風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)研究進(jìn)展*

周季峰，石 騰，許波峰,

風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)研究進(jìn)展*

周季峰1，石 騰2,3，許波峰2,3,?

（1. 南京南瑞繼保電氣有限公司，南京 211102；2. 河海大學(xué) 能源與電氣學(xué)院，南京 211100；3. 河海大學(xué) 可再生能源發(fā)電技術(shù)教育部工程研究中心，南京 211100）

風(fēng)力發(fā)電規(guī)模穩(wěn)步增長(zhǎng)的同時(shí)，風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)也應(yīng)得到相應(yīng)發(fā)展。對(duì)風(fēng)電機(jī)組葉片典型故障的產(chǎn)生原因及其類(lèi)型進(jìn)行了總結(jié)歸納；其次回顧了聲發(fā)射、超聲波、振動(dòng)、紅外熱成像以及計(jì)算機(jī)視覺(jué)等五種檢測(cè)技術(shù)的工作原理，并分別對(duì)其特點(diǎn)進(jìn)行了對(duì)比分析；最后為助力實(shí)現(xiàn)風(fēng)電行業(yè)高質(zhì)量可持續(xù)發(fā)展，探討了未來(lái)風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)的發(fā)展趨勢(shì)。

風(fēng)電機(jī)組葉片；故障檢測(cè)；故障類(lèi)型；檢測(cè)技術(shù)

0 引 言

風(fēng)電對(duì)于緩解能源儲(chǔ)備短缺、實(shí)現(xiàn)能源綠色轉(zhuǎn)型以及保障能源安全而言具有十分重要的意義[1]。截至2022年底，我國(guó)風(fēng)電累計(jì)裝機(jī)容量達(dá)到3.96億kW，新增裝機(jī)中大功率機(jī)組占比不斷提高，機(jī)組大型化趨勢(shì)明顯，百米超長(zhǎng)葉片接連下線(xiàn)，2023年葉片長(zhǎng)度有望突破130 m。

葉片作為風(fēng)電機(jī)組中將風(fēng)能轉(zhuǎn)化為機(jī)械能的關(guān)鍵部件，其健康、高效的運(yùn)行是風(fēng)電機(jī)組實(shí)現(xiàn)穩(wěn)定發(fā)電的重要保障[2]。然而，風(fēng)電機(jī)組葉片的不斷加長(zhǎng)也增加了葉片損傷檢測(cè)的難度，對(duì)檢測(cè)技術(shù)的需求也越來(lái)越高[3-4]。

葉片的造價(jià)成本在風(fēng)電機(jī)組中所占比例高，葉片損傷是風(fēng)電機(jī)組故障類(lèi)型中發(fā)生概率及維護(hù)成本均較高的部件損傷類(lèi)型[5]。由于葉片多處于復(fù)雜惡劣的工作環(huán)境且長(zhǎng)期承受復(fù)雜應(yīng)力作用，葉片發(fā)生損傷在所難免。對(duì)于早期產(chǎn)生的微小裂紋、劃痕等損傷，若不能夠及時(shí)發(fā)現(xiàn)并修復(fù)，將會(huì)在雨雪、風(fēng)沙等自然環(huán)境以及交變載荷的耦合作用下，逐步擴(kuò)大損傷面積、加深損傷程度，甚至?xí)?duì)葉片的氣動(dòng)性能產(chǎn)生影響，從而影響機(jī)組的發(fā)電效率，造成一定的經(jīng)濟(jì)損失[6]。

高效、精準(zhǔn)、有效地對(duì)葉片故障進(jìn)行檢測(cè)，對(duì)保障機(jī)組安全、穩(wěn)定運(yùn)行及降低風(fēng)場(chǎng)運(yùn)營(yíng)成本至關(guān)重要[7-8]。風(fēng)電機(jī)組葉片運(yùn)維檢測(cè)工作較為復(fù)雜，目前，已有部分葉片故障檢測(cè)技術(shù)應(yīng)用于實(shí)際風(fēng)場(chǎng)運(yùn)營(yíng)，但在精確度、實(shí)時(shí)性、系統(tǒng)性等方面仍存在一定的上升空間。

因此，本文首先從風(fēng)電機(jī)組葉片的典型故障入手，闡述葉片故障的產(chǎn)生原因，同時(shí)歸納風(fēng)電機(jī)組葉片常見(jiàn)的故障類(lèi)型；其次回顧五種葉片損傷故障檢測(cè)技術(shù)的工作原理，并列舉各檢測(cè)技術(shù)的研究成果與進(jìn)展；緊接著對(duì)五種檢測(cè)技術(shù)的特點(diǎn)進(jìn)行對(duì)比分析；最后探討未來(lái)風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)的發(fā)展趨勢(shì)。以期提高人們對(duì)風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)的關(guān)注度，助力風(fēng)電行業(yè)可持續(xù)發(fā)展。

1 風(fēng)電機(jī)組葉片的典型故障

風(fēng)電機(jī)組葉片會(huì)在設(shè)計(jì)、運(yùn)輸及安裝等過(guò)程中的人為因素以及雨雪、風(fēng)沙及鳥(niǎo)類(lèi)等自然因素的作用下產(chǎn)生一定的故障損傷。并且葉片在運(yùn)行的過(guò)程中也可能會(huì)產(chǎn)生裂紋、涂層破損、表皮脫落、砂眼以及油污等不同形式的損傷，若不能夠及時(shí)修復(fù)將會(huì)降低葉片的氣動(dòng)性能，縮減葉片的使用壽命。

1.1 故障產(chǎn)生的原因

目前，風(fēng)電機(jī)組葉片通常由玻璃纖維增強(qiáng)復(fù)合材料（glass fiber reinforced polymers, GFRP）和碳纖維增強(qiáng)復(fù)合材料（carbon fiber reinforced polymers, CFRP）制成，雖然具備一定的強(qiáng)度、剛度、耐腐蝕以及耐沖刷性能的復(fù)合型材料被陸續(xù)應(yīng)用于風(fēng)電機(jī)組葉片的制造環(huán)節(jié)，但依然無(wú)法完全避免葉片損傷故障的產(chǎn)生。

