本發(fā)明涉及故障檢測(cè)，更具體地說(shuō)，它涉及一種風(fēng)力發(fā)電葉片故障檢測(cè)系統(tǒng)。

背景技術(shù)：

1、在風(fēng)能產(chǎn)業(yè)迅猛發(fā)展的過(guò)程中，確保風(fēng)力發(fā)電機(jī)組的高效與安全運(yùn)行至關(guān)重要，其中，風(fēng)力機(jī)葉片的狀態(tài)監(jiān)測(cè)尤為關(guān)鍵，因?yàn)槿~片故障不僅會(huì)降低風(fēng)力機(jī)的發(fā)電效率，還可能引發(fā)嚴(yán)重的安全事故。

2、公告號(hào)為cn112950634b，專(zhuān)利名稱(chēng)為一種基于無(wú)人機(jī)巡檢的風(fēng)力機(jī)葉片損傷識(shí)別方法的中國(guó)專(zhuān)利，公開(kāi)了：通過(guò)無(wú)人機(jī)拍攝風(fēng)力機(jī)葉片圖像，并通過(guò)基于注意力機(jī)制的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)風(fēng)力機(jī)葉片圖像中的葉片損傷進(jìn)行分類(lèi)和位置回歸。

3、公告號(hào)為cn112233091b，專(zhuān)利名稱(chēng)為一種風(fēng)力機(jī)葉片圖像損傷檢測(cè)和定位方法的中國(guó)專(zhuān)利，公開(kāi)了：通過(guò)滑動(dòng)窗口沿著風(fēng)力機(jī)葉片表面圖像的水平或垂直方向進(jìn)行滑動(dòng)，并通過(guò)級(jí)聯(lián)強(qiáng)分類(lèi)器判斷滑動(dòng)窗口內(nèi)是否包含損傷區(qū)域，如果包含損傷區(qū)域，則通過(guò)卷積神經(jīng)網(wǎng)絡(luò)模型識(shí)別損傷區(qū)域的損傷類(lèi)型，包括：玻纖破損、裂紋、表皮破損和腐蝕，訓(xùn)練級(jí)聯(lián)強(qiáng)分類(lèi)器和卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本的樣本標(biāo)簽通過(guò)人工標(biāo)記的方式獲得。

4、上述方案都是通過(guò)機(jī)器視覺(jué)算法對(duì)單張圖像進(jìn)行分析，從而檢測(cè)風(fēng)力機(jī)葉片表面的損傷，然而，風(fēng)力機(jī)往往位于開(kāi)闊地帶，易受復(fù)雜多變的自然環(huán)境影響，葉片表面可能因惡劣天氣條件而積累各種附著物，例如雨水、冰雪、塵埃甚至鳥(niǎo)類(lèi)排泄物等，附著物在單張圖像中可能被錯(cuò)誤地識(shí)別為損傷，導(dǎo)致可能出現(xiàn)錯(cuò)誤識(shí)別的情況。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種風(fēng)力發(fā)電葉片故障檢測(cè)系統(tǒng)，解決上述背景技術(shù)中的技術(shù)問(wèn)題。

2、本發(fā)明提供了一種風(fēng)力發(fā)電葉片故障檢測(cè)系統(tǒng)，包括：

3、視頻采集模塊，其用于在預(yù)設(shè)時(shí)間段t內(nèi)，通過(guò)無(wú)人機(jī)搭載高清攝像頭采集風(fēng)力發(fā)電機(jī)葉片的轉(zhuǎn)動(dòng)視頻；

4、視頻處理模塊，其用于對(duì)風(fēng)力發(fā)電機(jī)葉片的轉(zhuǎn)動(dòng)視頻進(jìn)行關(guān)鍵幀提取獲得關(guān)鍵幀圖像數(shù)量為n的圖像數(shù)據(jù)集；

5、子區(qū)域劃分模塊，其用于遍歷圖像數(shù)據(jù)集的n個(gè)關(guān)鍵幀圖像，并通過(guò)滑動(dòng)窗口將每個(gè)關(guān)鍵幀圖像中的風(fēng)力發(fā)電機(jī)葉片劃分為m個(gè)子區(qū)域圖像；

6、時(shí)空?qǐng)D數(shù)據(jù)構(gòu)建模塊，其用于根據(jù)n個(gè)關(guān)鍵幀圖像的m個(gè)子區(qū)域圖像構(gòu)建時(shí)空?qǐng)D數(shù)據(jù)；

7、時(shí)空?qǐng)D數(shù)據(jù)包括：n個(gè)子圖數(shù)據(jù)，n個(gè)子圖數(shù)據(jù)分別與n個(gè)關(guān)鍵幀圖像建立映射關(guān)系；

