CN106762451A - 基于无人机的风机叶片损伤检测方法、装置及系统 - Google Patents
基于无人机的风机叶片损伤检测方法、装置及系统 Download PDFInfo
- Publication number
- CN106762451A CN106762451A CN201611104507.7A CN201611104507A CN106762451A CN 106762451 A CN106762451 A CN 106762451A CN 201611104507 A CN201611104507 A CN 201611104507A CN 106762451 A CN106762451 A CN 106762451A
- Authority
- CN
- China
- Prior art keywords
- information
- damage
- fan blade
- unmanned plane
- height
- 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.)
- Granted
Links
- 230000006378 damage Effects 0.000 title claims abstract description 214
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000013507 mapping Methods 0.000 claims description 19
- 230000006735 deficit Effects 0.000 claims description 8
- 241001075561 Fioria Species 0.000 claims description 5
- 239000003973 paint Substances 0.000 claims description 5
- 208000037656 Respiratory Sounds Diseases 0.000 claims description 4
- 238000003763 carbonization Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000005336 cracking Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 7
- 230000008439 repair process Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 230000001771 impaired effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
Abstract
本发明的实施例提供一种基于无人机的风机叶片损伤检测方法、装置及系统，包括：从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组，以及拍摄所述图像组中每张图像时所处的空间位置的信息；根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息；对所述图像组进行图像识别，获得损伤的风机叶片的图像；根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；根据所述损伤位置信息生成损伤检测报告。本发明实现了利用无人机自动、准确地进行风机叶片损伤检测，提高了检测效率，为后续叶片维修提供了技术支持，并节约了作业时间及成本。
Description
技术领域
本发明涉及风电技术领域，尤其涉及一种基于无人机的风机叶片损伤检测方法、装置及系统。
背景技术
风力发电机(以下简称风机)的叶片是将风能转化为机械能的关键部件，在风力发电机的长期运行过程中，叶片的表面会呈现出各种损伤例如叶片保护膜损伤、叶片掉漆、叶片结冰、叶片裂纹以及叶片油污等。
目前，通常采用无人机航拍的方式实现风机叶片损伤检测，该方式具有作业效率高、劳动强度低、单台作业成本低、无需人工高空作业等优势。
然而，上述方式具有以下不足之处：首先，无法自动地检测出所拍摄的风机叶片照片中的损伤具体出现在哪支叶片的哪个位置；其次，由于不清楚损伤的具体位置，因此需人工大致确定损伤位置，人工方式确定的损伤位置准确度不高。进而给后续风机叶片维修工作带来了不便，无形之中增加了作业时间和作业成本。
发明内容
本发明的目的在于，提供一种基于无人机的风机叶片损伤检测方法、装置及系统，以实现利用无人机自动、准确地进行风机叶片损伤检测，提高检测效率，为后续叶片维修提供技术支持，并节约作业时间及成本。
根据本发明的一方面，提供一种基于无人机的风机叶片损伤检测方法，包括：从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组，以及拍摄所述图像组中每张图像时所处的空间位置的信息；根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息；对所述图像组进行图像识别，获得损伤的风机叶片的图像；根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；根据所述损伤位置信息生成损伤检测报告。
优选地，所述根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息包括：
当所述锁定状态为表征任一风机叶片垂直向上的第一检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向上叶片区、左下叶片区和右下叶片区；
当所述锁定状态为表征任一风机叶片垂直向下的第二检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向下叶片区、左上叶片区和右上叶片区。
优选地，所述空间位置的信息包括经度、纬度和高度；所述损伤位置信息包括损伤的风机叶片的实际编号(ID)和/或损伤距风机叶片根部的距离。
优选地，所述根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息包括：根据所述相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离；和/或，根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离。
优选地，所述根据所述相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离包括：
在所述锁定状态为所述第一检测状态下，当所述相应的空间位置的信息中的高度大于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
H′＝H-L
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度；和/或，
在所述锁定状态为所述第二检测状态下，当所述相应的空间位置的信息中的高度小于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
