风力发电机组叶片的无损检测系统及方法
【专利摘要】本发明提供了一种风力发电机组叶片的无损检测系统及方法。声发射传感器单元用于在风机叶片材料在受载过程中检测风机叶片的内部变形及裂纹扩展的损伤信号，并将检测到的信号传递给声发射前置放大及滤波单元。声发射前置放大及滤波单元用于对检测到的信号进行放大及滤波，然后将放大及滤波后的信号传递给声发射数据采集单元。声发射数据采集单元对声发射前置放大及滤波单元传递过来的信号进行采集以产生声发射信号，并将声发射信号传递给数据处理显示单元。数据处理显示单元利用小波分析方法对声发射信号进行去噪声处理，并利用小波变换将造成处理后的信号进行重构，对重构后的信号进行分析以提取特征值及频谱。
【专利说明】风力发电机组叶片的无损检测系统及方法
【技术领域】
[0001]本发明涉及风电发电中的状态检测及故障诊断领域，更具体地说，本发明涉及一种风力发电机组叶片的无损检测系统及方法。
【背景技术】
[0002]风电是世界上增长最快的新能源，风机叶片是风电机组进行能量转换的第一环节，也是重要环节，其性能直接影响到整个风电系统的性能。叶片工作在高空，环境十分恶劣，叶片遭受着严格的考验几乎每时每刻都承受着侵蚀，春夏秋冬、酷暑严寒、雷电、冰雹、雨雪、沙尘随时都有可能对风机叶片产生损伤。据统计，叶片损伤产生的事故要占到总事故的三分之一，叶片发生损伤事故时电场必须停止发电，开始抢修，严重的还必须更换叶片，这必将导致高额的维修费用，也给风电场带来很大的经济损失。
[0003]因此，若能及时检测叶片的损伤并进行维护，必能有效的将少风机叶片造成停机故障，有效避免巨额损失的发生。
【发明内容】
[0004]本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一种基于声发射传感器的风力发电机组叶片的无损检测系统及方法。
[0005]为了实现上述技术目的，根据本发明的第一方面，提供了 一种风力发电机组叶片的无损检测系统，其包括:声发射传感器单元、声发射前置放大及滤波单元、声发射数据采集单元和数据处理显示单元；
[0006]声发射传感器单元与声发射前置放大及滤波单元连接；声发射前置放大及滤波单元与声发射数据采集单元连接；声发射数据采集单元与数据处理显示单元连接；
[0007]声发射传感器单元用于在风机叶片材料在受载过程中检测风机叶片的内部变形及裂纹扩展的损伤信号，并将检测到的信号传递给声发射前置放大及滤波单元；
[0008]声发射前置放大及滤波单元用于对检测到的信号进行放大及滤波，然后将放大及滤波后的信号传递给声发射数据采集单元；
[0009]声发射数据采集单元用于对声发射前置放大及滤波单元传递过来的信号进行采集以产生声发射信号，并将声发射信号传递给数据处理显示单元；
[0010]数据处理显示单元用于利用小波分析方法对声发射信号进行去噪声处理，并利用小波变换将造成处理后的信号进行重构，对重构后的信号进行分析以提取特征值及频谱。
[0011]优选地，所述声发射传感器单元包括与叶片根部相距叶片长度20%到40%处的部位处将声发射传感器布置成为分布式传感器阵列。
[0012]优选地，声发射前置放大及滤波单元通过高频同轴电缆与声发射数据采集单元连接。
[0013]根据本发明的第二方面，提供了一种风力发电机组叶片的无损检测方法，其包括:[0014]在风机叶片材料在受载过程中利用声发射传感器单元检测风机叶片的内部变形及裂纹扩展的损伤信号，并将检测到的信号传递给声发射前置放大及滤波单元；
[0015]利用声发射前置放大及滤波单元对检测到的信号进行放大及滤波，然后将放大及滤波后的信号传递给声发射数据采集单元；
[0016]利用声发射数据采集单元对声发射前置放大及滤波单元传递过来的信号进行采集以产生声发射信号，并将声发射信号传递给数据处理显示单元；
[0017]利用数据处理显示单元利用小波分析方法对声发射信号进行去噪声处理，并利用小波变换将造成处理后的信号进行重构，对重构后的信号进行分析以提取特征值及频
-1'TfeP曰。
[0018]优选地，所述声发射传感器单元包括与叶片根部相距叶片长度20%到40%处的部位处将声发射传感器布置成为分布式传感器阵列。
[0019]【专利附图】
【附图说明】
[0020]结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征，其中:
[0021]图1示意性地示出了根据本发明优选实施例的风力发电机组叶片的无损检测系统。
[0022]图2示意性地示出了凯塞(Kaiser)效应。
[0023]图3示意性地示出了突发信号参数。
[0024]需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。
【具体实施方式】
