publication of CN113554602A publication Critical patent/CN113554602A/zh
Application granted granted Critical
Publication of CN113554602B publication Critical patent/CN113554602B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种风机变桨轴承监测方法，以解决现有风机变桨轴承健康状态监测存在的人工成本和硬件成本高、检测效率和准确率低的技术问题。方法步骤包括：将至少三个摄像机分别朝向风机的三个变桨轴承连接轮毂位置的螺栓；实时监测摄像机视场内的螺栓，并将第一幅图像记录为预存图像；对监测图像进行处理，判断是否为变桨轴承转动时的图像；若是，则记录为有效图像，并用该有效图像替换预存图像；把有效图像信息传输给服务器。本发明采用视频方式获取变桨轴承连接轮毂位置的螺栓图像，配合独特的算法进行转动检测识别，能够准确高效地进行风机变桨轴承的监测。

Description

一种风机变桨轴承监测方法
技术领域
本发明涉及风机的轴承监测方法，具体涉及一种风机变桨轴承健康状态的监测方法。
背景技术
近年来随着对环境整治力度加大，逐渐从煤炭发电转向环保的风力发电，风力发电量逐年增长，如今已成为风能利用的主要形式。随着风机装机量的增加和风机时间变长，风机的健康运维越来越重要，通过各种传感器检测风机健康状态尤为重要，可以提前预报风机状况，避免安全事故发生，挽回企业的重要损失。风机叶片轴承在叶片高速转动和受力下长时间的损耗，会发生螺栓断裂、螺母脱落、齿轮带断裂等现象，如果不能及时修复，轻则叶轮不平衡影响发电量，重则叶片扫塔或掉落而导致安全生产事故，严重威胁着风机的健康运行，因此对这些关键损耗位置的检测至关重要。
为了检测风机叶片轴承的健康状态，行业内通常采用定期人工巡检的方式来检查风机的关键损耗位置。另外，还有通过在关键损耗位置的螺母上布锡箔纸、漆线等，然后判断锡箔纸、漆线等是否断裂来检验，采用这种方法检测，一方面可靠性不高，检测不准确，另一方面锡箔纸、漆线等只能使用一次，增加了检查成本。另外也有一些厂家采用视频方式，通过把摄像机固定在轮毂上监控变桨轴承的螺栓状态，由于风机一直在振动，采用帧差法会回传大量无用的视频信息，需要占用大量的存储资源，而从这些数据中检索出每个轴承上的每个螺栓状态的图像信息也非常困难；而采用人工智能图像识别需要在前期进行机器学习和代码训练，而且对硬件要求也比较高。
发明内容
本发明的目的是解决现有风机变桨轴承健康状态监测存在的人工成本和硬件成本高、检测效率和准确率低的技术问题，提出一种风机变桨轴承监测方法，可实现远程实时监测变桨轴承情况，采用转动检测算法，从大量图像信息中提取有效图像回传到服务器，从而提高监测效率和准确率，降低了人工成本。
为了实现上述目的，本发明所采用的技术方案是：
一种风机变桨轴承监测方法，其特殊之处在于，包括以下步骤：
1)将至少三个摄像机分别朝向风机的三个变桨轴承连接相应轮毂位置的螺栓方向；
2)实时监测摄像机视场内的螺栓，并将第一幅图像记录为预存图像；
3)对监测图像进行处理，判断是否为变桨轴承转动时的图像；若是，则记录为有效图像，并用该有效图像替换预存图像；若否，则不予记录；
4)将有效图像信息传输给服务器。