H′＝L-H
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度。
优选地，所述根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离包括：
在所述锁定状态为所述第一检测状态下，当所述相应的空间位置的信息中的高度小于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度，L1为所述相应的空间位置与无人机的起飞点之间的距离，θ为拍摄镜头的左右偏角的映射角。
优选地，所述根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离还包括：
在所述锁定状态为所述第二检测状态下，当所述相应的空间位置的信息中的高度大于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度，L1为所述相应的空间位置与无人机的起飞点之间的距离，θ为拍摄镜头的左右偏角的映射角。
优选地，所述损伤检测报告包括以下至少一种：损伤类别、损伤等级、损伤位置信息和损伤的风机叶片的图像，所述损伤类别包括以下至少一种：保护摸损伤、后缘损伤开裂、蒙皮鼓包、蒙皮碳化分层、掉漆、裂纹、结冰和油污。
根据本发明的另一方面，提供一种基于无人机的风机叶片损伤检测装置，包括：图像及信息接收模块，用于从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组，以及拍摄所述图像组中每张图像时所处的空间位置的信息；信息确定模块，用于根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息；图像识别模块，用于对所述图像组进行图像识别，获得损伤的风机叶片的图像；损伤定位模块，用于根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；报告生成模块，用于根据所述损伤位置信息生成损伤检测报告。
优选地，所述信息确定模块包括：
第一区域信息确定单元，用于当所述锁定状态为表征任一风机叶片垂直向上的第一检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向上叶片区、左下叶片区和右下叶片区；
第二区域信息确定单元，用于当所述锁定状态为表征任一风机叶片垂直向下的第二检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向下叶片区、左上叶片区和右上叶片区。
优选地，所述损伤定位模块包括：
第一距离获取单元，用于根据所述相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离；
第二距离获取单元，用于根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离。
根据本发明的另一方面，提供一种基于无人机的风机叶片损伤检测系统，包括无人机和如上述实施例所述的基于无人机的风机叶片损伤检测装置，所述无人机与所述基于无人机的风机叶片损伤检测装置通信连接。
本发明实施例提供的基于无人机的风机叶片损伤检测方法、装置及系统，通过从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组及拍摄每张图像时所处的空间位置；根据风机叶片的锁定状态和空间位置的信息，确定无人机拍摄每张图像时所处的叶片区域的信息；进一步对图像组进行识别获得损伤的风机叶片的图像；基于损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；最终，根据损伤位置信息生成损伤检测报告。实现了利用无人机自动、准确地进行风机叶片损伤检测，提高了检测效率，为后续叶片维修提供了技术支持，并节约了作业时间及成本。
附图说明
图1为本发明实施例一的基于无人机的风机叶片损伤检测方法的流程示意图；
图2为本发明实施例一的基于无人机的风机叶片损伤检测方法中预设航线的示例性示意图之一；
图3为本发明实施例一的基于无人机的风机叶片损伤检测方法中预设航线的示例性示意图之二；
图4为本发明实施例一的基于无人机的风机叶片损伤检测方法中预设航线的示例性示意图之三；
图5为本发明实施例一的基于无人机的风机叶片损伤检测方法中第一检测状态下损伤定位原理的示例性示意图；
图6为本发明实施例一的基于无人机的风机叶片损伤检测方法中第二检测状态下损伤定位原理的示例性示意图；
图7为本发明实施例一的基于无人机的风机叶片损伤检测方法中无人机的拍摄镜头的示例性示意图；
图8为本发明实施例一的基于无人机的风机叶片损伤检测方法的应用场景的示例性示意图；
图9为本发明实施例二的基于无人机的风机叶片损伤检测装置的结构示意图；
图10为本发明实施例二的基于无人机的风机叶片损伤检测装置的另一结构示意图。
具体实施方式
下面结合附图对本发明的示例性实施例基于无人机的风机叶片损伤检测方法、装置及系统进行详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本领域技术人员可以理解，本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
实施例一
图1为本发明实施例一的基于无人机的风机叶片损伤检测方法的流程示意图，如图1所示，基于无人机的风机叶片损伤检测方法包括：
步骤110：从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组，以及拍摄图像组中每张图像时所处的空间位置的信息。
在具体的实现方式中，规划无人机的预设航线时，可将预设航线分解成很多个空间中的点，每个空间中的点都具有各自的空间位置。这里，空间位置的信息可包括，但不限于，经度、纬度和高程。无人机按照预先设定好的航线在风力发电场中飞行，拍摄风力发电场中的风机叶片的图像，由此，可实时接收无人机发送回的拍摄的风机叶片的图像，这些图像可以照片和/或视频流的形式存储，以备进行后续的处理。
需要说明的是，无人机按照预设航线飞行时，可在自主飞行或者手控飞行的飞行模式下进行。其中，自主飞行意为无人机按照预设好的航线自动飞行，在没有人工操控的情况下自动飞行完整条航线。手控飞行意为人工操控的情况下飞行，手控飞行的航线由人工操作完成。
举例来说，图2为本发明实施例一的基于无人机的风机叶片损伤检测方法中预设航线的示例性示意图之一，图3为本发明实施例一的基于无人机的风机叶片损伤检测方法中预设航线的示例性示意图之二。如图2所示的预设航线由三个菱形组成，分别是由3-6-10-9组成的菱形、3-6-8-7组成的菱形以及3-6-5-4组成的菱形。参照图2和图3，菱形较短的两条边为航线平移距离d的2倍，三个菱形相重叠的三条短边3-6的中心点与风机的轮毂中心在上下左右方向相重合，前后方向具有距离D(即航线所在平面与风机轮毂所在平面之间的距离)。其中，航线的平移距离d为规划航线的过程中无人机距离风机叶片之间的一个距离，为已知参数。无人机按照如图2所示的预设航线飞行的顺序为：1-2-3-4-5-6-3-7-8-6-3-9-10-6-1。图4为本发明实施例一的基于无人机的风机叶片损伤检测方法中预设航线的示例性示意图之三，同理可知，无人机按照如图4所示的预设航线飞行的顺序为1-2-3-4-5-6-7-4-5-8-9-4-5-10-2-1。
