基于視頻圖像分析的風(fēng)電機(jī)組故障自動識別技術(shù)研究.pdf

1、隨著各國對清潔能源、可再生能源發(fā)電關(guān)注度的日益提高，我國風(fēng)能發(fā)電產(chǎn)業(yè)近年來也得到了飛速發(fā)展。一般情況下，風(fēng)電機(jī)組設(shè)備價(jià)值昂貴，故障發(fā)生率較高，且風(fēng)電場一般位于地理位置偏遠(yuǎn)、環(huán)境惡劣的地方，運(yùn)維人員較少，需要遠(yuǎn)程實(shí)時(shí)監(jiān)控風(fēng)電場運(yùn)行狀況，并對風(fēng)電機(jī)組是否發(fā)生故障進(jìn)行自動識別。采用視頻監(jiān)控技術(shù)和圖像自動識別技術(shù)，建立遠(yuǎn)程實(shí)時(shí)監(jiān)控識別系統(tǒng)，能實(shí)現(xiàn)自動化無人值守，解決人員勞動強(qiáng)度大的問題，提高運(yùn)維管理水平。本文利用視頻監(jiān)控系統(tǒng)獲取的塔筒入口、機(jī)艙

2、內(nèi)、齒輪箱底部、紐纜保護(hù)套等部位的監(jiān)測圖像，研究通過圖像分析技術(shù)獲取異常狀態(tài)信息，實(shí)現(xiàn)自動報(bào)警的方法。主要研究工作及結(jié)果如下:
　　(1)針對塔筒門禁監(jiān)測圖像，采用基于差圖像法的入侵自動報(bào)警方法，即在異物入侵檢測時(shí)先用Surendra法來實(shí)時(shí)地更新背景模型，再用背景差分法獲得運(yùn)動區(qū)域，最后獲取較為精確的運(yùn)動區(qū)域圖像特征，根據(jù)閾值判別法將正常狀態(tài)異常狀態(tài)區(qū)分出來，當(dāng)為異常狀態(tài)時(shí)進(jìn)行自動報(bào)警，此功能基本實(shí)現(xiàn)。
　　(2)針對機(jī)艙

3、內(nèi)微弱火焰監(jiān)測圖像，首先利用顏色特征分割出圖像中具有疑似微弱火焰的區(qū)域，然后用火焰增長性特征進(jìn)行初步判斷，最后采用紋理特征對微弱火焰進(jìn)行驗(yàn)證。
　　(3)針對齒輪箱底部漏油監(jiān)測圖像，通常齒輪箱油為黃褐色，則齒輪箱滲漏油處圖像的顏色往往會呈現(xiàn)黃褐色，采用一種基于顏色特征的齒輪箱滲漏油檢測方法，對異常區(qū)域提取H-S顏色直方圖，并比較一系列待測圖片，當(dāng)顏色直方圖中灰褐色部分變化較大時(shí)認(rèn)為存在漏油異常，經(jīng)多次證明與實(shí)際情況一致。