进一步地，步骤3)具体为：
3.1)模糊处理
按下式将图像进行模糊处理：
Figure BDA0003142090540000021
其中：
f(x,y)为模糊处理后的图像，其中(x,y)为像素坐标；
n为x轴图像坐标变化范围；
m为y轴图像坐标变化范围；
q为比例系数，取值范围为0～100％；
3.2)帧差处理
将模糊处理后的监测图像与预存图像做差，然后求绝对值，保存为帧差数据；预存图像为第一次记录的图像或上一次变桨轴承转动时记录的图像；
3.3)计算赋值阈值
将所有的帧差数据由大到小排序，取最大的N个数据求平均值，取平均值的10％～90％中的一个数值作为赋值阈值；其中，N取值范围为1～50；
3.4)二值化处理
用赋值阈值把帧差数据进行二值化，得到包含多个白色区域的黑白图像；其中，小于等于赋值阈值的像素赋值为黑色像素0，大于赋值阈值的像素赋值为白色像素255；
3.5)判断是否移动
3.5.1)分别计算黑白图像中每个白色区域的白色像素个数；
3.5.2)若白色像素的个数大于规定阈值，则将统计值M加1，其中M初值为0；
3.5.3)若统计值M＞1，则分别计算相应白色区域的中心坐标；
3.5.4)若任意两个白色区域的中心坐标之间的直线距离大于该黑白图像长度的二分之一，则判断该幅监测图像为变桨轴承转动时的图像，记录为有效图像，并用该有效图像替换预存图像；否则不予记录。
进一步地，步骤3.1)中还包括模糊处理前降低图像大小和/或灰度处理的步骤。
进一步地，所述降低图像大小是把图像尺寸由1920*1080缩小到380*216；所述灰度处理的算法为：
P＝R*0.4+G*0.3+B*0.3
其中：P为目标灰度值，R、G、B分别为色彩分量。
进一步地，步骤3.5.1)中，采用区域面积统计方法计算黑白图像中每个白色区域的白色像素个数，具体为：
先找到一个255值像素点，以该像素点为基础逐行查找其他像素点，将查找到的255值像素点重新赋值为127，直到查找到图像边界或者下一行像素点全为0值或者遇到像素点值为127，查找结束；
当查找到图像边界或者下一行像素点全为0值时，记录该查找区域的4个边界点坐标，并记录该查找区域的127值像素点个数，为该白色区域的白色像素个数；
当遇到像素点值为127时，将该查找区域与该像素点值为127的区域合并，记录合并区域的4个边界点坐标，并记录该合并区域的127值像素点个数，为该白色区域的白色像素个数。
进一步地，步骤3.5.3)中，所述计算相应白色区域的中心坐标具体为：
依据每个白色区域记录的4个边界点坐标，将x坐标的最大值和最小值求平均值，得到中心坐标的x轴坐标；将y坐标的最大值和最小值求平均值，得到中心坐标的y轴坐标。
进一步地，步骤3.1)中还包括舍弃不清晰图像的步骤，具体为：
将监测图像中水平左右相邻的两个像素点的灰度值相减后求绝对值再平方，然后累加求和，计为D；若D值小于图像清晰度阈值，则舍弃该幅监测图像。
进一步地，步骤1)中，所述摄像机为网络摄像机，步骤3)之前还包括将摄像机的RTSP视频流解析成图像的步骤。
进一步地，步骤4)中，所述将有效图像信息传输给服务器是采用无线Wifi连接风场网络传输实现的。
本发明的有益效果是：
1)本发明风机变桨轴承监测方法采用视频方式，将多个摄像机分别布置在风机三个变桨轴承上，用于观察变桨轴承连接位置的螺栓，配合独特的算法进行转动检测识别，能够准确高效地进行风机变桨轴承的检测，为监控风机健康运行提供保证。