[0025]为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对本发明的内容进行详细描述。
[0026]图1示意性地示出了根据本发明优选实施例的风力发电机组叶片的无损检测系统。
[0027]如图1所示，根据本发明优选实施例的风力发电机组叶片的无损检测系统包括:声发射传感器单元1、声发射前置放大及滤波单元2、声发射数据采集单元3和数据处理显示单元4。
[0028]声发射传感器单元I与声发射前置放大及滤波单元2连接；声发射前置放大及滤波单元2 (例如通过高频同轴电缆)与声发射数据采集单元3连接；声发射数据采集单元3(例如通过电联方式)与数据处理显示单元4连接。
[0029]在风机叶片材料在受载过程中，声发射传感器单元I能够检测到风机叶片的内部变形及裂纹扩展的损伤信号，并将检测到的信号传递给声发射前置放大及滤波单元2。
[0030]声发射前置放大及滤波单元2对检测到的信号进行放大及滤波，由此将声发射信号进行初步处理，然后将放大及滤波后的信号传递给声发射数据采集单元3。比如，经过前置放大器放大后的信号，一些小于IOOKHz的机械噪声，进行频率鉴别，然后前置滤波，经过高频同轴电缆传输给数据采集单元。
[0031]声发射数据采集单元3对声发射前置放大及滤波单元2传递过来的信号进行采集以产生声发射信号，并将声发射信号传递给数据处理显示单元4。优选地，对于数据采集单元4，可以根据所选声发射传感器的有效采样频率选取合适的数据采样频率，然后选取合适的数据采集卡，在配套相应的接口电路，嵌到总控制器内，然后将总控制器与电脑相连，从而实现模拟信号的采集和数模转换。
[0032]数据处理显示单元4利用小波分析方法对声发射信号进行去噪声处理，并利用小波变换将造成处理后的信号进行重构，对重构后的信号进行分析以提取特征值及频谱。经过声发射数据采集单元3得到的信号，送入数据处理显示单元4。数据处理显示单元4是以智能计算机作为硬件基础的，利用智能计算机，对信号进行处理、分析、判断等，并将处理、分析、判断结果显示于屏幕上。
[0033]实际上，经过声发射数据采集单元3采集到的信号，是一种非稳定突发信号，需要采用诸如matlab数据分析软件之类的软件或模块，利用小波分析对信号进行将噪，也就是噪声消除，经过噪声消除后的信号，在经过小波变换将信号重构，以利于分析提取特征值及其频率。
[0034]从而，可以利用特征值及频谱来描述风机叶片的裂纹可扩展破坏情况，实现对风力发电机叶片的实时检测诊断，对实现风机叶片工作时的监测有着重大的意义。
[0035]作为声发射传感器单元I的具体示例的声发射传感器，是一种将应力信号转换为模拟信号的传感器。可依据不同风机不同叶片，选取适合的声发射传感器；而且，可以在叶片受损率高的部位(例如:与叶片根部相距叶片长度20%到40%处的部位)，采用合理的密集的传感器布置方案(优选地，采用分布式传感器阵列)，在叶片受损率低的部位，可以采用单个传感器布置。而且，可以结合区域定位法确定破损范围。
[0036]每个声发射传感器所采集的声发射信号都会有一路数据线传输到声发射前置放大器，将信号进行放大处理。声发射传感器输出的电压信号有时低至几微伏，这样微弱的信号，若进过长距离的传输，强度必然要降低，所以必须将原始的传感器信号放大数倍后传输，常用的放大倍数有34、40和60Db，在经过高频同轴电缆传输给数据采集单元。声发射前置放大器的一个主要技术指标是噪声水平，一般应小于10微伏。前置放大器需要具有阻抗匹配和变换的功能，为防止输入信号过大造成影响，还应该具有抗电压冲击的保护能力和抗阻塞现象的恢复能力，并且具有比较大的输出动态范围。
[0037]在小波分析中，面对这众多的小波基，选取合适的小波基作为分析声发射信号的工具，对于信号分析中的噪声取出、关键信息的提取有着很重要的作用，对于声发射信号，小波的选取需要考虑一下几个方面:
[0038](I)离散小波分析相比连续小波分析更适合于声发射信号的处理。
[0039](2)声发射信号一般都是突发型信号，具有瞬时信号的特性，所以选取的小波基需要具有在时域上紧之性，需要小波基在频域的频带上具有快速衰减的性质。
[0040](3)由小波分析的公式可以得知，选取的小波基的性质最好和被测信号近似。
[0041](4)对于信号的分析，最好选取对称的小波基，或者尽量对称的小波基以降低信号的失真。
[0042]经过小波分析提取声发射信号的特征值及其频率后，结合凯塞(Kaiser)效应和费利西蒂(Felicity)效应，以及利用时差定位法和区域定位法,来确定破损的位置和大小。
[0043]如图2所示,所谓的凯塞(Kaiser)效应和费利西蒂(Felicity)效应，是声发射信号的两个重要的特性。同一试件在同一条件下产生的声发射只有一次，就是所谓的凯塞(Kaiser)效应，即在第一次加载荷时叶片结构会以声发射的形式释放能量，但恢复后重新加载时，当载荷量没有超过前一次载荷时不产生声发射，只有当超过前一次最大载荷量时叶片结构才会发生声发射，如图2。
[0044]费利西蒂(Felicity)效应是指在叶片结构发生了损伤时，即回复后载荷量小雨前一次最大载荷量，叶片结构仍会有声发射产生。这两个特性是判别叶片是否出现损伤的重要理论依据，当叶片加载荷时，如果后一次的载荷量递增但不超过前一次载荷量时，将不出现或出现少量的声发射，此时符合凯塞(Kaiser)效应,则认为叶片是健康的；反之,声发射信号符合费利西蒂(Felicity)效应，可以认为叶片出现的损伤，如波击技术、振铃计数、幅度、能量、上升时间和持续时间等。波击是指某一通道检测到的过阈值的瞬时声发射信号，图3中过阈值的包络线所形成的大信号就是一个波击。对波击进行计数，可以反映声发射活动的总量，作为损伤发生和扩展的依据。
[0045]当判断出有损伤发生或扩展时,结合时差定位法和区域定位法,确定声发射源,得到对应的叶片损伤位置，实现发电机组叶片的无损检测。
[0046]在本发明的另一优选实施例中，还提供相应的风力发电机组叶片的无损检测方法。
[0047]本发明至少具有如下优点:
[0048]1、声发射是一种动态的无损检测方法，适用于风电检测领域，能够降低风力发电维护成本、延长使用寿命和确保安全供电。
[0049]2、声发射检测几乎不受材料和构件几何形状的限制，适用性很强。不论风机叶片是何种设计规格，声发射检测方法都可以利用。
[0050]3、声发射的敏感度高，可以精确的检测出故障的发生情况。
[0051]4、该方法可以与风力发电机组的变桨系统和刹车系统进行通信，在叶片处于风险状态下，控制风机，停机保护设备。
[0052]此外，需要说明的是，除非特别说明或者指出，否则说明书中的术语“第一”、“第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系等。
[0053]可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。
【权利要求】
1.一种风力发电机组叶片的无损检测系统，其特征在于包括:声发射传感器单元、声发射前置放大及滤波单元、声发射数据采集单元和数据处理显示单元； 声发射传感器单元与声发射前置放大及滤波单元连接；声发射前置放大及滤波单元与声发射数据采集单元连接；声发射数据采集单元与数据处理显示单元连接； 声发射传感器单元用于在风机叶片材料在受载过程中检测风机叶片的内部变形及裂纹扩展的损伤信号，并将检测到的信号传递给声发射前置放大及滤波单元； 声发射前置放大及滤波单元用于对检测到的信号进行放大及滤波，然后将放大及滤波后的信号传递给声发射数据采集单元； 声发射数据采集单元用于对声发射前置放大及滤波单元传递过来的信号进行采集以产生声发射信号，并将声发射信号传递给数据处理显示单元； 数据处理显示单元用于利用小波分析方法对声发射信号进行去噪声处理，并利用小波变换将造成处理后的信号进行重构，对重构后的信号进行分析以提取特征值及频谱。
2.根据权利要求1所述的风力发电机组叶片的无损检测系统，其特征在于，所述声发射传感器单元包括与叶片根部相距叶片长度20%到40%处的部位处将声发射传感器布置成为分布式传感器阵列。
3.根据权利要求1或2所述的风力发电机组叶片的无损检测系统，其特征在于，声发射前置放大及滤波单元通过高频同轴电缆与声发射数据采集单元连接。
4.一种风力发电机组叶片的无损检测方法，其特征在于包括: 在风机叶片材料在受载过程中利用声发射传感器单元检测风机叶片的内部变形及裂纹扩展的损伤信号，并将检测到的信号传递给声发射前置放大及滤波单元； 利用声发射前置放大及滤波单元对检测到的信号进行放大及滤波，然后将放大及滤波后的信号传递给声发射数据采集单元； 利用声发射数据采集单元对声发射前置放大及滤波单元传递过来的信号进行采集以产生声发射信号，并将声发射信号传递给数据处理显示单元； 利用数据处理显示单元利用小波分析方法对声发射信号进行去噪声处理，并利用小波变换将造成处理后的信号进行重构，对重构后的信号进行分析以提取特征值及频谱。
5.根据权利要求4所述的风力发电机组叶片的无损检测方法，其特征在于，所述声发射传感器单元包括与叶片根部相距叶片长度20%到40%处的部位处将声发射传感器布置成为分布式传感器阵列。
【文档编号】G01N29/14GK103901111SQ201410111073
【公开日】2014年7月2日 申请日期:2014年3月24日 优先权日:2014年3月24日
【发明者】王晖, 高桂革, 曾宪文, 袁靖, 肖浩, 尹万杰 申请人:上海电机学院