CN109501084B - 用于风力发电机组叶片的飞边切割系统和方法 - Google Patents

Abstract

本发明提供了一种用于风力发电机组叶片的飞边切割系统和方法，所述系统包括移动机器人平台和支撑移动机器人平台移动的平台支撑导轨，其中，移动机器人平台包括：传感器装置，被配置用于采集与风电叶片相关的图像数据；系统控制器，被配置用于利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据；工业机器人，配置有用于执行飞边切割的切割夹具并根据系统控制器计算出的飞边切割线的第一位置数据来执行飞边切割。本发明解决了风力发电机组叶片切割过程中的生产效率低、污染排放严重、叶片品质差和人工成本费用高等问题。

Description

用于风力发电机组叶片的飞边切割系统和方法

技术领域

本发明涉及风力发电机组的工件制造技术领域，更具体地讲，涉及一种用于风力发电机组叶片的飞边切割系统和方法。

背景技术

风电叶片是风力发电机组的重要核心部件之一，风电叶片的制造水平代表着国家风电制造业的核心竞争力。大多数的风电叶片采用玻璃纤维和环氧树脂以及粘接剂等材料复合加工而成，设计为复杂的三维扭曲曲面，主要经过主梁制造、铺层、灌注、切边、打磨、打孔、刮腻子和喷漆等工艺，制造周期长，制造难度大。风电叶片在脱模后，由于磨具的原因会产生一个飞边，飞边是不符合设计要求的，所以需要人工把飞边切除。

目前的风电叶片飞边切割还是采用人工切割的作业方式，依靠工人经验操作完成，这种作业方式存在很多问题：(1)切割效率低。通常人工切割一个班组6人一天只能完成一只叶片的飞边切割，效率较低。(2)生产环境差且对人体伤害大。叶片飞边切割是所有叶片制造工艺中产生粉尘最多的工序，粉尘对人体伤害巨大，对环境影响严重(需佩戴特殊装置才能减少对人体的伤害)。(3)工艺标准化程度差。因为是人工切割，所以导致切割的效果差异大，不同工人的技能水平不同，导致每只叶片的品质不同，而且当同一工人在不同身体状态和精神状态下所制造的叶片的品质都有很大的区别。

另外，虽然机器人在工业上已经实现了多行业中的广泛应用，但是风电叶片却由于本身体积巨大和曲面形状特殊等条件的限制，现在还未能够实现完全无人值守的机器人平台技术来替代人工以实现智能化的飞边切割。

发明内容

本发明针对现有技术存在的弊端，利用多传感器融合技术以及利用机械手为执行单元，提出了一种完整的、无人值守作业的、高效率的用于风力发电机组叶片的飞边切割系统和方法。

根据本发明的一方面，提供了一种用于风力发电机组叶片的飞边切割系统，包括：移动机器人平台和支撑移动机器人平台移动的平台支撑导轨，其中，移动机器人平台包括：传感器装置，被配置用于采集与风电叶片相关的图像数据；系统控制器，被配置用于利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据；工业机器人，配置有用于执行飞边切割的切割夹具并根据系统控制器计算出的飞边切割线的第一位置数据来执行飞边切割。

优选地，所述传感器装置包括安装在工业机器人上的激光雷达和视觉传感器，其中，激光雷达用于扫描风电叶片的整体轮廓，视觉传感器用于采集预先画在风电叶片上的飞边切割线的图像数据。

优选地，移动机器人平台还包括：激光探头，安装在工业机器人上，被配置用于根据计算出的飞边切割线的第一位置数据向风电叶片发射激光射线，其中，传感器装置采集具有激光射线轨迹的图像数据，系统控制器将采集的具有激光射线轨迹的图像数据和采集的预先画在风电叶片上的飞边切割线的图像数据进行比较，

其中，工业机器人仅当采集的具有激光射线轨迹的图像数据和预先画在风电叶片上的飞边切割线的图像数据一致时执行飞边切割。

优选地，还包括用于控制工业机器人的机器人控制器、执行飞边切割时控制工业机器人上下移动的机器人升降装置、在飞边切割过程中高负压吸收所产生的粉尘的空气压缩机和粉尘回收装置。

优选地，所述系统控制器根据风电叶片的长度和工业机器人的作业半径将风电叶片分成两段以及两段以上进行分段飞边切割。

优选地，还包括叶片支撑旋转结构，用于对风电叶片进行180°翻转。

根据本发明的另一方面，提供了一种基于上述所述飞边切割系统的用于风力发电机组叶片的飞边切割方法，包括如下步骤：采集与风电叶片相关的图像数据；利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据；根据计算出的飞边切割线的第一位置数据来执行飞边切割。

优选地，所述采集与风电叶片相关的图像数据的步骤通过激光雷达和视觉传感器采集与风电叶片相关的图像数据，其中，激光雷达扫描风电叶片的整体轮廓，视觉传感器采集预先画在风电叶片上的飞边切割线的图像数据。

优选地，所述利用计算机视觉算法从采集的风电叶片的图像数据中识别出预先画在风电叶片上的飞边切割线，计算出飞边切割线的第一位置数据的步骤包括：利用激光探头根据计算出的飞边切割线的第一位置数据向风电叶片发射激光射线；利用视觉传感器采集激光探头向风电叶片发射激光射线形成的激光射线轨迹的图像数据；将采集的具有激光射线轨迹的图像数据和采集的预先画在风电叶片上的飞边切割线的图像数据进行比较；利用切割夹具仅当采集的具有激光射线轨迹的图像数据和预先画在风电叶片上的飞边切割线的图像数据一致时执行飞边切割。

优选地，所述执行飞边切割是根据风电叶片的长度和工业机器人的作业半径将风电叶片分成两段以及两段以上进行分段飞边切割。

本发明提升了叶片制造的生产效率、减少污染排放和提升叶片品质，使叶片制造从手工作业开始向自动化作业发展，在之后的风力发电机组各部件加工方面提供了自动化的系统解决方案。

附图说明

下面将结合附图进行本发明的详细描述，本发明的上述特征和其它目的、特点和优点将会变得更加清楚，其中：

图1是本发明的实施例的用于风力发电机组叶片的飞边切割系统的架构图；

图2是本发明的实施例的用于风力发电机组叶片的飞边切割系统的移动机器人平台系统的架构图；

图3是本发明的实施例的用于风力发电机组叶片的飞边切割方法的流程图。

具体实施方式

提供以下参照附图的描述以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。以下参照附图的描述包括各种特定细节以帮助理解，但是所述特定细节将仅被视为示例性的。因此，本领域普通技术人员将意识到，在不脱离本发明的范围和精神的情况下，可对这里描述的实施例进行各种改变和修改。此外，为了清晰和简要，可省略公知功能和结构的描述。

以下描述和权利要求中使用的术语和词语不限于字面含义，而是仅由发明者使用以使得能够清楚和一致地理解本发明。因此，本领域技术人员应该清楚的是，提供本发明的示例性实施例的以下描述仅是说明的目的，而不是限制由权利要求及其等同物限定的本发明的目的。

图1示出根据本发明的实施例的用于风力发电机组叶片的飞边切割系统的架构图。

参照图1，用于风力发电机组叶片的飞边切割系统100包括移动机器人平台101、平台支撑导轨102。具体地讲，平台支撑导轨102用于支撑移动机器人平台101进行移动。移动机器人平台101包括传感器装置110、系统控制器120、工业机器人130，其中，传感器装置110用于采集与风电叶片相关的图像数据。系统控制器120用于利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据。工业机器人130配置有用于执行飞边切割的切割夹具并根据系统控制器计算出的飞边切割线的第一位置数据来执行飞边切割。

下面将参照图2来详细说明风力发电机组叶片的飞边切割系统的移动机器人平台。

图2示出根据本发明的实施例的用于风力发电机组叶片的飞边切割系统的移动机器人平台系统的架构图。

参照图2，激光雷达1、视觉传感器2和力觉传感器3安装在工业机器人130上，其中，激光雷达1用于扫描风电叶片的整体轮廓，视觉传感器2用于采集预先画在风电叶片上的飞边切割线的图像数据。切割夹具4与激光探头5安装在工业机器人的末端位置，切割夹具4用于执行飞边切割，激光探头5用于向风电叶片发射激光射线。

根据本发明的实施例，系统控制器120接收从激光雷达1和视觉传感器2回传的数据，利用计算机视觉算法从采集的风电叶片的图像数据中识别出预先画在风电叶片上的飞边切割线，计算出飞边切割线的第一位置数据。其中，计算机视觉算法是计算机利用工业相机等图像采集设备来采集图像数据，然后，通过图像处理技术对采集的图像数据进行处理以实现对特征物体的识别或者得到特征物体的位置或姿态等信息，计算机视觉算法有很多种，例如，霍夫变换算法，该算法是图像处理中识别几何形状的一种方法，在图像处理中有着广泛应用，并且霍夫变换算法不受图形旋转的影响，易于进行几何图形的快速变换。根据本发明的实施例，例如，对采集到的与风电叶片相关的图像数据进行二值化处理，将图像上的像素点的灰度值设置为0或255，整个图像呈现出明显的黑白视觉效果，然后，运用霍夫变换算法从二值化图像中识别出预先画在风电叶片上的飞边切割线，得出飞边切割线的第一位置数据。应理解，上述霍夫变换算法仅是计算机视觉算法的一个示例性举例，本发明可采用的计算机视觉算法的种类不限于此。

系统控制器120将计算出飞边切割线的第一位置数据进行储存，并控制机器人控制器6向工业机器人130发送指令来控制激光探头5根据计算出的飞边切割线的第一位置数据向风电叶片发射激光射线，视觉传感器2采集具有激光射线轨迹的图像数据并将数据回传到系统控制器120，系统控制器120对该数据进行存储，并将采集的具有激光射线轨迹的图像数据和采集的预先画在风电叶片上的飞边切割线的图像数据进行比较。在本发明中，利用计算机视觉算法计算飞边切割线的第一位置数据，该技术虽然已经很成熟，但是在图像采集的过程中受到的光照影响很大，常常会导致不同时间不同地点图像采集的效果不一，大大影响了算法的精确性，因此，加入激光探头5对其进行数据检验，提高飞边切割数据的可靠性。最后，机器人控制器6控制工业机器人130仅当采集的具有激光射线轨迹的图像数据和预先画在风电叶片上的飞边切割线的图像数据一致时，控制切割夹具4执行飞边切割。其中，仅当采集的具有激光射线轨迹的图像数据和预先画在风电叶片上的飞边切割线的图像数据一致是指视觉传感器2先后分别采集的预先画在风电叶片上的飞边切割线的图像和具有激光射线轨迹的图像，两图像轨迹相重合即判断两个图像数据一致。根据本发明的实施例，系统控制器120能够控制伺服电机实现启停和转速控制等，并能够实时获知移动机器人平台101在平台支撑导轨102上的位置数据，动机器人平台101通过伺服电机来实现其在平台支撑导轨102上的移动，以此完成激光雷达1扫描风电叶片整体轮廓、视觉传感器2采集预先画在风电叶片上的飞边切割线的图像数据和激光射线轨迹图像数据以及切割夹具4进行飞边切割、激光探头5发射激光射线等。

根据本发明的实施例，移动机器人平台101还包括机器人升降装置7、空气压缩机8和粉尘回收装置9。其中，机器人升降装置7用于飞边切割时控制工业机器人130进行上下移动，空气压缩机8用于在飞边切割过程中高负压吸收所产生的粉尘，可以达到粉尘的零排放，减小了粉尘排放对环境的影响，粉尘回收装置9用于对飞边切割产生的粉尘进行回收。

返回图1，根据本发明的实施例，用于风力发电机组叶片的飞边切割系统100还包括叶片支撑旋转机构103。叶片支撑旋转机构103用于对风电叶片进行180°翻转，因此，仅需在风电叶片的任意一侧位置铺设平台支撑导轨102即可，这样不仅减少了厂房空间的利用，也降低了相应的设备成本。平台支撑导轨102支撑移动机器人平台101沿着风电叶片边缘按照一定距离进行铺设，该距离是根据工业机器人130的作业半径决定，不同型号的工业机器人130具有不同的作业半径。其中，工业机器人是面向工业领域的多关节机械手或多自由度的机器装置，能自动执行工作，靠自身动力和控制能力来实现各种功能的一种机器。它可以接受人类指挥，也可以按照预先编排的程序运行。根据本发明的实施例，例如，采用六轴工业机器人进行飞边切割，该六轴工业机器人具有触觉、力觉、视觉功能，能在较为复杂的环境下工作，具有识别功能或更进一步增加自适应、自学习功能。此外，风力发电机组叶片的飞边切割系统100所涉及的各个单元部件之间通过工业总线连接进行数据的传输。

图3示出根据本发明的实施例的用于风力发电机组叶片的飞边切割方法的流程图。

参照图3，在步骤S301中，采集与风电叶片相关的图像数据。具体地，先初始化移动机器人平台，通过系统控制器判断移动机器人平台的各个部件是否处于正常的工作状态，当各个部件处于正常工作状态下，系统控制器根据激光雷达扫描的风电叶片的长度和工业机器人的作业半径将风电叶片分成两段以及两段以上进行风电叶片的分段飞边切割。然后，系统控制器控制移动机器人平台处于平台支撑导轨的零点位置以及控制工业机器人处于规定好的初始位置。其中，零点位置是指风电叶片的叶根部极限位置，初始位置为人为规定的工业机器人的一个预备位姿势，并由视觉传感器进行检验工业机器人是否处于初始位置。根据本发明的实施例，假设将风电叶片分成20段，在风电叶片的根部位置开始算起作为飞边切割的第1段，则对整个风电叶片进行切割需要依次执行20次，并且每次飞边切割都是前一段进行切割和验证完成之后才进入下一段的飞边切割。然后，通过激光雷达和视觉传感器采集与风电叶片相关的图像数据，其中，激光雷达扫描风电叶片的整体轮廓，视觉传感器采集预先画在风电叶片上的飞边切割线的图像数据。

在步骤S302中，利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据。具体地，系统控制器对激光雷达和视觉传感器扫描采集的数据进行识别，其中，激光雷达扫描风电叶片的整体轮廓，视觉传感器采集预先画在风电叶片上的飞边切割线的图像数据。系统控制器根据计算机视觉算法对识别出的预先画在风电叶片上的飞边切割线进行计算，然后，机器人控制器控制工业机器人上的激光探头根据计算出的飞边切割线的第一位置数据向风电叶片发射激光射线，并利用视觉传感器采集激光探头向风电叶片发射激光射线形成的激光射线轨迹图像数据，系统控制器将采集的具有激光射线轨迹的图像数据和采集的预先画在风电叶片上的飞边切割线的图像数据进行比较，仅当两图像数据一致时执行飞边切割。其中，视觉传感器将采集的激光射线轨迹位置数据回传到系统控制器，系统控制器对该数据进行处理和存储。根据本发明的实施例，系统控制器对比判断具有激光射线轨迹的图像数据和预先画在风电叶片上的飞边切割线的图像数据是否一致，如果一致，则说明通过计算机视觉算法得出的飞边切割线的第一位置数据是正确的，可以执行切割工序，如果不一致，则说明计算机视觉算法得出的飞边切割线的第一位置数据是错误的，需要重新再次对风电叶片进行步骤S301至步骤S302的操作，直到两图像数据一致才可以进行飞边切割。本发明中，系统控制器向机器人控制器发送指令，机器人控制器控制工业机器人上的切割夹具执行飞边切割。

在步骤S303中，根据计算出的飞边切割线的第一位置数据来执行飞边切割。具体地，在执行飞边切割之前，还需要通过RobotStudio仿真软件进行系统加工仿真，验证整个过程中是否有干涉发生。在完成飞边切割之后，还要对飞边切割进行重复检验，即通过激光雷达扫描飞边切割后的风电叶片，判断是否满足风电叶片的设计要求，如果满足则进入下一段风电叶片的切割，如果不满足，则飞边切割系统发出例如通过显示或者蜂鸣等方式的提示来提醒工人进行干预检查，如果检查出是预先画的飞边切割线不正确，则需要人工重新画出飞边切割线并通过此飞边切割方法再次进行飞边切割，如果切割效果与设计要求只有小部分差别，则需要靠人工打磨的方式完成工艺。

根据本发明的实施例的用于风力发电机组叶片的飞边切割系统和方法能够提升叶片制造的生产效率、减少污染排放和提升叶片品质，使风电叶片飞边切割技术实现从人工作业到自动化作业的进阶。

尽管已经参照本发明的特定示例性实施例显示和描述了本发明，但是本领域技术人员将理解，在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下，可进行各种形式和细节上的各种改变。

Claims (8)

1.一种用于风力发电机组叶片的飞边切割系统，其特征在于，包括移动机器人平台和支撑移动机器人平台移动的平台支撑导轨，其中，移动机器人平台包括：

传感器装置，被配置用于采集与风电叶片相关的图像数据；

系统控制器，被配置用于利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据；

工业机器人，配置有用于执行飞边切割的切割夹具并根据系统控制器计算出的飞边切割线的第一位置数据来执行飞边切割；

其中，系统控制器还被配置用于对采集的与风电叶片相关的图像数据进行二值化处理，然后利用预设霍夫变换算法从二值化图像中识别出预先画在风电叶片上的飞边切割线，得到飞边切割线的第一位置数据；

其中，移动机器人平台还包括：激光探头，安装在工业机器人上，被配置用于根据计算出的飞边切割线的第一位置数据向风电叶片发射激光射线，其中，传感器装置采集具有激光射线轨迹的图像数据，系统控制器将采集的具有激光射线轨迹的图像数据和采集的预先画在风电叶片上的飞边切割线的图像数据进行比较，其中，工业机器人仅当采集的具有激光射线轨迹的图像数据和预先画在风电叶片上的飞边切割线的图像数据一致时执行飞边切割。

2.如权利要求1所述的飞边切割系统，其特征在于，所述传感器装置包括安装在工业机器人上的激光雷达和视觉传感器，其中，激光雷达用于扫描风电叶片的整体轮廓，视觉传感器用于采集预先画在风电叶片上的飞边切割线的图像数据。

3.如权利要求1所述的飞边切割系统，其特征在于，还包括用于控制工业机器人的机器人控制器、执行飞边切割时控制工业机器人上下移动的机器人升降装置、在飞边切割过程中高负压吸收所产生的粉尘的空气压缩机和粉尘回收装置。

4.如权利要求1所述的飞边切割系统，其特征在于，所述系统控制器根据风电叶片的长度和工业机器人的作业半径将风电叶片分成两段以及两段以上进行分段飞边切割。

5.如权利要求1所述的飞边切割系统，其特征在于，还包括：叶片支撑旋转结构，用于对风电叶片进行180°翻转。

6.一种基于权利要求1所述飞边切割系统的用于风力发电机组叶片的飞边切割方法，其特征在于，所述飞边切割方法包括以下步骤：

采集与风电叶片相关的图像数据；

利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据；

根据计算出的飞边切割线的第一位置数据来执行飞边切割；

其中，利用计算机视觉算法从采集的与风电叶片相关的图像数据中识别出预先画在风电叶片上的飞边切割线，并计算出飞边切割线的第一位置数据的步骤包括：对采集的与风电叶片相关的图像数据进行二值化处理，然后利用预设霍夫变换算法从二值化图像中识别出预先画在风电叶片上的飞边切割线，得到飞边切割线的第一位置数据；

其中，所述方法还包括：利用激光探头根据计算出的飞边切割线的第一位置数据向风电叶片发射激光射线；利用视觉传感器采集激光探头向风电叶片发射激光射线形成的激光射线轨迹的图像数据；将采集的具有激光射线轨迹的图像数据和采集的预先画在风电叶片上的飞边切割线的图像数据进行比较；利用切割夹具仅当采集的具有激光射线轨迹的图像数据和预先画在风电叶片上的飞边切割线的图像数据一致时执行飞边切割。

7.如权利要求6所述的飞边切割方法，其特征在于，所述采集与风电叶片相关的图像数据的步骤通过激光雷达和视觉传感器采集与风电叶片相关的图像数据，其中，激光雷达扫描风电叶片的整体轮廓，视觉传感器采集预先画在风电叶片上的飞边切割线的图像数据。

8.如权利要求6所述的飞边切割方法，其特征在于，所述执行飞边切割是根据风电叶片的长度和工业机器人的作业半径将风电叶片分成两段以及两段以上进行分段飞边切割。

Images