2)本发明风机变桨轴承监测方法针对风机变桨轴承的转动特点，对拍摄的图像采用转动检测算法，能够有效识别变桨轴承转动和震动，舍弃震动带来的大量无用图像，回传变桨轴承转动时的有效图像，为后台分析变桨轴承的健康状态减轻了压力。
3)本发明中摄像机采用网络摄像机POE供电，控制器可接收网络摄像机的RTSP视频流，并把RTSP视频流解析成图片后进行转动检测，接口简单，硬件成本低。
附图说明
图1为本发明风机变桨轴承监测方法在检测过程中摄像机拍摄示意图；
图2为本发明风机变桨轴承监测方法所使用的设备组成示意图；
图3为本发明风机变桨轴承监测方法所使用的控制器硬件***框图；
图4为本发明风机变桨轴承监测方法中转动检测模块检测螺栓的移动检测图；其中，(a)是转动前螺栓的照片，(b)是转动后螺栓的照片，(c)是实际二值化图像结果；
图5为本发明风机变桨轴承监测方法中转动检测模块检测过程中的查找区域示意图；
图6为本发明风机变桨轴承监测方法所使用的控制器机箱外形示意图。
附图标记说明：
1-摄像机，2-控制器，3-天线，4-变桨轴承。
具体实施方式
为了更清楚地说明本发明的技术方案，下面结合附图和具体实施例对本发明进行详细说明。
本发明方案采用视频的方式，把多个摄像机1分别布置在风机三个变桨轴承4上，用于观察变桨轴承4与轮毂连接位置的螺栓，如图1所示，然后每天拍照把图像上传给服务器，服务器进行后期处理。方案的难点是变桨轴承4是圆的，摄像机1的视角最多能拍到两个螺栓，根据机型不同，螺栓数量在50～150个不等，但不可能安装这么多摄像机1，所以本方案利用变桨轴承4会根据风进行0～90度变化，所以每个轮毂只需要安装4个摄像机1就可以把所有螺栓观察到。又因为变桨轴承4有受力点的原因，出现问题概率最大的都是正对的受力点上的螺栓，考虑成本每个轮毂也可以只安装1个。
为了拍摄变桨轴承4与轮毂连接的所有螺栓，需要实时检测轮毂是否在转动，当发生转动时就抓拍(记录摄像机监测图像)一次。常用的转动算法是帧差法或者人工智能图像识别，由于风机一直在振动，采用帧差法会把振动判断为移动，导致上传大量无用图像，采用人工智能图像识别的方法需要在前期进行机器学习和代码训练，而且对硬件要求也比较高。本发明通过研发专门设备并配合独特的算法进行转动检测识别，能够准确高效地对风机变桨轴承4进行检测，为监控风机健康运行提供保证。
由于风机的特殊结构，若把轮毂检测信号传输到机舱，设备需要支持无线传输功能，使***能够连接机舱的无线网络，机舱里的无线网络可以连接到风场的局域网中。
本发明实施例中，风机变桨轴承监测方法采用的装置组成如图2所示，包括少于3个摄像机1、1个控制器2和1个天线3。摄像机1主要拍摄连接轮毂的螺栓。控制器2主要连接摄像机1，对摄像机1的视频流进行实时解码，然后采用转动检测算法判断轮毂是否转动，转动时记录螺栓图像，最后通过控制器2中的无线Wifi把图像传输给服务器。其中摄像机1、天线3等均采用市场上成熟稳定的产品。
本发明控制器2的设计如下：
1、硬件设计
控制器2的硬件设计框图如图3所示，包括设置在机箱内的处理模块、无线wifi模块、网络供电模块、RTC模块及电源***，其中，处理模块的硬件平台选择瑞芯微的3399K，配置4G RAM，16Gflash。支持至少12路1080P、h.26420帧视频流硬件解码，支持jpge硬件编码，具有1T算力。网络供电模块用于摄像机控制，采用网络摄像机POE供电。Wifi最大功率可达24dbm，最大速度可到150Mbp，满足对摄像机实时访问。另外还设计有网络交换机，电源管理，硬件看门狗，RTC时钟，SD存储，HDMI接口，USB接口等。防护等级IP66，工作温度-40～75摄氏度。