在实际应用中，图8为本发明实施例一的基于无人机的风机叶片损伤检测方法的应用场景的示例性示意图，参照图8，无人机在飞行的过程中，将其空间位置的信息按照一定的时间间隔传输至无人机地面站，无人机地面站的“无人机位置信息处理模块”负责将无人机的空间位置的信息和当前系统时间进行打包存储，供后续处理使用。
步骤120：根据风机叶片的锁定状态和空间位置的信息，确定无人机拍摄每张图像时所处的叶片区域的信息。
根据本发明示例性的实施例，步骤120可包括：当锁定状态为表征任一风机叶片垂直向上的第一检测状态时，将空间位置的信息与风机轮毂的中心点位置信息进行比对，确定无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向上叶片区、左下叶片区和右下叶片区。
当锁定状态为表征任一风机叶片垂直向下的第二检测状态时，将空间位置的信息与风机轮毂的中心点位置信息进行比对，确定无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向下叶片区、左上叶片区和右上叶片区。
在具体的实现方式中，继续参照图8，无人机地面站的“无人机位置信息处理模块”还可以负责将接收到的空间位置的信息与轮毂中心点坐标进行比对，通过对比判断无人机当前位置，这里，当前位置意为无人机在按照预设航线飞行的过程中，在某一时刻无人机所在航线上的某个点的空间位置。如果风机叶片锁定在表征任一风机叶片垂直向上的第一检测状态(即倒Y状态)，通过比对解算出无人机当前位置处于垂直向上叶片区、左下叶片区、右下叶片区；如果风机叶片锁定在表征任一风机叶片垂直向下的第二检测状态(即Y状态)，通过比对解算出无人机当前位置处于垂直向下叶片区、左上叶片区、右上叶片区，同时将解算出的这些信息与前述系统时间和空间位置的信息一并打包存储，数据存储的形式例如10:00(X1,Y1,Z1)左下叶片区，但不限于此，在本实施例中不做具体限定。
需要说明的是，当风机叶片的锁定状态变化后，后续损伤定位处理中对应的算法公式也完全不同，因此，每种风机叶片的锁定状态对应一种算法。在实际应用中，风机叶片的锁定状态需要人工通过人机交互界面输入。
步骤130：对图像组进行图像识别，获得损伤的风机叶片的图像。
在具体的实现方式中，无人机还实时地将拍摄的风机叶片的图像数据下传到如图8所示的图像处理系统，图像处理系统的损伤图像识别模块可以将损伤照片实时提取，并将其与当前系统时间一并打包存储。由于损伤照片和空间位置的信息均与系统时间对应存储，因此，无人机飞行作业完成之后，由图像处理系统中的检测报告生成模块读取存储在无人机地面站上的无人机空间位置的信息，同时也读取保存在本地的损伤照片。根据损伤照片对应的时间即可读取该时间对应的无人机的空间位置的信息，便于后续根据空间位置的信息实现损伤定位。
步骤140：根据损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息。
这里，损伤位置信息可包括损伤的风机叶片的实际编号(ID)和/或损伤距风机叶片根部的距离。
具体来说，在倒Y状态下，根据叶片区域的信息得到垂直向上叶片、左下叶片、右下叶片中其中一支风机叶片的实际编号(即风机叶片的ID)。在Y状态下，根据叶片区域的信息得到垂直向下叶片、左上叶片、右上叶片中其中一支风机叶片的实际编号。由此，获得损伤位置信息中损伤的风机叶片的ID。
除通过上述方式获知了哪只风机叶片出现了损伤之外，还需要确定该损伤的风机叶片的哪个部位出现了损伤。损伤部位通过损伤位置信息中的损伤距风机叶片根部的距离来表示。
由此，根据本发明示例性的实施例，步骤140可包括：根据相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离；和/或，根据相应的空间位置的信息中的高度、风机轮毂的中心点的高度、相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离。
其中，所述根据相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离的处理可具体包括：
在锁定状态为第一检测状态下，当相应的空间位置的信息中的高度大于风机轮毂的中心点的高度时，根据以下公式(1)计算损伤距风机叶片根部的距离：
H′＝H-L……………………………………………………………式(1)
其中，H′为损伤距风机叶片根部的距离，H为相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度；和/或，
在锁定状态为第二检测状态下，当相应的空间位置的信息中的高度小于风机轮毂的中心点的高度时，根据以下公式(2)计算损伤距风机叶片根部的距离：
H′＝L-H……………………………………………………………式(2)
其中，H′为损伤距风机叶片根部的距离，H为相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度。
所述根据相应的空间位置的信息中的高度、风机轮毂的中心点的高度、相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离的处理可具体包括：
在锁定状态为第一检测状态下，当相应的空间位置的信息中的高度小于风机轮毂的中心点的高度时，根据以下公式(3)计算损伤距风机叶片根部的距离：
其中，H′为损伤距风机叶片根部的距离，H为相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度，L1为相应的空间位置与无人机的起飞点之间的距离，θ为拍摄镜头的左右偏角的映射角。
在锁定状态为第二检测状态下，当相应的空间位置的信息中的高度大于风机轮毂的中心点的高度时，根据以下公式(4)计算损伤距风机叶片根部的距离：
其中，H′为损伤距风机叶片根部的距离，H为相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度，L1为相应的空间位置与无人机的起飞点之间的距离，θ为拍摄镜头的左右偏角的映射角。
图5为本发明实施例一的基于无人机的风机叶片损伤检测方法中第一检测状态下损伤定位原理的示例性示意图，图6为本发明实施例一的基于无人机的风机叶片损伤检测方法中第二检测状态下损伤定位原理的示例性示意图。下面结合图5和图6分别基于第一检测状态、第二检测状态下的损伤定位原理对前述公式(1)～公式(4)进行详细的解释和说明。
这里，无人机可按照如图2或图4所示的预设航线进行自主飞行，或者无人机不按照该航线手控飞行，但起飞点都必在风机正前方或者正后方，拍摄垂直叶片时镜头只允许水平摆动，拍摄倾斜两支叶片时镜头允许俯仰和水平同时摆动的条件下，进行损伤距风机叶片根部的距离的计算。
具体来说，在第一检测状态(即倒Y状态)下，参照图5，当H＞L时，无人机在拍摄垂直向上的叶片，例如图5所示的无人机3号位置，此时无人机观测到的是3号观察点(损伤点)，此时损伤距风机叶片根部的距离为H-L，从而得到前述公式(1)。
当H＜L时，无人机在拍摄下面两只叶片，其损伤距风机叶片根部的距离的计算如下述步骤所示：
(1)根据无人机起飞点的空间位置的信息(如GPS坐标)与无人机当前位置相应的空间位置的信息(如GPS坐标)计算出如图5所示的无人机当前位置与起飞点之间的实际距离L1。