8、每個(gè)子圖數(shù)據(jù)均由m個(gè)節(jié)點(diǎn)和節(jié)點(diǎn)之間的邊組成；

9、第n個(gè)子圖數(shù)據(jù)的第m個(gè)節(jié)點(diǎn)與第n個(gè)關(guān)鍵幀圖像中的第m個(gè)子區(qū)域圖像建立映射關(guān)系，其中1≤m≤m，1≤n≤n；

10、葉片故障檢測(cè)模型構(gòu)建模塊，其用于構(gòu)建并訓(xùn)練葉片故障檢測(cè)模型；

11、葉片故障檢測(cè)模塊，其用于將時(shí)空?qǐng)D數(shù)據(jù)輸入到訓(xùn)練完成的葉片故障檢測(cè)模型，輸出的值表示風(fēng)力發(fā)電機(jī)葉片的m個(gè)子區(qū)域圖像的故障類(lèi)型；

12、故障類(lèi)型包括：裂縫、腐蝕、涂層損傷、附著物吸附和無(wú)損傷。

13、進(jìn)一步地，t、n、m、滑動(dòng)窗口的大小和滑動(dòng)窗口的步長(zhǎng)均為自定義參數(shù)。

14、進(jìn)一步地，對(duì)風(fēng)力發(fā)電機(jī)葉片的轉(zhuǎn)動(dòng)視頻進(jìn)行關(guān)鍵幀提取獲得關(guān)鍵幀圖像數(shù)量為n的圖像數(shù)據(jù)集，包括以下步驟：

15、步驟s201，將風(fēng)力發(fā)電機(jī)葉片的轉(zhuǎn)動(dòng)視頻按照等時(shí)間間隔進(jìn)行分幀處理獲得k個(gè)分幀圖像，其中k為大于n的自定義參數(shù)；

16、步驟s202，將k個(gè)分幀圖像進(jìn)行灰度化處理獲得灰度圖像；

17、步驟s203，將k個(gè)灰度圖像轉(zhuǎn)換為灰度直方圖表示；

18、灰度直方圖通過(guò)維度數(shù)量為256的向量表示，每個(gè)維度的值表示與維度索引相同的灰度級(jí)別的像素點(diǎn)數(shù)量；

19、步驟s204，對(duì)k個(gè)灰度直方圖進(jìn)行歸一化處理；

20、歸一化處理后的灰度直方圖通過(guò)維度數(shù)量為256的向量表示，所有維度的值的總和為1；

21、步驟s205，計(jì)算相鄰兩個(gè)歸一化處理后的灰度直方圖的巴氏距離，判斷該巴氏距離大于等于預(yù)設(shè)距離閾值，則將后一幀的灰度圖像作為關(guān)鍵幀圖像；

22、計(jì)算相鄰兩個(gè)歸一化處理后的灰度直方圖的巴氏距離的計(jì)算公式如下：

23、；

24、其中1≤k≤k，表示第k個(gè)歸一化處理后的灰度直方圖和第k-1個(gè)歸一化處理后的灰度直方圖之間的巴氏距離，和分別表示第k個(gè)和第k-1個(gè)歸一化處理后的灰度直方圖的第i個(gè)維度的值；

25、步驟s206，判斷關(guān)鍵幀圖像的數(shù)量大于n，則提高預(yù)設(shè)距離閾值，判斷關(guān)鍵幀圖像的數(shù)量小于n，則降低預(yù)設(shè)距離閾值，直至獲得n個(gè)關(guān)鍵幀圖像作為圖像數(shù)據(jù)集。

26、進(jìn)一步地，節(jié)點(diǎn)之間的邊包括：同一子圖數(shù)據(jù)的相鄰節(jié)點(diǎn)之間構(gòu)建邊；相鄰子圖數(shù)據(jù)的同一節(jié)點(diǎn)之間構(gòu)建邊。

27、進(jìn)一步地，葉片故障檢測(cè)模型包括：第一隱藏層、n個(gè)第二隱藏層、m個(gè)提取器和m個(gè)分類(lèi)器；

28、第一隱藏層輸入與時(shí)空?qǐng)D數(shù)據(jù)的n個(gè)子圖數(shù)據(jù)的m個(gè)節(jié)點(diǎn)存在映射關(guān)系的子區(qū)域圖像，輸出特征圖；

29、第n個(gè)第二隱藏層輸入時(shí)空?qǐng)D數(shù)據(jù)的第n個(gè)子圖數(shù)據(jù)，輸出更新矩陣，更新矩陣包括m個(gè)行向量，第n個(gè)第二隱藏層輸出的更新矩陣的第m個(gè)行向量表示第n個(gè)子圖數(shù)據(jù)的第m個(gè)節(jié)點(diǎn)的更新特征；