控制器2通过网络接口与摄像机1连接，6个网络接口最大支持连接6路网络摄像机，通过POE交换机可扩展为12路；控制器2通过射频接口与天线3连接，用于连接风机机舱的无线网络，从而接入到风场网络，使用户可以远程访问该装置。
2、功能设计
①视频解析
视频解析是以依托电路中的处理模块，网络交换模块等硬件电路设计，控制器2可同时接12路RTSP视频流，采用3399K自带的硬件解码器，可完成12路的同时解码，最大帧率可以达到20帧率。
②转动检测
在控制器2控制程序中，视频解析模块把RTSP视频流解析成图片后送给转动检测模块进行检测。
检测流程如下：
1)为了处理速度，首先降低图像的大小，把图像由1920*1080缩小20％到380*216大小。图像缩放采用图像处理中常用的双线性插值方法。
2)图像灰度处理，进一步降低数据，灰度处理算法为
P＝R*0.4+G*0.3+B*0.3
其中，P为目标灰度值，R、G、B分别为色彩分量。
3)求清晰度，由于安装位置振动，拍摄的图像有时存在不清晰，需要判断图像清晰度，判断算法为水平左右相邻的两个像素点的灰度值相减求绝对值再平方，即求像素值的方差，然后累加求和，计为D，参考公式如下。在使用前，需要对一段时间的图像求D，然后根据所求图像的清晰度取阈值，如果小于此阈值，程序舍弃计算，进行下一帧图像计算。
D(f0)＝ΣyΣx|f(x-1,y)–f(x+1,y)|2
其中，f(x-1,y)为像素点(x,y)左边相邻的像素点灰度值；f(x+1,y)为像素点(x,y)右边相邻的像素点灰度值。
4)图像模糊处理，图像模糊采用中间图像灰度值和其周围灰度值分别乘以不同的系数组成新的中间图像值。公式如下所示，其中q为比例系数。
Figure BDA0003142090540000071
其中，f(x,y)为模糊处理后的图像，其中(x,y)为像素坐标；n为x轴图像坐标变化范围；m为y轴图像坐标变化范围；q为比例系数，取值范围为0～100％，本实施例q的取值为50％。
5)图像帧差处理，经过上面模糊处理后的图像与预存图像进行做差然后求绝对值，保存为新的数据M03。其中，预存图像为第一次记录的图像或上一次变桨轴承转动时记录的图像。
6)求帧差图像的阈值，把帧差的图像进行排序，由大到小，然后取前面最大的10个数据求平均值，然后平均值的50％作为阈值(thresh)用于下面计算。
7)二值化出处理，用求到的阈值(thresh)把M03进行二值化，把小于等于thresh的赋值为0，把大于thresh的赋值为255。
8)判断是否移动，二值化后会出现各种不规则的白色区域，这些区域是螺栓移动产生的，图4是一个实际二值化图像结果，白色区域的值为255，然后对各白色组成的区域分别计算面，这里的面积是像素个数，如果像素区域面积大于规定阈值就认为此处为一个物体运动产生的区域，统计白色区域的个数加1，如果区域数量大于1，然后计算区域面的中心坐标，再计算这些坐标的直线距离，如果这些坐标大于图像长度的二分之一，则认为产生了移动。