(2)根据L1和H计算出无人机当前位置与风机轮毂的中心点之间的实际距离在航线所在平面内的投影距离L4，
(3)根据L1和H计算无人机当前所在高度水平面与当前被观察叶片之间交点与风机轮毂的中心点之间的实际距离在航线所在平面内的投影距离L3，L3＝(L-H)tan 60°。
(4)计算无人机当前所在高度水平面与当前被观察叶片之间交点与无人机当前位置之间的距离在航线所在平面内的投影距离L2，L2＝L4-L3。
当L2＞0时，说明无人机在1号位置，观察到的是1号观察点(损伤点)。其损伤距风机叶片根部的距离的计算如下：
a)计算无人机当前所在高度水平面与当前被观察叶片之间交点与无人机拍摄焦点之间的距离L7，得到
b)损伤距风机叶片根部的距离为：将上述L1、L2、L4、L3、L7逐步代入后即可得到公式(3)。
当L2＜0时，说明无人机在2号位置，观察到的是2号观察点(损伤点)，其损伤距风机叶片根部的距离的计算如下：
a)计算无人机当前位置与风机轮毂中心点之间的实际距离在航线所在平面内的投影距离L5，此时L5的计算与L4的计算公式相同，因为L2＝L4-L3，这种情况下L4小于L3的，无人机当前所在高度水平面与当前被观察叶片之间交点与无人机当前位置之间的距离在航线所在平面内的投影距离L6＝L5-L3，因此，L6＝-L2。
b)计算L8，
c)损伤距风机叶片根部的距离为：将上述L1、L2、L5、L3、L6、L8逐步代入后即可得到公式(3)。
其中，图7为本发明实施例一的基于无人机的风机叶片损伤检测方法中无人机的拍摄镜头的示例性示意图，参照图5和图7，镜头左右偏角映射角θ的计算如下所示：
其中，D为航线所在平面与风机轮毂所在平面之间的距离，α为镜头左右偏角，L2为无人机当前所在高度水平面与当前被观察叶片之间交点与无人机当前位置之间的距离在航线所在平面内的投影距离。
同理可知，在第二检测状态(即Y状态)下，参照图6，当H＜L时，无人机在拍摄垂直向下的叶片，例如图6所示的无人机在3号位置处，此时无人机观测到的是3号观察点(损伤点)，此时损伤距风机叶片根部的距离为L-H，从而得到前述公式(2)。
当H＞L时，无人机在拍摄上面两只叶片，其损伤距风机叶片根部的距离的计算如下述步骤所示：
(1)根据无人机起飞点的空间位置的信息(如GPS坐标)与无人机当前位置相应的空间位置的信息(如GPS坐标)计算出如图5所示的无人机当前位置与起飞点之间的实际距离L1。
(2)根据L1和H计算出无人机当前位置与风机轮毂的中心点之间的实际距离在航线所在平面内的投影距离L4，
(3)根据L1和H计算无人机当前所在高度水平面与当前被观察叶片之间交点与风机轮毂的中心点之间的实际距离在航线所在平面内的投影距离L3，L3＝(H-L)tan 60°。
(4)计算无人机当前所在高度水平面与当前被观察叶片之间交点与无人机当前位置之间的距离在航线所在平面内的投影距离L2，L2＝L4-L3。
当L2＞0时，说明无人机在2号位置，观察到的是2号观察点(损伤点)。其损伤距风机叶片根部的距离的计算如下：
a)计算无人机当前所在高度水平面与当前被观察叶片之间交点与无人机拍摄焦点之间的距离L8，得到
b)损伤距风机叶片根部的距离为：将上述L1、L2、L4、L3、L8逐步代入后即可得到公式(4)。
当L2＜0时，说明无人机在2号位置，观察到的是2号观察点(损伤点)，其损伤距风机叶片根部的距离的计算如下：
a)计算无人机当前位置与风机轮毂中心点之间的实际距离在航线所在平面内的投影距离L5，此时L5的计算与L4的计算公式相同，因为L2＝L4-L3，这种情况下L4小于L3的，无人机当前所在高度水平面与当前被观察叶片之间交点与无人机当前位置之间的距离在航线所在平面内的投影距离L6＝L5-L3，因此，L6＝-L2。
b)计算L7，
c)损伤距风机叶片根部的距离为：将上述L1、L2、L5、L3、L6、L7逐步代入后即可得到公式(4)。
步骤150：根据损伤位置信息生成损伤检测报告。
在实际应用中，损伤检测报告的生成可以在如图8所示的图像处理系统中的检测报告生成模块中完成。需要说明的是，损伤检测报告可包括以下至少一种：损伤类别、损伤等级、损伤位置信息和损伤的风机叶片的图像，但不限于此。
其中，损伤类别可包括，但不限于，以下至少一种：保护摸损伤、后缘损伤开裂、蒙皮鼓包、蒙皮碳化分层、掉漆、裂纹、结冰和油污。
下表1为损伤等级说明，具体如下：
表1
参见表1，损伤等级具体可划分为重大损伤、一般损伤和轻微损伤。并且，示出了每一损伤等级对应的损伤内容(即前述的损伤类别)，也就说，不同类别的损伤表明了叶片损伤的程度，由叶片损伤的程度可划分出上述三个损伤等级。例如，叶片油污属于轻微损伤。同时，表1还具体说明了针对每一损伤等级，风电机组是否还可以正常发电，以及是否需要采取一些叶片维修处理。
本发明实施例提供的基于无人机的风机叶片损伤检测方法，通过从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组及拍摄每张图像时所处的空间位置；根据风机叶片的锁定状态和空间位置的信息，确定无人机拍摄每张图像时所处的叶片区域的信息；进一步对图像组进行识别获得损伤的风机叶片的图像；基于损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；最终，根据损伤位置信息生成损伤检测报告。实现了利用无人机自动、准确地进行风机叶片损伤检测，提高了检测效率，为后续叶片维修提供了技术支持，并节约了作业时间及成本。此外，通过集成了图像识别、损伤定位技术与无人机风机叶片巡检技术三方面优势，使得无人机风机叶片损伤检测作业的效率得到极大地提高。
实施例二
图9为本发明实施例二的基于无人机的风机叶片损伤检测装置的结构示意图，可用于执行如图1所示实施例的方法步骤。
参照图9，该基于无人机的风机叶片损伤检测装置包括图像及信息接收模块910、信息确定模块920、图像识别模块930、损伤定位模块940和报告生成模块950。
图像及信息接收模块910用于从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组，以及拍摄所述图像组中每张图像时所处的空间位置的信息。
信息确定模块920用于根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息。
图像识别模块930用于对所述图像组进行图像识别，获得损伤的风机叶片的图像。
损伤定位模块940用于根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息。
报告生成模块950用于根据所述损伤位置信息生成损伤检测报告。
本发明实施例提供的基于无人机的风机叶片损伤检测装置，通过从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组及拍摄每张图像时所处的空间位置；根据风机叶片的锁定状态和空间位置的信息，确定无人机拍摄每张图像时所处的叶片区域的信息；进一步对图像组进行识别获得损伤的风机叶片的图像；基于损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；最终，根据损伤位置信息生成损伤检测报告。实现了利用无人机自动、准确地进行风机叶片损伤检测，提高了检测效率，为后续叶片维修提供了技术支持，并节约了作业时间及成本。
在上述实施例的基础之上，图10为本发明实施例二的基于无人机的风机叶片损伤检测装置的另一结构示意图。
参照图10，具体地，信息确定模块920可包括：
第一区域信息确定单元9201用于当锁定状态为表征任一风机叶片垂直向上的第一检测状态时，将空间位置的信息与风机轮毂的中心点位置信息进行比对，确定无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向上叶片区、左下叶片区和右下叶片区。
第二区域信息确定单元9202用于当锁定状态为表征任一风机叶片垂直向下的第二检测状态时，将空间位置的信息与风机轮毂的中心点位置信息进行比对，确定无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向下叶片区、左上叶片区和右上叶片区。
需要说明的是，损伤检测报告可包括，但不限于，以下至少一种：损伤类别、损伤等级、损伤位置信息和损伤的风机叶片的图像。
其中，损伤类别可包括，但不限于，以下至少一种：保护摸损伤、后缘损伤开裂、蒙皮鼓包、蒙皮碳化分层、掉漆、裂纹、结冰和油污。
这里，空间位置的信息可包括，但不限于，经度、纬度和高度。损伤位置信息可包括损伤的风机叶片的ID和/或损伤距风机叶片根部的距离。
进一步地，损伤定位模块940可具体包括：
第一距离获取单元9401用于根据相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离。
第二距离获取单元9402用于根据相应的空间位置的信息中的高度、风机轮毂的中心点的高度、相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离。
与现有技术相比，本发明实施例还具有如下技术效果：
一方面，本发明通过在不同的检测状态下，比对空间位置的信息与风机轮毂的中心点位置信息，从而确定无人机拍摄每张图像时所处的叶片区域的信息，为后续损伤定位处理提供技术依据，进一步提高了损伤检测的准确度；
另一方面，综合考虑相应的空间位置的信息中的高度和风机轮毂的中心点的高度，或者，空间位置的信息、风机轮毂的中心点、空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，从而准确地得到损伤距风机叶片根部的距离，为后续叶片维修提供了便利。
实施例三
本发明实施例提供一种基于无人机的风机叶片损伤检测系统，包括无人机和前述实施例二所述的基于无人机的风机叶片损伤检测装置，无人机与基于无人机的风机叶片损伤检测装置通信连接。
本发明实施例提供的基于无人机的风机叶片损伤检测系统，通过从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组及拍摄每张图像时所处的空间位置；根据风机叶片的锁定状态和空间位置的信息，确定无人机拍摄每张图像时所处的叶片区域的信息；进一步对图像组进行识别获得损伤的风机叶片的图像；基于损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；最终，根据损伤位置信息生成损伤检测报告。实现了利用无人机自动、准确地进行风机叶片损伤检测，提高了检测效率，为后续叶片维修提供了技术支持，并节约了作业时间及成本。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种基于无人机的风机叶片损伤检测方法，其特征在于，所述方法包括：
从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组，以及拍摄所述图像组中每张图像时所处的空间位置的信息；
根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息；
对所述图像组进行图像识别，获得损伤的风机叶片的图像；
根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；
根据所述损伤位置信息生成损伤检测报告。
2.根据权利要求1所述的方法，其特征在于，所述根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息包括：
当所述锁定状态为表征任一风机叶片垂直向上的第一检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向上叶片区、左下叶片区和右下叶片区；
当所述锁定状态为表征任一风机叶片垂直向下的第二检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向下叶片区、左上叶片区和右上叶片区。
3.根据权利要求2所述的方法，其特征在于，所述空间位置的信息包括经度、纬度和高度；
所述损伤位置信息包括损伤的风机叶片的实际编号(ID)和/或损伤距风机叶片根部的距离。
4.根据权利要求3所述的方法，其特征在于，所述根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息包括：
根据所述相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离；和/或，
根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离。
5.根据权利要求4所述的方法，其特征在于，所述根据所述相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离包括：
在所述锁定状态为所述第一检测状态下，当所述相应的空间位置的信息中的高度大于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
H′＝H-L
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度；和/或，
在所述锁定状态为所述第二检测状态下，当所述相应的空间位置的信息中的高度小于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
H′＝L-H
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度。
6.根据权利要求4所述的方法，其特征在于，所述根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离包括：
在所述锁定状态为所述第一检测状态下，当所述相应的空间位置的信息中的高度小于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度，L1为所述相应的空间位置与无人机的起飞点之间的距离，θ为拍摄镜头的左右偏角的映射角。
7.根据权利要求4所述的方法，其特征在于，所述根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离还包括：
在所述锁定状态为所述第二检测状态下，当所述相应的空间位置的信息中的高度大于风机轮毂的中心点的高度时，根据以下公式计算所述损伤距风机叶片根部的距离，
其中，H′为损伤距风机叶片根部的距离，H为所述相应的空间位置的信息中的高度，L为风机轮毂的中心点的高度，L1为所述相应的空间位置与无人机的起飞点之间的距离，θ为拍摄镜头的左右偏角的映射角。
8.根据权利要求1～7中任一项所述的方法，其特征在于，所述损伤检测报告包括以下至少一种：损伤类别、损伤等级、损伤位置信息和损伤的风机叶片的图像，
所述损伤类别包括以下至少一种：保护摸损伤、后缘损伤开裂、蒙皮鼓包、蒙皮碳化分层、掉漆、裂纹、结冰和油污。
9.一种基于无人机的风机叶片损伤检测装置，其特征在于，所述装置包括：
图像及信息接收模块，用于从无人机接收其沿预设航线飞行拍摄的风机叶片的图像组，以及拍摄所述图像组中每张图像时所处的空间位置的信息；
信息确定模块，用于根据风机叶片的锁定状态和所述空间位置的信息，确定所述无人机拍摄每张图像时所处的叶片区域的信息；
图像识别模块，用于对所述图像组进行图像识别，获得损伤的风机叶片的图像；
损伤定位模块，用于根据所述损伤的风机叶片的图像相应的空间位置的信息和叶片区域的信息对风机叶片进行损伤定位，获得损伤位置信息；
报告生成模块，用于根据所述损伤位置信息生成损伤检测报告。
10.根据权利要求9所述的装置，其特征在于，所述信息确定模块包括：
第一区域信息确定单元，用于当所述锁定状态为表征任一风机叶片垂直向上的第一检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向上叶片区、左下叶片区和右下叶片区；
第二区域信息确定单元，用于当所述锁定状态为表征任一风机叶片垂直向下的第二检测状态时，将所述空间位置的信息与风机轮毂的中心点位置信息进行比对，确定所述无人机拍摄每张图像时所处的叶片区域的信息为以下之一：垂直向下叶片区、左上叶片区和右上叶片区。
11.根据权利要求10所述的装置，其特征在于，所述损伤定位模块包括：
第一距离获取单元，用于根据所述相应的空间位置的信息中的高度和风机轮毂的中心点的高度获得损伤距风机叶片根部的距离；
第二距离获取单元，用于根据所述相应的空间位置的信息中的高度、风机轮毂的中心点的高度、所述相应的空间位置与无人机的起飞点之间的距离以及设置于无人机上的拍摄镜头的左右偏角的映射角，获得损伤距风机叶片根部的距离。
12.一种基于无人机的风机叶片损伤检测系统，其特征在于，包括无人机和根据权利要求9～11任一项所述的基于无人机的风机叶片损伤检测装置，所述无人机与所述基于无人机的风机叶片损伤检测装置通信连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611104507.7A CN106762451B (zh) | 2016-12-05 | 2016-12-05 | 基于无人机的风机叶片损伤检测方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611104507.7A CN106762451B (zh) | 2016-12-05 | 2016-12-05 | 基于无人机的风机叶片损伤检测方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106762451A true CN106762451A (zh) | 2017-05-31 |
| CN106762451B CN106762451B (zh) | 2018-10-23 |
Family
ID=58878708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611104507.7A Active CN106762451B (zh) | 2016-12-05 | 2016-12-05 | 基于无人机的风机叶片损伤检测方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106762451B (zh) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107656537A (zh) * | 2016-07-25 | 2018-02-02 | 新疆金风科技股份有限公司 | 无人机航线规划方法及装置、基于无人机的风机叶片检查方法及系统 |
| CN108506170A (zh) * | 2018-03-08 | 2018-09-07 | 上海扩博智能技术有限公司 | 风机叶片检测方法、系统、设备及存储介质 |
| CN108733079A (zh) * | 2018-06-19 | 2018-11-02 | 上海扩博智能技术有限公司 | 通过无人机对风机进行自动巡检飞行路径确定方法及系统 |
| CN108757345A (zh) * | 2018-08-10 | 2018-11-06 | 上海扩博智能技术有限公司 | 通过无人机进行风机叶片的自动跟踪检测方法及系统 |
| CN108869197A (zh) * | 2018-06-27 | 2018-11-23 | 上海扩博智能技术有限公司 | 通过无人机进行风机高度精确测量方法及系统 |
| CN108869196A (zh) * | 2018-06-27 | 2018-11-23 | 上海扩博智能技术有限公司 | 通过无人机对风机后侧叶根区域检测方法及系统 |
| CN108894933A (zh) * | 2018-06-27 | 2018-11-27 | 上海扩博智能技术有限公司 | 通过无人机对风机叶尖跟踪检测时跟丢再捕捉方法及系统 |
| CN108915959A (zh) * | 2018-06-27 | 2018-11-30 | 上海扩博智能技术有限公司 | 通过无人机对风机叶尖区域绕行检测方法及系统 |
| WO2019000818A1 (zh) * | 2017-06-26 | 2019-01-03 | 北京金风科创风电设备有限公司 | 监测风力发电机叶片结冰的方法及装置 |
| CN109162879A (zh) * | 2018-08-10 | 2019-01-08 | 上海扩博智能技术有限公司 | 通过多传感器控制无人机进行风机叶片检测方法及系统 |
| CN110282143A (zh) * | 2019-06-14 | 2019-09-27 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种海上风电场无人机巡检方法 |
| CN110471447A (zh) * | 2019-08-27 | 2019-11-19 | 无锡风电设计研究院有限公司 | 风力机的巡检方法和系统 |
| CN110910349A (zh) * | 2019-10-23 | 2020-03-24 | 南通大学 | 一种基于航拍视觉的风电机组状态获取方法 |
| WO2020108088A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京金风科创风电设备有限公司 | 确定风力发电机组的塔架净空的方法和装置 |
| CN111289533A (zh) * | 2020-02-25 | 2020-06-16 | 国电电力内蒙古新能源开发有限公司 | 风机叶片的巡检方法、装置、无人机和存储介质 |
| CN111461210A (zh) * | 2020-03-31 | 2020-07-28 | 天津智惠未来科技有限责任公司 | 一种基于无人机风电巡检叶片缺陷等级判定方法 |
| CN111746790A (zh) * | 2020-07-21 | 2020-10-09 | 哈尔滨理工大学 | 一种基于地面拍摄图像的风机叶片表面损伤精准检测系统 |
| CN111846275A (zh) * | 2020-07-10 | 2020-10-30 | 杭州天为航空技术服务有限公司 | 一种航空器清洁管理系统 |
| CN112096566A (zh) * | 2020-08-27 | 2020-12-18 | 上海扩博智能技术有限公司 | 风机停机状态参数的获取方法、系统、设备和介质 |
| CN112577606A (zh) * | 2020-12-10 | 2021-03-30 | 湖南大学 | 一种双无人机搭载主动热成像的风机叶片巡检方法 |
| CN112882487A (zh) * | 2019-11-29 | 2021-06-01 | 北京国电思达科技有限公司 | 风机叶片的无人机巡检轨迹生成方法，巡检方法及系统 |
| CN115096894A (zh) * | 2022-06-15 | 2022-09-23 | 智冠华高科技(大连)有限公司 | 一种基于无人机的风力发电机叶片损伤在线检测方法 |
| CN115564740A (zh) * | 2022-10-17 | 2023-01-03 | 风脉能源（武汉）股份有限公司 | 一种风机叶片缺陷定位方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150043769A1 (en) * | 2013-03-15 | 2015-02-12 | Digital Wind Systems, Inc. | Method and apparatus for remote feature measurement in distorted images |
| CN105651780A (zh) * | 2015-12-28 | 2016-06-08 | 新疆金风科技股份有限公司 | 通过无人机检测风机叶片状态的方法、装置及系统 |
| CN105717934A (zh) * | 2016-04-25 | 2016-06-29 | 华北电力大学（保定） | 自主无人机巡检风机叶片系统及方法 |
| CN205607881U (zh) * | 2016-03-01 | 2016-09-28 | 西安热工研究院有限公司 | 一种基于无人机的风力机叶片巡检装置 |
-
2016
- 2016-12-05 CN CN201611104507.7A patent/CN106762451B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150043769A1 (en) * | 2013-03-15 | 2015-02-12 | Digital Wind Systems, Inc. | Method and apparatus for remote feature measurement in distorted images |
| CN105651780A (zh) * | 2015-12-28 | 2016-06-08 | 新疆金风科技股份有限公司 | 通过无人机检测风机叶片状态的方法、装置及系统 |
| CN205607881U (zh) * | 2016-03-01 | 2016-09-28 | 西安热工研究院有限公司 | 一种基于无人机的风力机叶片巡检装置 |
| CN105717934A (zh) * | 2016-04-25 | 2016-06-29 | 华北电力大学（保定） | 自主无人机巡检风机叶片系统及方法 |
Cited By (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107656537A (zh) * | 2016-07-25 | 2018-02-02 | 新疆金风科技股份有限公司 | 无人机航线规划方法及装置、基于无人机的风机叶片检查方法及系统 |
| US11286913B2 (en) | 2017-06-26 | 2022-03-29 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Method and apparatus for monitoring formation of ice on wind turbine blade |
| WO2019000818A1 (zh) * | 2017-06-26 | 2019-01-03 | 北京金风科创风电设备有限公司 | 监测风力发电机叶片结冰的方法及装置 |
| CN108506170A (zh) * | 2018-03-08 | 2018-09-07 | 上海扩博智能技术有限公司 | 风机叶片检测方法、系统、设备及存储介质 |
| CN108733079B (zh) * | 2018-06-19 | 2021-08-10 | 上海扩博智能技术有限公司 | 通过无人机对风机进行自动巡检飞行路径确定方法及系统 |
| CN108733079A (zh) * | 2018-06-19 | 2018-11-02 | 上海扩博智能技术有限公司 | 通过无人机对风机进行自动巡检飞行路径确定方法及系统 |
| CN108869197B (zh) * | 2018-06-27 | 2020-05-12 | 上海扩博智能技术有限公司 | 通过无人机进行风机高度精确测量方法及系统 |
| CN108869197A (zh) * | 2018-06-27 | 2018-11-23 | 上海扩博智能技术有限公司 | 通过无人机进行风机高度精确测量方法及系统 |
| CN108869196A (zh) * | 2018-06-27 | 2018-11-23 | 上海扩博智能技术有限公司 | 通过无人机对风机后侧叶根区域检测方法及系统 |
| CN108894933A (zh) * | 2018-06-27 | 2018-11-27 | 上海扩博智能技术有限公司 | 通过无人机对风机叶尖跟踪检测时跟丢再捕捉方法及系统 |
| CN108915959A (zh) * | 2018-06-27 | 2018-11-30 | 上海扩博智能技术有限公司 | 通过无人机对风机叶尖区域绕行检测方法及系统 |
| CN108757345A (zh) * | 2018-08-10 | 2018-11-06 | 上海扩博智能技术有限公司 | 通过无人机进行风机叶片的自动跟踪检测方法及系统 |
| CN109162879A (zh) * | 2018-08-10 | 2019-01-08 | 上海扩博智能技术有限公司 | 通过多传感器控制无人机进行风机叶片检测方法及系统 |
| WO2020108088A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京金风科创风电设备有限公司 | 确定风力发电机组的塔架净空的方法和装置 |
| US11421659B2 (en) | 2018-11-30 | 2022-08-23 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Method and device for determining tower clearance for wind turbine |
| CN110282143B (zh) * | 2019-06-14 | 2022-09-27 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种海上风电场无人机巡检方法 |
| CN110282143A (zh) * | 2019-06-14 | 2019-09-27 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种海上风电场无人机巡检方法 |
| CN110471447A (zh) * | 2019-08-27 | 2019-11-19 | 无锡风电设计研究院有限公司 | 风力机的巡检方法和系统 |
| CN110910349A (zh) * | 2019-10-23 | 2020-03-24 | 南通大学 | 一种基于航拍视觉的风电机组状态获取方法 |
| CN110910349B (zh) * | 2019-10-23 | 2023-04-07 | 南通大学 | 一种基于航拍视觉的风电机组状态获取方法 |
| CN112882487A (zh) * | 2019-11-29 | 2021-06-01 | 北京国电思达科技有限公司 | 风机叶片的无人机巡检轨迹生成方法，巡检方法及系统 |
| CN111289533B (zh) * | 2020-02-25 | 2023-06-23 | 国电电力内蒙古新能源开发有限公司 | 风机叶片的巡检方法、装置、无人机和存储介质 |
| CN111289533A (zh) * | 2020-02-25 | 2020-06-16 | 国电电力内蒙古新能源开发有限公司 | 风机叶片的巡检方法、装置、无人机和存储介质 |
| CN111461210A (zh) * | 2020-03-31 | 2020-07-28 | 天津智惠未来科技有限责任公司 | 一种基于无人机风电巡检叶片缺陷等级判定方法 |
| CN111846275B (zh) * | 2020-07-10 | 2021-11-23 | 杭州天为航空技术服务有限公司 | 一种航空器清洁管理系统 |
| CN111846275A (zh) * | 2020-07-10 | 2020-10-30 | 杭州天为航空技术服务有限公司 | 一种航空器清洁管理系统 |
| CN111746790A (zh) * | 2020-07-21 | 2020-10-09 | 哈尔滨理工大学 | 一种基于地面拍摄图像的风机叶片表面损伤精准检测系统 |
| CN112096566A (zh) * | 2020-08-27 | 2020-12-18 | 上海扩博智能技术有限公司 | 风机停机状态参数的获取方法、系统、设备和介质 |
| CN112096566B (zh) * | 2020-08-27 | 2024-07-12 | 上海扩博智能技术有限公司 | 风机停机状态参数的获取方法、系统、设备和介质 |
| CN112577606A (zh) * | 2020-12-10 | 2021-03-30 | 湖南大学 | 一种双无人机搭载主动热成像的风机叶片巡检方法 |
| CN115096894A (zh) * | 2022-06-15 | 2022-09-23 | 智冠华高科技(大连)有限公司 | 一种基于无人机的风力发电机叶片损伤在线检测方法 |
| CN115096894B (zh) * | 2022-06-15 | 2024-06-04 | 智冠华高科技(大连)有限公司 | 一种基于无人机的风力发电机叶片损伤在线检测方法 |
| CN115564740A (zh) * | 2022-10-17 | 2023-01-03 | 风脉能源（武汉）股份有限公司 | 一种风机叶片缺陷定位方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106762451B (zh) | 2018-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106762451B (zh) | 基于无人机的风机叶片损伤检测方法、装置及系统 | |
| CN110282143B (zh) | 一种海上风电场无人机巡检方法 | |
| CN111289533B (zh) | 风机叶片的巡检方法、装置、无人机和存储介质 | |
| CN207600967U (zh) | 一种用于风电场扇叶表面缺陷检测的装置 | |
| CN110603379B (zh) | 用于风力设备检查工具的检查工具控制装置 | |
| CN108894933B (zh) | 通过无人机对风机叶尖跟踪检测时跟丢再捕捉方法及系统 | |
| CN112904877A (zh) | 一种基于无人机的风机叶片自动巡检系统及方法 | |
| US9759200B2 (en) | Wind tower and wind farm inspections via unmanned aircraft systems | |
| CN108733079A (zh) | 通过无人机对风机进行自动巡检飞行路径确定方法及系统 | |
| CN110879601A (zh) | 一种对于未知风机结构的无人机巡检方法 | |
| CN105739512A (zh) | 无人机自动巡检系统及方法 | |
| CN112789672B (zh) | 控制和导航系统、姿态优化、映射和定位技术 | |
| CN108915959A (zh) | 通过无人机对风机叶尖区域绕行检测方法及系统 | |
| CN109131895A (zh) | 用于叶片自动跟踪检测的无人机挂载装置、无人机及方法 | |
| CN108869196B (zh) | 通过无人机对风机后侧叶根区域检测方法及系统 | |
| CN207882165U (zh) | 智能充电的风电场扇叶表面缺陷检测的装置 | |
| US20230105991A1 (en) | Method of imaging a wind turbine rotor blade | |
| CN114895711B (zh) | 一种面向风机叶片巡检的无人机自动航迹线规划方法 | |
| CN110701003A (zh) | 风电机组叶片缺陷自动检测系统及检测方法 | |
| CN113342041A (zh) | 一种无人机实现自动化巡检风叶发电设备的方法及系统 | |
| Guo et al. | Detecting and positioning of wind turbine blade tips for uav-based automatic inspection | |
| CN115586789B (zh) | 基于视觉的风力发电机巡检无人机悬停点确认及巡检方法 | |
| CN114757454B (zh) | 一种风力发电机的无人机巡检航线生成方法、装置及设备 | |
| CN115326075A (zh) | 一种基于无人机实现风场全域自动化巡检的路径规划方法 | |
| CN113359815A (zh) | 基于rtk定位的风机叶片无人机自主避障巡检方法及系统 |
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 |