30、m個(gè)提取器用于提取第n個(gè)第二隱藏層輸出的更新矩陣的m個(gè)行向量并輸入到m個(gè)分類(lèi)器；

31、m個(gè)分類(lèi)器的分類(lèi)空間表示風(fēng)力發(fā)電機(jī)葉片的m個(gè)子區(qū)域圖像的故障類(lèi)型。

32、進(jìn)一步地，第一隱藏層的計(jì)算公式包括：

33、；

34、；

35、其中表示第一隱藏層輸出的特征圖，表示第一隱藏層輸入的子區(qū)域圖像，a表示中間特征圖，和分別表示第一權(quán)重參數(shù)和第二權(quán)重參數(shù)，和分別表示第一偏置參數(shù)和第二偏置參數(shù)，表示逐點(diǎn)相乘，relu表示relu激活函數(shù)，softmax表示softmax激活函數(shù)。

36、進(jìn)一步地，第n個(gè)第二隱藏層的計(jì)算公式包括：

37、；

38、；

39、；

40、；

41、；

42、；

43、；

44、其中表示第n個(gè)第二隱藏層輸出的更新矩陣，表示第n個(gè)子圖數(shù)據(jù)的第m個(gè)節(jié)點(diǎn)的更新特征，和分別表示第n個(gè)子圖數(shù)據(jù)的第m個(gè)節(jié)點(diǎn)的第一中間特征和第二中間特征，賦值為0，和分別表示第n個(gè)和第n-1個(gè)子圖數(shù)據(jù)的第m個(gè)節(jié)點(diǎn)的特征圖，賦值為0，表示在n個(gè)子圖數(shù)據(jù)中與第m個(gè)節(jié)點(diǎn)存在邊連接的節(jié)點(diǎn)的集合，表示第n個(gè)子圖數(shù)據(jù)的第v個(gè)節(jié)點(diǎn)的特征圖，、和分別表示第n個(gè)子圖數(shù)據(jù)的第m個(gè)節(jié)點(diǎn)的候選第二中間特征、更新門(mén)和重置門(mén)，、、、、、、、和分別表示第三權(quán)重參數(shù)、第四權(quán)重參數(shù)、第五權(quán)重參數(shù)、第六權(quán)重參數(shù)、第七權(quán)重參數(shù)、第八權(quán)重參數(shù)、第九權(quán)重參數(shù)、第十權(quán)重參數(shù)和第十一權(quán)重參數(shù)，、、和分別表示第三偏置參數(shù)、第四偏置參數(shù)、第五偏置參數(shù)和第六偏置參數(shù)，表示將第n個(gè)子圖數(shù)據(jù)的m個(gè)節(jié)點(diǎn)的更新特征進(jìn)行堆疊操作，concat表示拼接操作，vec表示向量化操作，表示逐點(diǎn)相乘，sigmoid表示sigmoid激活函數(shù)，tanh雙曲正切激活函數(shù)。

45、進(jìn)一步地，用于訓(xùn)練葉片故障檢測(cè)模型的訓(xùn)練樣本的樣本標(biāo)簽通過(guò)人工標(biāo)注獲得。

46、進(jìn)一步地，指定交叉熵?fù)p失函數(shù)作為葉片故障檢測(cè)模型的損失函數(shù)。

47、本發(fā)明提供一種存儲(chǔ)介質(zhì)，其存儲(chǔ)了非暫時(shí)性計(jì)算機(jī)可讀指令，當(dāng)非暫時(shí)性計(jì)算機(jī)可讀指令由計(jì)算機(jī)執(zhí)行時(shí)，執(zhí)行上述的一種風(fēng)力發(fā)電葉片故障檢測(cè)系統(tǒng)。

48、本發(fā)明的有益效果在于：本發(fā)明通過(guò)對(duì)風(fēng)力發(fā)電機(jī)葉片的轉(zhuǎn)動(dòng)視頻進(jìn)行關(guān)鍵幀提取，并將每個(gè)關(guān)鍵幀圖像劃分為多個(gè)子區(qū)域構(gòu)建時(shí)空?qǐng)D數(shù)據(jù)，通過(guò)葉片故障檢測(cè)模型對(duì)時(shí)空?qǐng)D數(shù)據(jù)在時(shí)間和空間上的信息進(jìn)行聚合，從而提高風(fēng)力發(fā)電機(jī)葉片的故障類(lèi)型的識(shí)別精度，減少出現(xiàn)錯(cuò)誤識(shí)別的情況。