区域面积统计方法为先找到一个255的值，然后以该点为基础查找它组成的区域，把查找到的255重新赋值为127，并记录个数。接着查找该行依次相邻的255的值，并记录该行的左右两边的边界坐标f0(x0,y0)、f1(x1,y1)，以左右边界坐标继续寻找下一行，寻找区域变为f0(x0-1,y0+1)、f1(x1+1,y1+1)，然后根据该行查找的255值更新下一行的查找区域坐标，以此类推，直到查找到图像边界，亦或是下一行都为0，亦或遇到127，结束查找，记录统计个数，记录查找区域的4个最大最小坐标。当遇到127时，说明该区域是属于之前查找过得一个区域，两个区域是重合和，这种区域主要出现如图5所示的情况，浅色和深色本身是一个区域，但是由于算法原因没有统计到深色区域，当深色区域开始独立向下查找时，会遇到已经标记为127的浅色区域，这是需要把两块区域合并，合并方法为临近标记为127坐标的坐标是否在已保存坐标区域中，如果在就统计在相应的区域中，如果没有就舍弃。
中心坐标的计算是根据寻找区域面积的结果，把它的x轴坐标的最大值和最小值做求和求平均计算，即：x＝(xmin+xmax)/2，xmin是区域记录的最小x轴坐标，xmax是区域记录的最大x轴坐标；同理y轴的计算为：y＝(ymin+ymax)/2；f(x,y)即为中心坐标。
③文件上传
控制器2具有ftp文件上传功能，当判断指定文件夹有记录的图像时，控制器通过ftp协议把图像上传到指定服务器。
④磁盘管理
当发生断网时，记录的图像无法上传服务器导致积压越来越多，为了防止磁盘写满导致***崩溃，控制器2具有磁盘管理功能，实时控制磁盘具有剩余20％的容量。
⑤摄像机控制
控制器2具有控制摄像机1上下电功能，当发现摄像机1死机时，可以通过控制电路对摄像机1进行重启上下电，重启摄像机。
⑥硬件看门狗
由于控制器2安装位置特殊，非特殊人员无法对设备进行现场操作，为了防止发生***运行意外，专门配置硬件看门狗，硬件看门狗具有检测电源和复位***作用。
另外，控制器2还具有校时，日志等常用功能。
3、结构设计
结构设计主要从四个方面考虑，分别为成本要低，防护等级要达到IP66，便于安装，美观轻便。经过对市场上壳体结构调研，最终选择型材，不仅满足上面的四点要求，而且全铝合金，为内部电路提供屏蔽作用，进一步提高产品的抗干扰能力，另外也提供了散热能力。
图6为机箱的外形示意图，在机箱面板上，有4种连接器，分别为1个电源开关，1个电源接口，1个射频接口，6个网络接口，除了网络接口，网络接口采用凌科电器的LP16-RJ45，该连接器即可以直接使用网线，又能达到IP66等级要求，不需加工线缆，可直接用网线连接摄像机和装置，节省产品成本和人工成本。
本发明实施例中风机变桨轴承监测方法包括以下步骤：
1)在每个轮毂上各安装2个摄像机1分别朝向相应的变桨轴承4连接相应轮毂位置的螺栓；
2)实时监测摄像机1视场内的螺栓；并将第一幅图像记录为预存图像；控制器2将摄像机1的RTSP视频流解析成图像；
3)对监测图像进行处理，判断是否为变桨轴承4转动时的图像，若是，则记录为有效图像，并用该有效图像替换预存图像；否则，不予存储；利用上述控制器2的转动检测模块的转动检测方法判断是否为转动时的图像；
4)用Wifi无线传输将有效图像信息传输给服务器。
以上仅是对本发明的优选实施方式进行了描述，并非对本发明技术方案的限制，本领域技术人员在本发明主要技术构思的基础上所作的任何公知变形都属于本发明所要保护的技术范畴。