風(fēng)電機(jī)組葉片在設(shè)計(jì)的過(guò)程中，實(shí)際運(yùn)行載荷難以準(zhǔn)確預(yù)測(cè)，倘若設(shè)計(jì)不當(dāng)就會(huì)降低運(yùn)行載荷的安全余量，從而帶來(lái)一定的安全隱患；葉片生產(chǎn)過(guò)程中缺乏嚴(yán)格的質(zhì)量把控也是導(dǎo)致葉片故障產(chǎn)生的原因之一；葉片在運(yùn)輸?shù)倪^(guò)程中，若操作不當(dāng)，則葉片容易產(chǎn)生局部彎曲、局部裂紋、受力過(guò)于集中等問(wèn)題；在吊裝的過(guò)程中，繩具與夾具的不規(guī)范使用也會(huì)對(duì)葉片造成損傷。此外，由于風(fēng)電機(jī)組所處的工作環(huán)境較為惡劣，風(fēng)電機(jī)組葉片在長(zhǎng)期承受的交變應(yīng)力以及強(qiáng)大的風(fēng)載荷、紫外線(xiàn)照射、雨雪沖刷以及碎石風(fēng)沙沖擊等外界因素耦合作用下，容易產(chǎn)生裂紋、砂眼、涂層破損、表面脫落以及遭受雷擊等不同程度的損傷[9]。

風(fēng)電機(jī)組葉片無(wú)論處于設(shè)計(jì)制造、運(yùn)輸安裝亦或運(yùn)行狀態(tài)，均會(huì)產(chǎn)生不同形式的損傷。若能夠定期、及時(shí)地對(duì)葉片故障進(jìn)行檢測(cè)修復(fù)，將細(xì)微損傷終止于萌芽階段，可保證葉片與其他部件一樣長(zhǎng)期、穩(wěn)定地運(yùn)行，這將在很大程度上節(jié)約機(jī)組的停機(jī)運(yùn)維成本，愈發(fā)凸顯對(duì)風(fēng)電機(jī)組葉片故障技術(shù)研究的重要性。

1.2 葉片的典型故障類(lèi)型

（1）裂紋

葉片裂紋主要分為橫向裂紋和縱向裂紋，相對(duì)而言混合型裂紋較少。機(jī)組機(jī)械振動(dòng)過(guò)大、葉片膠衣耐腐蝕和耐沖刷性能差以及外物撞擊等都會(huì)引起裂紋的產(chǎn)生。裂紋產(chǎn)生的初始階段，尺寸相對(duì)較小，隨著時(shí)間的推進(jìn)，將會(huì)在風(fēng)沙碎石侵蝕、雨雪沖刷等作用下，逐步擴(kuò)大裂紋尺寸。若裂紋不能被及時(shí)地檢測(cè)并修復(fù)，將會(huì)在交變載荷的作用下演變成其他類(lèi)型的損傷，進(jìn)而影響葉片整體性能。葉片裂紋圖像如圖1（a）所示。

（2）砂眼

由于一些風(fēng)電機(jī)組是在風(fēng)沙環(huán)境中運(yùn)行的，沙塵顆粒物會(huì)在大風(fēng)的吹動(dòng)下與葉片發(fā)生敲打、撞擊，葉片表面保護(hù)層容易破損，細(xì)小的斑點(diǎn)也隨之產(chǎn)生。隨風(fēng)沙的不斷沖擊，葉片表面保護(hù)層逐漸缺失，大小不等的砂眼也逐漸形成。大面積的斑點(diǎn)和砂眼聚集就會(huì)形成危害性大的麻面。此外，在砂眼形成之后，若風(fēng)電機(jī)組所處環(huán)境降雨量偏多，則會(huì)導(dǎo)致葉片內(nèi)部進(jìn)水，葉片內(nèi)部濕度隨之增加，從而增大葉片遭受雷擊的概率[10]。葉片砂眼圖像如圖1（b）所示。

（3）涂層破損

風(fēng)電機(jī)組的工作環(huán)境多變且惡劣，尤其是位于高海拔及沙漠戈壁灘處的風(fēng)電機(jī)組，氣候條件嚴(yán)酷，風(fēng)沙天氣頻繁發(fā)生，飄浮的風(fēng)沙顆粒易與轉(zhuǎn)動(dòng)的葉片發(fā)生摩擦和撞擊。長(zhǎng)此以往，葉片表面涂層容易遭受磨損破壞，葉片的氣動(dòng)性能也會(huì)隨之下降。葉片涂層破損圖像如圖1（c）所示。

（4）表皮脫落

空氣中些許含有酸性或堿性的漂浮物，在風(fēng)的帶動(dòng)下附著在葉片表面，對(duì)葉片造成化學(xué)腐蝕，同時(shí)雨水沖洗、強(qiáng)烈紫外線(xiàn)照射以及風(fēng)沙碎石摩擦等加速了腐蝕過(guò)程，久而久之葉片出現(xiàn)表皮脫落現(xiàn)象，會(huì)在一定程度上影響葉片氣動(dòng)性能，降低對(duì)風(fēng)能的捕獲能力。葉片表皮脫落圖像如圖1（d）所示。

（5）油污

葉片表面的油污是由于油的揮發(fā)物長(zhǎng)期累積而形成的污垢。風(fēng)電機(jī)組的齒輪箱與液壓系統(tǒng)的滲漏油，葉根和其他部位潤(rùn)滑油的泄漏是葉片表面油污形成的主要來(lái)源。若葉片表面的油污長(zhǎng)時(shí)間不予處理，將在一定程度上影響葉片材料的穩(wěn)定性，從而使葉片更易遭受外部環(huán)境的侵蝕。葉片油污圖像如圖1（e）所示。

（6）其他損傷

強(qiáng)剪切風(fēng)和臺(tái)風(fēng)天氣可能使得葉片在承載能力范圍外運(yùn)行，嚴(yán)重時(shí)會(huì)發(fā)生斷裂故障；安裝在高海拔嚴(yán)寒地區(qū)的風(fēng)電機(jī)組，由于工作環(huán)境溫度低，常常出現(xiàn)葉片表面結(jié)冰的現(xiàn)象，若冰層在葉片上不均勻積聚，可能影響葉片的質(zhì)量平衡[11-13]；安裝在無(wú)遮擋的平原開(kāi)闊地帶的風(fēng)電機(jī)組，相比周?chē)h(huán)境物要高出許多，若在雷電天氣頻發(fā)且避雷系統(tǒng)不正常的情形下，葉片更易遭受雷擊損壞；對(duì)于海上風(fēng)電機(jī)組而言，鹽霧對(duì)于葉片的腐蝕也是一個(gè)值得關(guān)注的焦點(diǎn)，葉片鹽霧腐蝕圖像如圖1（f）所示。

2 風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)

傳統(tǒng)的風(fēng)電機(jī)組葉片故障檢測(cè)方式主要包括敲聲辨音檢查、高倍望遠(yuǎn)鏡檢查、葉片維修平臺(tái)檢查以及繩索垂降檢查（蜘蛛人），雖然能夠?qū)θ~片進(jìn)行不同程度的損傷檢測(cè)，但需要運(yùn)維人員架設(shè)大型設(shè)備對(duì)葉片進(jìn)行環(huán)視檢測(cè)，存在不同程度的檢測(cè)盲區(qū)、成本高、效率低、停機(jī)周期長(zhǎng)并且伴有人員安全風(fēng)險(xiǎn)等問(wèn)題[14]。近年來(lái)，許多研究技術(shù)依靠傳感器來(lái)獲取葉片運(yùn)行時(shí)的振動(dòng)、溫度、力學(xué)特性等信號(hào)，從中提取故障信息，并以此作為故障診斷的依據(jù)，主要的故障檢測(cè)技術(shù)包括聲發(fā)射檢測(cè)、超聲波檢測(cè)、基于振動(dòng)信號(hào)檢測(cè)、紅外熱成像檢測(cè)等[15-17]。隨著無(wú)人機(jī)及計(jì)算機(jī)視覺(jué)技術(shù)的不斷發(fā)展，風(fēng)電機(jī)組葉片故障檢測(cè)領(lǐng)域也逐漸拓寬，基于計(jì)算機(jī)視覺(jué)的新型故障檢測(cè)方法也在風(fēng)電領(lǐng)域逐漸興起。

2.1 聲發(fā)射檢測(cè)技術(shù)

葉片在故障發(fā)生的過(guò)程中會(huì)產(chǎn)生與平穩(wěn)運(yùn)行狀態(tài)下不同的彈性應(yīng)力波信號(hào)[18]，基于這一特性，聲發(fā)射檢測(cè)技術(shù)主要是通過(guò)分析葉片內(nèi)部發(fā)出的彈性應(yīng)力波，有效提取出信號(hào)特征并加以分析，進(jìn)而判斷葉片是否存在故障。

近年來(lái)，國(guó)內(nèi)外許多研究學(xué)者基于聲發(fā)射檢測(cè)技術(shù)在風(fēng)電機(jī)組葉片故障檢測(cè)領(lǐng)域做了一定的研究。XU等[19]基于聲發(fā)射技術(shù)提出一種適用于風(fēng)機(jī)葉片損傷模式識(shí)別和奇異信號(hào)檢測(cè)的方法，針對(duì)噪聲干擾和波衰減問(wèn)題，利用小波包分解開(kāi)發(fā)了一種基于波形的特征提取方法，以捕獲原始聲發(fā)射信號(hào)中所包含的可用信息。TANG等[20]利用長(zhǎng)度為45.7 m的風(fēng)電機(jī)組葉片進(jìn)行葉片襟翼疲勞加載試驗(yàn)，運(yùn)用無(wú)監(jiān)督模式識(shí)別方法表征不同斷裂類(lèi)型所對(duì)應(yīng)的不同聲發(fā)射活動(dòng)。奉凡森等[21]利用ANSYS軟件仿真研究得出聲發(fā)射檢測(cè)技術(shù)在風(fēng)電機(jī)組葉片缺陷定位應(yīng)用中的可行性，但缺乏仿真結(jié)果與實(shí)際試驗(yàn)的驗(yàn)證對(duì)比工作。ZHAO等[22]基于聲發(fā)射技術(shù)在風(fēng)電機(jī)組葉片缺陷定位領(lǐng)域做了一定研究，闡明了聲發(fā)射波在風(fēng)電機(jī)組葉片結(jié)構(gòu)中的傳播特性并實(shí)現(xiàn)了快速表征損傷位置。賈輝等[23]針對(duì)風(fēng)電機(jī)組葉片復(fù)合材料出現(xiàn)的基體開(kāi)裂、界面脫粘以及纖維斷裂三種損傷類(lèi)型，基于聲發(fā)射技術(shù)提出一種耦合主成分分析、聚類(lèi)分析以及反向傳播（back propagation, BP）神經(jīng)網(wǎng)絡(luò)等理論的葉片損傷識(shí)別模型，識(shí)別準(zhǔn)確率可達(dá)90%以上。但是該模型在聚類(lèi)分析中的預(yù)設(shè)損傷類(lèi)型為3，限定了該模型所能夠準(zhǔn)確識(shí)別的損傷類(lèi)型數(shù)目。PAN等[24]提出運(yùn)用聲發(fā)射信號(hào)的時(shí)空頻譜分析對(duì)受損風(fēng)電機(jī)組葉片進(jìn)行預(yù)警，數(shù)字模擬實(shí)驗(yàn)表明受損葉片的聲信號(hào)的固有頻率低于健康葉片的固有頻率；受損葉片發(fā)出的聲信號(hào)在能譜中具有循環(huán)平穩(wěn)性，通過(guò)四個(gè)不同風(fēng)電場(chǎng)的實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了其方法的有效性。

總體而言，聲發(fā)射技術(shù)的適用性強(qiáng)，對(duì)葉片的結(jié)構(gòu)、材料以及故障類(lèi)型等沒(méi)有特定要求，能夠有效檢測(cè)葉片的早期輕微損傷。但是，信號(hào)特征是否能夠準(zhǔn)確提取將直接關(guān)系著檢測(cè)效果的好壞，并且被動(dòng)聲發(fā)射技術(shù)容易受到環(huán)境噪聲的影響。

2.2 超聲波檢測(cè)技術(shù)

超聲波檢測(cè)技術(shù)主要是利用葉片結(jié)構(gòu)損傷處對(duì)超聲波傳播路徑的影響來(lái)檢測(cè)葉片是否存在故障。即在葉片一端通過(guò)信號(hào)發(fā)射器和接收器分別完成發(fā)、收超聲信號(hào)，通過(guò)分析反射信號(hào)的波長(zhǎng)、頻率、時(shí)間差等信息，便可表征葉片是否存在故障以及損傷程度。

曹金祥等[25]提出一種目視、敲擊和超聲波聯(lián)合檢測(cè)的方法，針對(duì)風(fēng)電機(jī)組葉片的不同位置區(qū)域采取不同的檢測(cè)方式。YANG等[26]利用超聲波無(wú)損檢測(cè)和結(jié)構(gòu)健康監(jiān)測(cè)（structural health monitoring, SHM）技術(shù)對(duì)實(shí)驗(yàn)室的風(fēng)電機(jī)組葉片進(jìn)行了損傷檢測(cè)研究。章學(xué)兵等[27]利用超聲波檢測(cè)技術(shù)針對(duì)人工模擬的葉片內(nèi)部孔隙、分層以及粘接等損傷進(jìn)行了試驗(yàn)，驗(yàn)證了超聲波檢測(cè)技術(shù)在風(fēng)電機(jī)組葉片損傷檢測(cè)中的可行性。TIWARI等[28]運(yùn)用了適當(dāng)?shù)男盘?hào)處理技術(shù)提高了超聲波技術(shù)在葉片故障檢測(cè)中的準(zhǔn)確性。通過(guò)耦合離散小波變換與振幅檢測(cè)方法來(lái)預(yù)估葉片損傷的尺寸和位置；并將變分模式分解與希爾伯特變換相結(jié)合，借此來(lái)比較有、無(wú)損傷信號(hào)的瞬時(shí)頻率和振幅，以及測(cè)量有、無(wú)損傷信號(hào)之間的時(shí)間差，最后利用人工構(gòu)造的葉片脫膠型損傷驗(yàn)證了所提出方法的有效性。YIN等[29]將超聲波技術(shù)應(yīng)用于風(fēng)電機(jī)組葉片除冰，通過(guò)試驗(yàn)證明了超聲波除冰技術(shù)對(duì)風(fēng)電機(jī)組葉片除冰的可行性。

總體而言，超聲波檢測(cè)技術(shù)靈活方便，對(duì)故障檢測(cè)類(lèi)型的適用性廣，但不能夠直觀展示故障，探傷結(jié)果不便于儲(chǔ)存，實(shí)際應(yīng)用困難。

2.3 振動(dòng)檢測(cè)技術(shù)

葉片的振動(dòng)情況受到物理參數(shù)的影響，當(dāng)損傷發(fā)生時(shí)，物理參數(shù)會(huì)受到影響，相應(yīng)地葉片振動(dòng)情況也隨之改變?；谡駝?dòng)信號(hào)的檢測(cè)技術(shù)通常是在風(fēng)電機(jī)組葉片表面處粘貼振動(dòng)傳感器，以獲取振動(dòng)信號(hào)并對(duì)其進(jìn)行時(shí)域、頻域處理分析，進(jìn)而完成特征提取實(shí)現(xiàn)葉片健康狀態(tài)的判定。

為了提升企業(yè)人力資源管理水平，實(shí)現(xiàn)真正的“公平、公正、合理”，管理人員需要保證員工基本的福利待遇，堅(jiān)持公平的分配原則；健全綜合激勵(lì)機(jī)制，豐富激勵(lì)方式，保證人力配置與崗位標(biāo)準(zhǔn)相符合，實(shí)現(xiàn)企業(yè)的良性管理。

OLIVEIRA等[30]基于振動(dòng)檢測(cè)技術(shù)設(shè)計(jì)了風(fēng)電機(jī)組振動(dòng)監(jiān)測(cè)系統(tǒng)，能夠有效地檢測(cè)陸上及海上風(fēng)電機(jī)組的葉片損傷。耿曉峰等[31]針對(duì)風(fēng)電機(jī)組葉片裂紋損傷，提出了一種基于多頻簡(jiǎn)諧激勵(lì)調(diào)制技術(shù)的檢測(cè)方法，實(shí)驗(yàn)表明在多頻簡(jiǎn)諧激勵(lì)調(diào)制下，含裂紋損傷的風(fēng)電機(jī)組葉片出現(xiàn)了明顯的非線(xiàn)性調(diào)制現(xiàn)象，并且裂紋的尺寸越大，裂紋距葉根的距離越遠(yuǎn)，則非線(xiàn)性調(diào)制現(xiàn)象越明顯。WANG等[32]針對(duì)風(fēng)電機(jī)組葉片角度異常、葉片表面損傷以及葉片斷裂等故障類(lèi)型，基于三軸振動(dòng)傳感器和幀捕獲器采集的振動(dòng)信號(hào)和多通道卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，構(gòu)建了風(fēng)電機(jī)組葉片狀態(tài)檢測(cè)模型，識(shí)別精度可達(dá)87.8%。SAHOO等[33]利用從實(shí)驗(yàn)儀器裝置中獲取的振動(dòng)信號(hào)作為測(cè)量信號(hào)來(lái)檢測(cè)風(fēng)電機(jī)組葉片是否存在故障，并使用K近鄰、支持向量機(jī)和決策樹(shù)等機(jī)器學(xué)習(xí)算法對(duì)故障進(jìn)行分類(lèi)。研究表明振動(dòng)信號(hào)作為所選測(cè)量信號(hào)能夠很好地應(yīng)用于風(fēng)電機(jī)組葉片故障檢測(cè)工作中，同時(shí)實(shí)驗(yàn)結(jié)果表明支持向量機(jī)算法的準(zhǔn)確率最高，準(zhǔn)確率為87%。

總體而言，基于振動(dòng)信號(hào)的檢測(cè)技術(shù)能夠在一定程度上預(yù)防葉片損傷的產(chǎn)生，但是對(duì)于微小損傷的檢測(cè)難度較大。

2.4 紅外熱成像檢測(cè)技術(shù)

紅外熱成像檢測(cè)技術(shù)以熱波理論為基礎(chǔ)，主要是可視化風(fēng)電機(jī)組葉片表面的溫度場(chǎng)分布信息，進(jìn)而通過(guò)觀察溫度場(chǎng)的變化來(lái)判斷葉片的健康情況。

王健等[34]采用基于場(chǎng)景重構(gòu)的數(shù)值模擬方法，針對(duì)風(fēng)電機(jī)組葉片的裂紋、沙蝕磨損及內(nèi)部粘連損傷的熱效應(yīng)進(jìn)行了研究，并與基于紅外熱成像檢測(cè)技術(shù)的室外試驗(yàn)結(jié)果進(jìn)行對(duì)比，驗(yàn)證了其模擬方法的正確性。SANATI等[35]研究了主動(dòng)和被動(dòng)熱成像方法，包括主/被動(dòng)脈沖熱成像、步進(jìn)式加熱及冷卻熱成像等，以開(kāi)發(fā)準(zhǔn)確、有效的風(fēng)電機(jī)組葉片健康狀態(tài)檢測(cè)技術(shù)。尹玉等[36]提出一種基于熱紅外圖像的風(fēng)電機(jī)組葉片損傷檢測(cè)方法，可實(shí)現(xiàn)葉片損傷尺寸的測(cè)量以及損傷位置的判定。GALLEGUILLOS等[37]針對(duì)風(fēng)電機(jī)組葉片檢測(cè)難度大、成本高的問(wèn)題，將無(wú)人機(jī)系統(tǒng)與紅外熱成像技術(shù)相結(jié)合，實(shí)現(xiàn)了風(fēng)電機(jī)組葉片的現(xiàn)場(chǎng)實(shí)時(shí)檢測(cè)。吳國(guó)境等[38]基于紅外熱成像技術(shù)開(kāi)展了室外環(huán)境下的風(fēng)電機(jī)組葉片損傷檢測(cè)試驗(yàn)，總結(jié)出了磨損、裂紋及內(nèi)部膠粘等類(lèi)型損傷可實(shí)現(xiàn)有效檢測(cè)所對(duì)應(yīng)的具體太陽(yáng)輻照強(qiáng)度數(shù)值，驗(yàn)證了紅外熱成像技術(shù)對(duì)于葉片損傷檢測(cè)的可行性。

總體而言，紅外熱成像檢測(cè)技術(shù)靈敏性高、可大面積遠(yuǎn)距檢測(cè)、可實(shí)現(xiàn)葉片表面及內(nèi)部的損傷檢測(cè)，其在靜態(tài)風(fēng)電機(jī)組葉片損傷檢測(cè)領(lǐng)域中應(yīng)用較多，但是對(duì)于葉片某定點(diǎn)的檢測(cè)分析能力較差，并且對(duì)葉片的現(xiàn)場(chǎng)檢測(cè)不易實(shí)現(xiàn)。

2.5 計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)

圖2 計(jì)算機(jī)視覺(jué)檢測(cè)的主要過(guò)程

張超等[39]針對(duì)傳統(tǒng)人工檢測(cè)葉片方法存在的效率低、精度差的問(wèn)題，提出了一種基于Mask R-CNN的葉片損傷檢測(cè)方法。WANG等[40]基于無(wú)人機(jī)采集的風(fēng)電機(jī)組葉片圖像，提出了一種葉片裂紋定位及裂紋輪廓檢測(cè)的兩階段方法。其在裂紋檢測(cè)階段中，將Jaya算法與K-Means圖像分割算法相結(jié)合，實(shí)現(xiàn)了風(fēng)電機(jī)組葉片裂紋的有效提取。PENG等[41]以降低風(fēng)電機(jī)組葉片裂紋檢測(cè)成本為出發(fā)點(diǎn)，結(jié)合無(wú)人機(jī)巡檢的優(yōu)勢(shì)，提出了一種檢測(cè)和分析葉片表面裂紋的方法。王雪平等[42]將機(jī)器視覺(jué)技術(shù)應(yīng)用于風(fēng)電機(jī)組葉片劃痕損傷的檢測(cè)中，實(shí)現(xiàn)了葉片表面劃痕的無(wú)損檢測(cè)識(shí)別與損傷區(qū)域的特征信息提取。RAO等[43]提出一種基于無(wú)人機(jī)視覺(jué)的導(dǎo)航算法和風(fēng)電機(jī)組葉片圖像處理算法，實(shí)現(xiàn)了對(duì)葉片表面損傷的自主檢測(cè)。

計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)是一種新型的葉片損傷檢測(cè)技術(shù)，受環(huán)境影響小、適用性強(qiáng)、處理速度快，降低了人為因素干擾，但是葉片故障檢測(cè)模型的建立工作對(duì)葉片損傷樣本數(shù)據(jù)的需求較大。

3 故障檢測(cè)技術(shù)的對(duì)比分析

通過(guò)對(duì)上述五種故障檢測(cè)技術(shù)的研究分析，發(fā)現(xiàn)每種檢測(cè)技術(shù)均具有各自的特點(diǎn)和優(yōu)勢(shì)，五種故障檢測(cè)技術(shù)的總結(jié)見(jiàn)表1。

表1 常見(jiàn)葉片故障檢測(cè)技術(shù)的對(duì)比

通過(guò)表1可以看出，上述五種檢測(cè)技術(shù)均能夠有效實(shí)現(xiàn)葉片損傷故障檢測(cè)，但是在實(shí)際應(yīng)用的過(guò)程中仍有不少問(wèn)題需要解決：①基于傳感器獲取信號(hào)的檢測(cè)技術(shù)需要安裝大量的傳感器以完成數(shù)據(jù)采集工作，需要花費(fèi)一定的人力、物力；②傳感器布局安裝的合理與否，對(duì)信號(hào)采集的精度、葉片氣動(dòng)布局均具有一定的影響；③傳感器自身的環(huán)境適應(yīng)性、供能、信號(hào)傳輸以及后期維護(hù)等也是需要關(guān)注的問(wèn)題；④基于計(jì)算機(jī)視覺(jué)的檢測(cè)技術(shù)存在著葉片損傷樣本需求量大、無(wú)法對(duì)故障檢測(cè)過(guò)程的機(jī)理性進(jìn)行理解等問(wèn)題。

4 未來(lái)發(fā)展趨勢(shì)

葉片損傷故障檢測(cè)技術(shù)的高效、穩(wěn)定發(fā)展，對(duì)實(shí)現(xiàn)風(fēng)電行業(yè)高質(zhì)量可持續(xù)發(fā)展而言意義重大。基于對(duì)常見(jiàn)葉片故障檢測(cè)技術(shù)的總結(jié)，從以下四個(gè)方面介紹葉片損傷故障檢測(cè)技術(shù)在未來(lái)的發(fā)展趨勢(shì)：

（1）多類(lèi)型傳感器協(xié)同使用

單一的檢測(cè)技術(shù)已無(wú)法滿(mǎn)足葉片全周期損傷檢測(cè)需求，因此可以采用多類(lèi)型傳感器協(xié)同使用，以實(shí)現(xiàn)更長(zhǎng)周期、更系統(tǒng)、更全面的葉片故障檢測(cè)體系。

（2）智能化檢測(cè)定位及分類(lèi)

可將人工智能技術(shù)、無(wú)人機(jī)等新型技術(shù)應(yīng)用于葉片故障檢測(cè)領(lǐng)域，實(shí)現(xiàn)葉片故障有效分類(lèi)、故障準(zhǔn)確定位、微小故障準(zhǔn)確識(shí)別以及損傷程度表征等目標(biāo)。

（3）葉片故障檢測(cè)與修復(fù)體系化

開(kāi)發(fā)高性能巡檢無(wú)人機(jī)與小型葉片維修機(jī)器人，巡檢無(wú)人機(jī)與計(jì)算機(jī)視覺(jué)技術(shù)相結(jié)合實(shí)現(xiàn)風(fēng)電機(jī)組葉片損傷故障實(shí)時(shí)檢測(cè)，對(duì)檢測(cè)出的微型、簡(jiǎn)單型故障利用葉片維修機(jī)器人及時(shí)修復(fù)，實(shí)現(xiàn)實(shí)時(shí)檢測(cè) + 及時(shí)修復(fù)的葉片運(yùn)維模式。

（4）建立故障預(yù)警立體化模型

借助人工智能技術(shù)的優(yōu)勢(shì)，開(kāi)發(fā)建立風(fēng)電機(jī)組葉片全周期故障預(yù)警立體化模型，及時(shí)做出故障預(yù)警并將故障終止于萌芽狀態(tài)，切實(shí)保障風(fēng)電機(jī)組葉片健康、穩(wěn)定地運(yùn)行。

5 結(jié) 論

葉片是風(fēng)電機(jī)組捕獲風(fēng)能的關(guān)鍵部件，其健康、高效地運(yùn)行是風(fēng)電機(jī)組實(shí)現(xiàn)穩(wěn)定發(fā)電的重要保障。為助力風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)的發(fā)展，切實(shí)保障葉片安全運(yùn)行，從風(fēng)電機(jī)組葉片設(shè)計(jì)、運(yùn)輸、安裝以及運(yùn)行等角度簡(jiǎn)要總結(jié)了葉片故障產(chǎn)生的原因，并對(duì)葉片裂紋、砂眼、涂層破損、表皮脫落以及油污等典型故障進(jìn)行了歸納。回顧了聲發(fā)射、超聲波、振動(dòng)信號(hào)、紅外熱成像以及計(jì)算機(jī)視覺(jué)等常見(jiàn)葉片損傷故障檢測(cè)技術(shù)的工作原理，并對(duì)比分析了各檢測(cè)技術(shù)的優(yōu)缺點(diǎn)。最后，從多類(lèi)型傳感器協(xié)同使用、智能化檢測(cè)定位及分類(lèi)、葉片故障檢測(cè)與修復(fù)體系化、建立故障預(yù)警立體化模型等四個(gè)方面，介紹了風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)在未來(lái)可能的發(fā)展趨勢(shì)。

[1] 葛暢, 閻潔, 劉永前, 等. 海上風(fēng)電場(chǎng)運(yùn)行控制維護(hù)關(guān)鍵技術(shù)綜述[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2022, 42(12): 4278-4291. DOI: 10.13334/j.0258-8013.pcsee.220637.

[2] DU Y, ZHOU S X, JING X J, et al. Damage detection techniques for wind turbine blades: a review[J]. Mechanical systems and signal processing, 2020, 141: 106445. DOI: 10.1016/j.ymssp.2019.106445.

[3] WANG W J, XUE Y, HE C K, et al. Review of the typical damage and damage-detection methods of large wind turbine blades[J]. Energies, 2022, 15(15): 5672. DOI: 10.3390/en15155672.

[4] YANG B, SUN D B. Testing, inspecting and monitoring technologies for wind turbine blades: a survey[J]. Renewable and sustainable energy reviews, 2013, 22: 515-526. DOI: 10.1016/j.rser.2012.12.056.

[5] 陳雪峰, 郭艷婕, 許才彬, 等. 風(fēng)電裝備故障診斷與健康監(jiān)測(cè)研究綜述[J]. 中國(guó)機(jī)械工程, 2020, 31(2): 175-189. DOI: 10.3969/j.issn.1004-132X.2020.02.004.

[6] 高峰, 張鴻, 許琳, 等. 風(fēng)電機(jī)組葉片故障仿真與狀態(tài)判別研究[J]. 太陽(yáng)能學(xué)報(bào), 2023, 44(4): 52-59. DOI: 10.19912/j.0254-0096.tynxb.2021-1434.

[7] 楊昌杏, 李錄平. 風(fēng)力機(jī)葉片損傷故障檢測(cè)技術(shù)研究進(jìn)展[J]. 發(fā)電技術(shù), 2020, 41(6): 599-607. DOI: 10.12096/j.2096-4528.pgt.20044.

[8] GUO J H, LIU C, CAO J F, et al. Damage identification of wind turbine blades with deep convolutional neural networks[J]. Renewable energy, 2021, 174: 122-133. DOI: 10.1016/j.renene.2021.04.040.

[9] 李春雷, 王洪江, 尹常永, 等. 風(fēng)機(jī)葉片故障診斷技術(shù)的研究進(jìn)展[J]. 沈陽(yáng)工程學(xué)院學(xué)報(bào)(自然科學(xué)版), 2022, 18(3): 1-5, 19. DOI: 10.13888/j.cnki.jsie(ns).2022. 03.001.

[10] 彭麟. 基于無(wú)人機(jī)獲取圖像的風(fēng)機(jī)葉片表面故障的檢測(cè)與分析[D]. 上海: 上海電機(jī)學(xué)院, 2019.

[11] 孔祥逸, 張寶峰, 于東瑋, 等. 風(fēng)力機(jī)葉片表面覆冰影響因素分析[J]. 大連理工大學(xué)學(xué)報(bào), 2023, 63(1): 52-60. DOI: 10.7511/dllgxb202301007.

[12] 龔妙, 李錄平, 劉瑞, 等. 基于運(yùn)行參數(shù)特征的風(fēng)力機(jī)葉片覆冰診斷方法[J]. 動(dòng)力工程學(xué)報(bào), 2019, 39(3): 214-219. DOI: 10.3969/j.issn.1674-7607.2019.03.008.

[13] 舒立春, 李瀚濤, 胡琴, 等. 自然環(huán)境葉片覆冰程度對(duì)風(fēng)力機(jī)功率損失的影響[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(18): 5599-5605. DOI: 10.13334/j.0258-8013.pcsee. 171001.

[14] 楊家歡, 宗哲英, 王禎, 等. 風(fēng)機(jī)葉片檢測(cè)的研究現(xiàn)狀及進(jìn)展[J]. 復(fù)合材料科學(xué)與工程, 2020(6): 109-113. DOI: 10.3969/j.issn.1003-0999.2020.06.019.

[15] TANG J L, SOUA S, MARES C, et al. An experimental study of acoustic emission methodology for inservice condition monitoring of wind turbine blades[J]. Renewable energy, 2016, 99: 170-179. DOI: 10.1016/j. renene.2016.06.048.

[16] JIANG S C, LIN P, CHEN Y M, et al. Mixed-signal extraction and recognition of wind turbine blade multiple-area damage based on improved Fast-ICA[J]. Optics, 2019, 179: 1152-1159. DOI: 10.1016/j.ijleo. 2018.10.137.

[17] XU D, LIU P F, CHEN Z P, et al. Achieving robust damage mode identification of adhesive composite joints for wind turbine blade using acoustic emission and machine learning[J]. Composite structures, 2020, 236: 111840. DOI: 10.1016/j.compstruct.2019.111840.

[18] 李孟珠, 劉綱, 黎華, 等. 大型風(fēng)力機(jī)葉片狀態(tài)監(jiān)測(cè)方法研究進(jìn)展[J]. 熱力發(fā)電, 2022, 51(12): 18-29. DOI: 10.19666/j.rlfd.202204076.

[19] XU D, LIU P F, CHEN Z P. Damage mode identification and singular signal detection of composite wind turbine blade using acoustic emission[J]. Composite structures, 2021, 255: 112954. DOI: 10.1016/j.compstruct.2020. 112954.

[20] TANG J L, SOUA S, MARES C, et al. A pattern recognition approach to acoustic emission data originating from fatigue of wind turbine blades[J]. Sensors, 2017, 17(11): 2507. DOI: 10.3390/s17112507.

[21] 奉凡森, 丁顯, 賈明鑫, 等. 基于聲發(fā)射信號(hào)的風(fēng)電葉片缺陷定位及信號(hào)衰減仿真[J]. 太陽(yáng)能, 2022(3): 34-41. DOI: 10.19911/j.1003-0417.tyn20211020.01.

[22] ZHAO Z M, CHEN N Z. Acoustic emission based damage source localization for structural digital twin of wind turbine blades[J]. Ocean engineering, 2022, 265: 112552. DOI: 10.1016/j.oceaneng.2022.112552.

[23] 賈輝, 張磊安, 王景華, 等. 基于聲發(fā)射技術(shù)的風(fēng)電葉片復(fù)合材料損傷模式識(shí)別[J]. 可再生能源, 2022, 40(1): 67-72. DOI: 10.3969/j.issn.1671-5292.2022.01.011.

[24] PAN X, LIU Z D, XU R, et al. Early warning of damaged wind turbine blades using spatial–temporal spectral analysis of acoustic emission signals[J]. Journal of sound and vibration, 2022, 537: 117209. DOI: 10.1016/j.jsv.2022.117209.

[25] 曹金祥, 任彥忠, 王鑫, 等. 關(guān)于目視、敲擊和超聲波聯(lián)合探傷在風(fēng)電葉片缺陷檢驗(yàn)中的應(yīng)用分析[J]. 纖維復(fù)合材料, 2017, 34(2): 27-32. DOI: 10.3969/j.issn. 1003-6423.2017.02.006.

[26] YANG K, RONGONG J A, WORDEN K. Damage detection in a laboratory wind turbine blade using techniques of ultrasonic NDT and SHM[J]. Strain, 2018, 54(6): e12290. DOI: 10.1111/str.12290.

[27] 章學(xué)兵, 駱國(guó)防. 基于風(fēng)機(jī)葉片缺陷的超聲波檢測(cè)方法分析[J]. 河北電力技術(shù), 2022, 41(1): 76-79. DOI: 10.3969/j.issn.1001-9898.2022.01.019.

[28] TIWARI K A, RAISUTIS R. Post-processing of ultrasonic signals for the analysis of defects in wind turbine blade using guided waves[J]. The journal of strain analysis for engineering design, 2018, 53(8): 546-555. DOI: 10.1177/0309324718772668.

[29] YIN C B, ZHANG Z D, WANG Z J, et al. Numerical simulation and experimental validation of ultrasonic de-icing system for wind turbine blade[J]. Applied acoustics, 2016, 114: 19-26. DOI: 10.1016/j.apacoust. 2016.07.004.

[30] OLIVEIRA G, MAGALH?ES F, CUNHAá, et al. Vibration-based damage detection in a wind turbine using 1 year of data[J]. Structural control and health monitoring, 2018, 25(11): e2238. DOI: 10.1002/stc.2238.

[31] 耿曉鋒, 魏克湘, 王瓊, 等. 基于多頻簡(jiǎn)諧調(diào)制的風(fēng)力機(jī)葉片裂紋檢測(cè)研究[J]. 振動(dòng)與沖擊, 2018, 37(22): 201-205. DOI: 10.13465/j.cnki.jvs.2018.22.030.

[32] WANG M H, LU S D, HSIEH C C, et al. Fault detection of wind turbine blades using multi-channel CNN[J]. Sustainability, 2022, 14(3): 1781. DOI: 10.3390/ su14031781.

[33] SAHOO S, KUSHWAH K, SUNANIYA A K. Health monitoring of wind turbine blades through vibration signal using advanced signal processing techniques[C]// Advanced Communication Technologies and Signal Processing. Silchar: IEEE, 2020:1-6. DOI: 10.1109/ ACTS49415.2020.9350405.

[34] 王健, 吳國(guó)境, 張永, 等. 基于場(chǎng)景重構(gòu)的風(fēng)力機(jī)葉片損傷熱效應(yīng)數(shù)值模擬研究[J]. 太陽(yáng)能學(xué)報(bào), 2021, 42(05): 350-355. DOI: 10.19912/j.0254-0096.tynxb. 2020-0499.

[35] SANATI H, WOOD D, SUN Q. Condition monitoring of wind turbine blades using active and passive thermography[J]. Applied sciences, 2018, 8(10): 2004. DOI: 10.3390/app8102004.

[36] 尹玉, 張永, 王健, 等. 基于熱紅外圖像的風(fēng)力機(jī)葉片損傷識(shí)別方法研究[J]. 太陽(yáng)能學(xué)報(bào), 2022, 43(2): 492-497. DOI: 10.19912/j.0254-0096.tynxb.2020-0592.

[37] GALLEGUILLOS C, ZORRILLA A, JIMENEZ A, et al. Thermographic non-destructive inspection of wind turbine blades using unmanned aerial systems[J]. Plastics, rubber and composites, 2015, 44(3): 98-103. DOI: 10.1179/1743289815Y.0000000003.

[38] 吳國(guó)境, 王健, 張永, 等. 自然激勵(lì)下風(fēng)電葉片損傷的紅外熱像檢測(cè)研究[J]. 太陽(yáng)能學(xué)報(bào), 2020, 41(9): 353-358. DOI: 10.19912/j.0254-0096.2020.09.046.

[39] 張超, 文傳博. 基于改進(jìn)Mask R-CNN的風(fēng)機(jī)葉片缺陷檢測(cè)[J]. 可再生能源, 2020, 38(9): 1181-1186. DOI: 10.3969/j.issn.1671-5292.2020.09.008.

[40] WANG L, ZHANG Z J, LUO X. A two-stage data-driven approach for image-based wind turbine blade crack inspections[J]. IEEE/ASME transactions on mechatronics, 2019, 24(3): 1271-1281. DOI: 10.1109/ TMECH.2019.2908233.

[41] PENG L, LIU J. Detection and analysis of large-scale WT blade surface cracks based on UAV-taken images[J]. IET image processing, 2018, 12(11): 2059-2064. DOI: 10.1049/iet-ipr.2018.5542.

[42] 王雪平, 張建斐, 李萬(wàn)潤(rùn), 等. 基于機(jī)器視覺(jué)的風(fēng)電葉片風(fēng)沙侵蝕程度檢測(cè)方法研究[J]. 太陽(yáng)能學(xué)報(bào), 2020, 41(5): 166-173. DOI: 10.19912/j.0254-0096.2020.05.024.

[43] RAO Y Z, XIANG B J, HUANG B X, et al. Wind turbine blade inspection based on unmanned aerial vehicle(UAV) visual systems[C]//2019 IEEE 3rd Conference on Energy Internet and Energy System Integration. Changsha: IEEE, 2019: 708-713. DOI: 10.1109/EI247390.2019.9062226.

Research Progress of Wind Turbine Blade Damage Fault Detection Technology

ZHOU Jifeng1, SHI Teng2,3, XU Bofeng2,3,?

(1. NR Electric Co. Ltd., Nanjing 211102, China;2. College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China;3. Research Center for Renewable Energy Generation Engineering of Ministry of Education, Hohai University, Nanjing 211100, China)

While the scale of wind power generation is steadily increasing, the damage and fault detection technology for wind turbine blades should also achieve corresponding development. This article summarizes the causes and types of typical damages of wind turbine blades. Then it reviews the working principles of five detection technologies, including acoustic emission, ultrasonic, vibration, infrared thermal imaging, and computer vision, and compares their characteristics. Finally, in order to help achieve high-quality and sustainable development in the wind power industry, the development trend of future wind turbine blade damage fault detection technology is discussed.

wind turbine blades; damage detection; damage type; detection technology

2095-560X（2023）06-0556-08

TK83

A

10.3969/j.issn.2095-560X.2023.06.010

2023-05-22

2023-07-08

江蘇省研究生科研與實(shí)踐創(chuàng)新計(jì)劃項(xiàng)目（SJCX23_0184）

許波峰，E-mail：xubofeng@hhu.edu.cn

周季峰, 石騰, 許波峰. 風(fēng)電機(jī)組葉片損傷故障檢測(cè)技術(shù)研究進(jìn)展[J]. 新能源進(jìn)展, 2023, 11(6): 556-563.

： ZHOU Jifeng, SHI Teng, XU Bofeng. Research progress of wind turbine blade damage fault detection technology[J]. Advances in new and renewable energy, 2023, 11(6): 556-563.

周季峰（1980-），男，碩士，高級(jí)工程師，主要從事新能源集控和電網(wǎng)監(jiān)控系統(tǒng)研究。

許波峰（1985-），男，博士，副教授，主要從事風(fēng)力機(jī)空氣動(dòng)力學(xué)和風(fēng)能高效利用研究。