Claims (8)

1.一种风机变桨轴承监测方法，其特征在于，包括以下步骤：
1)将至少三个摄像机(1)分别朝向风机的三个变桨轴承(4)连接相应轮毂位置的螺栓方向；
2)实时监测摄像机(1)视场内的螺栓，并将第一幅图像记录为预存图像；
3)对监测图像进行处理，判断是否为变桨轴承(4)转动时的图像；若是，则记录为有效图像，并用该有效图像替换预存图像；若否，则不予记录；
3.1)模糊处理
按下式将监测图像进行模糊处理：
Figure FDA0003993679220000011
其中：
f(x,y)为模糊处理后的图像，其中(x,y)为像素坐标；
n为x轴图像坐标变化范围；
m为y轴图像坐标变化范围；
q为比例系数，取值范围为0～100％；
3.2)帧差处理
将模糊处理后的监测图像与预存图像做差，然后求绝对值，保存为帧差数据；
3.3)计算赋值阈值
将所有的帧差数据由大到小排序，取最大的N个数据求平均值，取平均值的10％～90％中的一个数值作为赋值阈值；其中，N取值范围为1～50；
3.4)二值化处理
用赋值阈值把帧差数据进行二值化，得到包含多个白色区域的黑白图像；其中，小于等于赋值阈值的像素赋值为黑色像素0，大于赋值阈值的像素赋值为白色像素255；
3.5)判断是否移动
3.5.1)分别计算黑白图像中每个白色区域的白色像素个数；
3.5.2)若白色像素的个数大于规定阈值，则将统计值M加1，其中M初值为0；
3.5.3)若统计值M＞1，则分别计算相应白色区域的中心坐标；
3.5.4)若任意两个白色区域的中心坐标之间的直线距离大于该黑白图像长度的二分之一，则判断该幅监测图像为变桨轴承(4)转动时的图像，记录为有效图像，并用该有效图像替换预存图像；否则不予记录；
4)将有效图像信息传输给服务器。
2.如权利要求1所述的一种风机变桨轴承监测方法，其特征在于：步骤3.1)中还包括模糊处理前降低图像大小和/或灰度处理的步骤。
3.如权利要求2所述的一种风机变桨轴承监测方法，其特征在于：所述降低图像大小是把图像尺寸由1920*1080缩小到380*216；
所述灰度处理的算法为：
P＝R*0.4+G*0.3+B*0.3
其中：P为目标灰度值，R、G、B分别为色彩分量。
4.如权利要求1所述的一种风机变桨轴承监测方法，其特征在于：
步骤3.5.1)中，采用区域面积统计方法计算黑白图像中每个白色区域的白色像素个数，具体为：
先找到一个255值像素点，以该像素点为基础逐行查找其他像素点，将查找到的255值像素点重新赋值为127，直到查找到图像边界或者下一行像素点全为0值或者遇到像素点值为127，查找结束；
当查找到图像边界或者下一行像素点全为0值时，记录该查找区域的4个边界点坐标，并记录该查找区域的127值像素点个数，为该白色区域的白色像素个数；
当遇到像素点值为127时，将该查找区域与该像素点值为127的区域合并，记录合并区域的4个边界点坐标，并记录该合并区域的127值像素点个数，为该白色区域的白色像素个数。
5.如权利要求4所述的一种风机变桨轴承监测方法，其特征在于，步骤3.5.3)中，所述计算相应白色区域的中心坐标具体为：
依据每个白色区域记录的4个边界点坐标，将x坐标的最大值和最小值求平均值，得到中心坐标的x轴坐标；将y坐标的最大值和最小值求平均值，得到中心坐标的y轴坐标。
6.如权利要求1所述的一种风机变桨轴承监测方法，其特征在于，步骤3.1)中还包括舍弃不清晰图像的步骤，具体为：
将监测图像中水平左右相邻的两个像素点的灰度值相减后求绝对值再平方，然后累加求和，计为D；若D值小于图像清晰度阈值，则舍弃该幅监测图像。
7.如权利要求1至6任一所述的一种风机变桨轴承监测方法，其特征在于：步骤1)中，所述摄像机(1)为网络摄像机，步骤3)之前还包括将摄像机的(1)的RTSP视频流解析成图像的步骤。
8.如权利要求7所述的一种风机变桨轴承监测方法，其特征在于：步骤4)中，所述将有效图像信息传输给服务器是采用无线Wifi连接风场网络传输实现的。
CN202110737418.0A 2021-06-30 2021-06-30 一种风机变桨轴承监测方法 Active CN113554602B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110737418.0A CN113554602B (zh) 2021-06-30 2021-06-30 一种风机变桨轴承监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110737418.0A CN113554602B (zh) 2021-06-30 2021-06-30 一种风机变桨轴承监测方法

Publications (2)

Publication Number Publication Date
CN113554602A CN113554602A (zh) 2021-10-26
CN113554602B true CN113554602B (zh) 2023-04-18

Family

ID=78131204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110737418.0A Active CN113554602B (zh) 2021-06-30 2021-06-30 一种风机变桨轴承监测方法

Country Status (1)

Country Link
CN (1) CN113554602B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116557225B (zh) * 2023-04-06 2024-05-10 中广核全椒风力发电有限公司 用于监测变桨轴承的监测装置、监测***及风力发电机组

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102252623A (zh) * 2011-06-24 2011-11-23 西安工程大学 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
CN112399150A (zh) * 2020-11-16 2021-02-23 广州顶新时代电子***科技有限公司 一种优化监控摄像机成像画面的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008294805A (ja) * 2007-05-25 2008-12-04 Ryukoku Univ 監視カメラ端末、監視カメラ端末の制御方法、監視カメラ端末制御プログラム、該プログラムを記録したコンピュータ読み取り可能な記録媒体、監視カメラ端末管理装置、および監視カメラシステム
CN103343728A (zh) * 2013-06-09 2013-10-09 上海乾祺电子科技有限公司 风力发电机组远程在线多模式健康状态监测与故障诊断***
JP2016009896A (ja) * 2014-06-23 2016-01-18 三菱電機株式会社 映像監視システム及び映像監視システムの映像検索方法
CN107061338B (zh) * 2017-05-27 2018-09-25 山东罗泰风机有限公司 一种风机状态实时监控***
CN107345857A (zh) * 2017-06-09 2017-11-14 昆明理工大学 一种电主轴状态监测与故障诊断***及其监测诊断方法
CN107657250B (zh) * 2017-10-30 2020-11-24 四川理工学院 轴承故障检测及定位方法及检测定位模型实现***和方法
CN109389566B (zh) * 2018-10-19 2022-01-11 辽宁奇辉电子***工程有限公司 基于边界特征的地铁高度调节阀紧固螺母不良状态检测方法
CN109946075A (zh) * 2018-12-25 2019-06-28 东北大学 一种轴承状态监测及故障诊断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102252623A (zh) * 2011-06-24 2011-11-23 西安工程大学 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
CN112399150A (zh) * 2020-11-16 2021-02-23 广州顶新时代电子***科技有限公司 一种优化监控摄像机成像画面的方法

Also Published As

Publication number Publication date
CN113554602A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN108109385B (zh) 一种输电线防外破的车辆识别与危险行为判别***与方法
US20210088030A1 (en) Tower clearance monitoring system and method therefor
CN102348128A (zh) 具有摄像机异常检测装置的监视用摄像机***
CN1882078A (zh) 监视摄像机的图像异常检测装置
CN113554602B (zh) 一种风机变桨轴承监测方法
CN107944342A (zh) 一种基于机器视觉的刮板机异常状态检测***
CN112449147B (zh) 光伏电站视频集群监控***及其图像处理方法
CN116055690B (zh) 一种机房监控视频的处理方法及设备
CN110096945B (zh) 基于机器学习的室内监控视频关键帧实时提取方法
CN107657260B (zh) 一种输电线路周边环境中地面隐患的检测方法
CN115184726A (zh) 一种智能电网故障实时监测定位***及方法
CN112702570A (zh) 一种基于多维行为识别的安防管理***
CN113283273B (zh) 基于视觉技术的前方障碍物实时检测方法及***
CN116630259A (zh) 一种信号箱内螺母松动检测方法及装置
CN111696142A (zh) 一种快速人脸检测方法及***
CN112422895A (zh) 基于无人机的图像分析跟踪、定位***及方法
CN111325731A (zh) 遥控装置的安装检测方法及装置
CN107609556B (zh) 一种输电线路环境中高空作业机械的检测方法
CN111818286A (zh) 视频监控设备故障检测***
US8433139B2 (en) Image processing apparatus, image processing method and program for segmentation based on a degree of dispersion of pixels with a same characteristic quality
CN115393343A (zh) 基于视频分析的矿井罐耳故障检测方法和装置
CN112950545A (zh) 一种棒材钢料弯曲检测方法
CN116994354B (zh) 道路电力设施巡检方法、装置、存储介质及电子装置
CN117953434B (zh) 基于智能网关的输电线路外力破坏监测方法及***
CN214293197U (zh) 一种机械臂监控装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant