CN111984025A - 一种风电机组叶片无人机路径规划方法 - Google Patents

一种风电机组叶片无人机路径规划方法 Download PDF

Info

Publication number
CN111984025A
CN111984025A CN201910432841.2A CN201910432841A CN111984025A CN 111984025 A CN111984025 A CN 111984025A CN 201910432841 A CN201910432841 A CN 201910432841A CN 111984025 A CN111984025 A CN 111984025A
Authority
CN
China
Prior art keywords
blade
point
unmanned aerial
aerial vehicle
wind turbine
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.)
Pending
Application number
CN201910432841.2A
Other languages
English (en)
Inventor
刘月娥
李峥嵘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201910432841.2A priority Critical patent/CN111984025A/zh
Publication of CN111984025A publication Critical patent/CN111984025A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10Simultaneous control of position or course in three dimensions
    • G05D1/101Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00Manipulating 3D models or images for computer graphics
    • G06T19/003Navigation within 3D models or images
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供了一种风电机组叶片无人机路径规划方法,该风电机组叶片无人机路径规划方法通过获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标,并基于该地理三维坐标和预设空间几何关系,建立和规划关于该无人机的全局飞行路线,再在该全局飞行路线规划完成和该无人机起飞后,对该无人机的实时飞行路径进行局部飞行线路的规划,最后基于该局部飞行线路的规划结果,对该无人机的飞行线路进行实时更新处理。

Description

一种风电机组叶片无人机路径规划方法
技术领域
本发明涉及风力发电监控方法的技术领域,特别涉及一种风电机组叶片无人机路径规划方法。
背景技术
随着无人机的发展,无人机应用在军事领域、农业生产、环境监测、搜救、跟踪、通信中继等方面。无人机之所以能够被广泛的应用到各行各业中,主要是因为无人机结构简单,造价低廉,和有人驾驶飞机相比安全,并能够完成有人驾驶飞机无法完成的任务。无人机路径规划是无人机在飞行过程中,要以任务的需求为依据进行寻找路径的一种方法。而无人机路径规划的目的就是在保证安全的前提下,无人机根据自身的性能和任务不同,在规定的时间内找到最短的路径并使威胁代价最小,并完成认定的任务。从时间上来划分,无人机路径规划分为预先的全局规划和局部的实时规划。预先全局规划主要是在无人机起飞之前,有地面控制台结合任务的需求以及无人机自身性能和地理环境等因素进行的全局规划;局部实时规划是指无人机在飞行过程中,需要根据环境因素、任务动态变化或出现的新威胁,对原来已经规划好的路径进行及时调整,保证无人机可以安全顺利完成任务。
随着无人机在风电方面的广泛应用,无人机自动叶片巡检技术的研究成为该领域的热门话题。而要实现无人机的自动巡检的任务,则需要实现无人机的飞行路线的设计,以及无人机自主定位,路径规划的能力。风电机组的叶片是将风能转化为电能的重要零件之一,但是在风机发电过程中由于环境多变性等因素,表面可能会产生砂眼,裂纹,剥皮等常见缺陷,其缺陷会严重影响风力发电的效率与安全。目前,使用无人机对风电机组的叶片进行巡检的路径规划中,并没有能够规划处完整有序的路径来对叶片进行全面的影像拍摄,这就导致无人机在巡检过程中可能存在由于路径规划不当而导致的对叶片部分区域遗漏拍摄的情况,这不利于对叶片状态的有效监控。
发明内容
针对现有技术存在的缺陷,本发明提供一种风电机组叶片无人机路径规划方法,该风电机组叶片无人机路径规划方法通过获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标,并基于该地理三维坐标和预设空间几何关系,建立和规划关于该无人机的全局飞行路线,再在该全局飞行路线规划完成和该无人机起飞后,对该无人机的实时飞行路径进行局部飞行线路的规划,最后基于该局部飞行线路的规划结果,对该无人机的飞行线路进行实时更新处理。该风电机组叶片无人机路径规划方法是采用影像视觉的方式获取风电机组叶片的叶尖以及叶片中心转轴地理三维坐标,构建预先全局规划;然后起飞后根据二维激光雷达进行局部路径的修正,以完成无人机自主巡检的任务,其能够实现迎风面、背风面、前缘、后缘之间任务点的衔接;通过该风电机组叶片无人机路径规划方法能够有效地减少人工预先全局规划的工作,实现全自动路径规划的功能,对实现风机自动巡检任务起着积极的作用。
本发明提供一种风电机组叶片无人机路径规划方法,其特征在于,所述风电机组叶片无人机路径规划方法包括如下步骤:
步骤(1),获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标;
步骤(2),基于所述地理三维坐标和预设空间几何关系,建立和规划关于所述无人机的全局飞行路线;
步骤(3),在所述全局飞行路线规划完成和所述无人机起飞后,对所述无人机的实时飞行路径进行局部飞行线路的规划;
步骤(4),基于所述局部飞行线路的规划结果,对所述无人机的飞行线路进行实时更新处理;
进一步,在所述步骤(1)中,获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标具体包括,
步骤(101),获取关于所述风电机组的原始图像,并对所述图像进行预处理;
步骤(102),基于Mask R-CNN神经网络识别模型,对经过所述预处理的所述原始图像进行识别处理,以此获得关于所述叶片和所述叶尖的结构信息;
步骤(103),基于所述叶片和所述叶尖的结构信息,快速提取所述叶片和所述叶尖的特征信息,同时通过PnP模型计算得到所述叶尖和所述叶片中心转轴的地理三维坐标;
进一步,在所述步骤(101)中,获取关于所述风电机组的原始图像,并对所述图像进行预处理具体包括,
步骤(1011),获取若干关于所述风电机组的原始图像,并通过预设图像解算模型计算获得若干关于所述风电机组的原始图像中的每一个对应的图像边缘清晰度系数;
步骤(1012),基于计算获得的所有图像边缘清晰度系数,确定其中一幅原始图像作为执行所述预处理的目标图像,其中,所述预处理至少包括高斯滤波降噪处理或者卡尔曼滤波降噪处理;
或者,
在所述步骤(102)中,基于Mask R-CNN神经网络识别模型,对经过所述预处理的所述原始图像进行识别处理,以此获得关于所述叶片和所述叶尖的结构信息具体包括,
步骤(1021),通过所述Mask R-CNN神经网络识别模型,获得所述原始图像中存在的叶片和叶尖的边缘轮廓信息和/或者颜色信息;
步骤(1022),通过所述Mask R-CNN神经网络识别模型,对所述边缘轮廓信息和/或者颜色信息进行运算处理,以此得到关于所述叶片和所述叶尖的结构信息,其中,所述结构信息至少包括所述叶片和所述叶尖的形状信息和/或尺寸信息;
进一步,在所述步骤(2)中,基于所述地理三维坐标和预设空间几何关系,建立和规划关于所述无人机的全局飞行路线具体包括,
步骤(201),将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标;
步骤(202),根据关于所述叶尖的直角空间坐标,计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息;
步骤(203),将关于所述叶片的不同结构部位对应的直角空间坐标信息,变换回地理三维坐标空间对应的地理三维坐标信息;
步骤(204),根据关于所述叶片的不同结构部位对应的地理三维坐标信息,建立和规划关于所述无人机的全局飞行路线;
进一步,在所述步骤(201)中,将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标具体包括,
步骤(2011),通过下面公式(1)和(2)计算获得卯酉圈曲率半径N
Figure BDA0002069575220000041
Figure BDA0002069575220000042
在上述公式(1)和(2)中,N为卯酉圈曲率半径,a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值,e为中间参量,B为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值;
步骤(2012),通过下面公式(3)来实现将所述地理三维坐标变换为所述直角空间坐标
Figure BDA0002069575220000043
在上述公式(3)中,X、Y、Z为所述直角空间坐标,B、L、H分别为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值,N为卯酉圈曲率半径;
进一步,在所述步骤(202)中,根据关于所述叶尖的直角坐标空间,计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息具体包括,
步骤(2021),根据关于所述叶尖的直角空间坐标,计算获得所述叶片所在平面的法向向量
Figure BDA0002069575220000051
并根据所述法向向量
Figure BDA0002069575220000052
判断偏离所述叶片的任意点O′究竟属于所述叶片的前缘点还是后缘点;
步骤(2022),根据关于所述叶尖的直角空间坐标,判断偏离所述叶片的任意直线究竟位于所述叶片的迎风面还是背风面;
步骤(2023),根据上述步骤(2021)和步骤(2022)各自的判断结果,得到关于所述叶片的不同结构部位对应的直角空间坐标信息;
进一步,在所述步骤(2021)中,根据关于所述叶尖的直角空间坐标,计算获得所述叶片所在平面的法向向量
Figure BDA0002069575220000053
并根据所述法向向量
Figure BDA0002069575220000054
判断偏离所述叶片的任意点O′究竟属于所述叶片的前缘点还是后缘点具体包括,
步骤(20211),根据下面公式(4)计算获得所述法向向量
Figure BDA0002069575220000055
Figure BDA0002069575220000056
在上述公式(4)中,点O为所述叶片转轴的中心点,点A和点C分别为任意两个叶尖位置处对应的点,
Figure BDA0002069575220000057
为点O与点A之间对应的向量,
Figure BDA0002069575220000058
为点O与点C之间对应的向量,(m,n,p)为法向向量
Figure BDA0002069575220000059
对应的坐标表示;
步骤(20212),构建关于所述点O和点O′所在直线的方程公式(5)
Figure BDA00020695752200000510
在上述公式(5)中,(Xo,Yo,Zo)为点O′对应的坐标,
并且,构建点O与点O′之间的距离计算公式(6)
(Xo′-Xo)2+(Yo′-Yo)2+(Zo′-Zo)2=D2 (6)
在上述公式(6)中,(Xo,Yo,Zo)为点O′对应的坐标,(Xo′,Yo′,Zo′)为点O对应的坐标,D为点O′偏离所述叶片的距离且其为已知值;
步骤(20213),联立上述公式(5)和(6),计算得到所述点O′的坐标值,再构建点O′与点O之间对应的向量
Figure BDA00020695752200000511
步骤(20214),根据向量
Figure BDA0002069575220000061
与法向向量之间的向量方向
Figure BDA0002069575220000062
判断偏离所述点O′究竟属于所述叶片的前缘点还是后缘点;
进一步,在所述步骤(2022)中,根据关于所述叶尖的直角空间坐标,判断偏离所述叶片的任意直线究竟位于所述叶片的迎风面还是背风面具体包括,
步骤(20221),确定与直线OC相距已知距离d且相互平行的直线O′C′,其中,直线OC为经过点O和点C的直线,点O为所述叶片转轴的中心点,点C为任意一个叶尖位置处对应的点,直线O′C′为经过点O′与点C′的直线;
步骤(20222),基于直线OC与直线O′B′相距距离d、直线OC与直线O′C′相互平行、以及直线O′C′位于所述叶片所在平面这三个条件,构造相应的联立方程,再求解所述联立方程,得到点O′与点C′各自的坐标,;
步骤(20223),根据点C′的坐标,判断所述直线O′C′究竟位于所述叶片的迎风面还是背风面;
进一步,在所述步骤(203)中,将关于所述叶片的不同结构部位对应的直角空间坐标信息,变换回地理三维坐标空间对应的地理三维坐标信息具体包括,
步骤(2031),确定所述直角空间坐标信息包括直角空间坐标(X,Y,Z),以及确定所述地理三维坐标信息包括地理三维坐标(B,L,H),其中,B、L、H分别为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值;
步骤(2032),根据下面公式(7),计算获得所述地理三维坐标(B,L,H)中的B对应的初始值
Figure BDA0002069575220000063
步骤(2033),利用上述步骤(2032)计算得到的B的初始值以及所述直角空间坐标(X,Y,Z),根据下面公式(8)-(9)计算得到L、H的最终值
Figure BDA0002069575220000064
Figure BDA0002069575220000065
在上述公式(8)-(9)中,N为卯酉圈曲率半径,,e为中间参量且
Figure BDA0002069575220000071
a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值;
步骤(2034),利用上述步骤(2033)计算得到的L和H的最终值以及所述直角空间坐标(X,Y,Z),根据下面公式(10)计算得到B的最终值
Figure BDA0002069575220000072
在上述公式(10)中,N为卯酉圈曲率半径,,e为中间参量且
Figure BDA0002069575220000073
a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值;
进一步,在所述步骤(2)中,基于所述地理三维坐标和预设空间几何关系,建立和规划关于所述无人机的全局飞行路线还具体包括,
根据计算获得的关于所述叶片的前缘、后缘、迎风面和背风面,以最低处的叶尖对应的前缘的迎风面开始构建一环形巡检路线,以作为所述全局飞行路线;
或者,
在所述步骤(3)中,对所述无人机的实时飞行路径进行局部飞行线路的规划具体包括
步骤(301),通过二维激光雷达获取所述无人机与叶片之间的距离信息、所述无人机与叶片之间的角度信息以及所述无人机的位置姿态信息;
步骤(302),根据所述距离信息、所述角度信息和所述位置姿态信息,实时确定所述叶片的三维坐标信息;
步骤(303),根据所述叶片的三维坐标信息,对所述无人机的实时飞行路径进行局部飞行线路的规划。
相比于现有技术,该风电机组叶片无人机路径规划方法通过获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标,并基于该地理三维坐标和预设空间几何关系,建立和规划关于该无人机的全局飞行路线,再在该全局飞行路线规划完成和该无人机起飞后,对该无人机的实时飞行路径进行局部飞行线路的规划,最后基于该局部飞行线路的规划结果,对该无人机的飞行线路进行实时更新处理。该风电机组叶片无人机路径规划方法是采用影像视觉的方式获取风电机组叶片的叶尖以及叶片中心转轴地理三维坐标,构建预先全局规划;然后起飞后根据二维激光雷达进行局部路径的修正,以完成无人机自主巡检的任务,其能够实现迎风面、背风面、前缘、后缘之间任务点的衔接;通过该风电机组叶片无人机路径规划方法能够有效地减少人工预先全局规划的工作,实现全自动路径规划的功能,对实现风机自动巡检任务起着积极的作用。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种风电机组叶片无人机路径规划方法的流程示意图。
图2为本发明提供的一种风电机组叶片无人机路径规划方法中无人机飞行路径的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,为本发明实施例提供的一种风电机组叶片无人机路径规划方法的流程示意图。该风电机组叶片无人机路径规划方法包括如下步骤:
步骤(1),获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标。
优选地,在该步骤(1)中,获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标具体包括,
步骤(101),获取关于该风电机组的原始图像,并对该图像进行预处理;
步骤(102),基于Mask R-CNN神经网络识别模型,对经过该预处理的该原始图像进行识别处理,以此获得关于该叶片和该叶尖的结构信息;
步骤(103),基于该叶片和该叶尖的结构信息,快速提取该叶片和该叶尖的特征信息,同时通过PnP模型计算得到该叶尖和该叶片中心转轴的地理三维坐标。
优选地,在该步骤(101)中,获取关于该风电机组的原始图像,并对该图像进行预处理具体包括,
步骤(1011),获取若干关于该风电机组的原始图像,并通过预设图像解算模型计算获得若干关于该风电机组的原始图像中的每一个对应的图像边缘清晰度系数;
步骤(1012),基于计算获得的所有图像边缘清晰度系数,确定其中一幅原始图像作为执行该预处理的目标图像,其中,该预处理至少包括高斯滤波降噪处理或者卡尔曼滤波降噪处理。
步骤(2),基于该地理三维坐标和预设空间几何关系,建立和规划关于该无人机的全局飞行路线。
优选地,在该步骤(2)中,基于该地理三维坐标和预设空间几何关系,建立和规划关于该无人机的全局飞行路线具体包括,
步骤(201),将关于该叶尖和叶片中心转轴的地理三维坐标变换为关于该叶尖的直角空间坐标;
步骤(202),根据关于该叶尖的直角空间坐标,计算获得关于该叶片的不同结构部位对应的直角空间坐标信息;
步骤(203),将关于该叶片的不同结构部位对应的直角空间坐标信息,变换回地理三维坐标空间对应的地理三维坐标信息;
步骤(204),根据关于该叶片的不同结构部位对应的地理三维坐标信息,建立和规划关于该无人机的全局飞行路线。
优选地,在该步骤(201)中,将关于该叶尖和叶片中心转轴的地理三维坐标变换为关于该叶尖的直角空间坐标具体包括,
步骤(2011),通过下面公式(1)和(2)计算获得卯酉圈曲率半径N
Figure BDA0002069575220000101
Figure BDA0002069575220000102
在上述公式(1)和(2)中,N为卯酉圈曲率半径,a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值,e为中间参量,B为该叶尖或者该叶片中心转轴在地理三维空间中各自对应的纬度值;
步骤(2012),通过下面公式(3)来实现将该地理三维坐标变换为该直角空间坐标
Figure BDA0002069575220000103
在上述公式(3)中,X、Y、Z为该直角空间坐标,B、L、H分别为该叶尖或者该叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值,N为卯酉圈曲率半径。
优选地,在该步骤(202)中,根据关于该叶尖的直角坐标空间,计算获得关于该叶片的不同结构部位对应的直角空间坐标信息具体包括,
步骤(2021),根据关于该叶尖的直角空间坐标,计算获得该叶片所在平面的法向向量
Figure BDA0002069575220000104
并根据该法向向量
Figure BDA0002069575220000105
判断偏离该叶片的任意点O′究竟属于该叶片的前缘点还是后缘点;
步骤(2022),根据关于该叶尖的直角空间坐标,判断偏离该叶片的任意直线究竟位于该叶片的迎风面还是背风面;
步骤(2023),根据上述步骤(2021)和步骤(2022)各自的判断结果,得到关于该叶片的不同结构部位对应的直角空间坐标信息。
优选地,在该步骤(2021)中,根据关于该叶尖的直角空间坐标,计算获得该叶片所在平面的法向向量
Figure BDA0002069575220000111
并根据该法向向量
Figure BDA0002069575220000112
判断偏离该叶片的任意点O′究竟属于该叶片的前缘点还是后缘点具体包括,
步骤(20211),根据下面公式(4)计算获得该法向向量
Figure BDA0002069575220000113
Figure BDA0002069575220000114
在上述公式(4)中,点O为该叶片转轴的中心点,点A和点C分别为任意两个叶尖位置处对应的点,
Figure BDA0002069575220000115
为点O与点A之间对应的向量,
Figure BDA0002069575220000116
为点O与点C之间对应的向量,(m,n,p)为法向向量
Figure BDA0002069575220000117
对应的坐标表示;
步骤(20212),构建关于该点O和点O′所在直线的方程公式(5)
Figure BDA0002069575220000118
在上述公式(5)中,(Xo,Yo,Zo)为点O′对应的坐标,
并且,构建点O与点O′之间的距离计算公式(6)
(Xo′-Xo)2+(Yo′-Yo)2+(Zo′-Zo)2=D2 (6)
在上述公式(6)中,(Xo,Yo,Zo)为点O′对应的坐标,(Xo′,Yo′,Zo′)为点O对应的坐标,D为点O′偏离该叶片的距离且其为已知值;
步骤(20213),联立上述公式(5)和(6),计算得到该点O′的坐标值,再构建点O′与点O之间对应的向量
Figure BDA0002069575220000119
步骤(20214),根据向量
Figure BDA00020695752200001110
与法向向量之间的向量方向
Figure BDA00020695752200001111
判断偏离该点O′究竟属于该叶片的前缘点还是后缘点。
优选地,在该步骤(2022)中,根据关于该叶尖的直角空间坐标,判断偏离该叶片的任意直线究竟位于该叶片的迎风面还是背风面具体包括,
步骤(20221),确定与直线OC相距已知距离d且相互平行的直线O′C′,其中,直线OC为经过点O和点C的直线,点O为该叶片转轴的中心点,点C为任意一个叶尖位置处对应的点,直线O′C′为经过点O′与点C′的直线;
步骤(20222),基于直线OC与直线O′B′相距距离d、直线OC与直线O′C′相互平行、以及直线O′C′位于该叶片所在平面这三个条件,构造相应的联立方程,再求解该联立方程,得到点O′与点C′各自的坐标,;
步骤(20223),根据点C′的坐标,判断该直线O′C′究竟位于该叶片的迎风面还是背风面。
优选地,在该步骤(203)中,将关于该叶片的不同结构部位对应的直角空间坐标信息,变换回地理三维坐标空间对应的地理三维坐标信息具体包括,
步骤(2031),确定该直角空间坐标信息包括直角空间坐标(X,Y,Z),以及确定该地理三维坐标信息包括地理三维坐标(B,L,H),其中,B、L、H分别为该叶尖或者该叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值;
步骤(2032),根据下面公式(7),计算获得该地理三维坐标(B,L,H)中的B对应的初始值
Figure BDA0002069575220000121
步骤(2033),利用上述步骤(2032)计算得到的B的初始值以及该直角空间坐标(X,Y,Z),根据下面公式(8)-(9)计算得到L、H的最终值
Figure BDA0002069575220000122
Figure BDA0002069575220000123
在上述公式(8)-(9)中,N为卯酉圈曲率半径,,e为中间参量且
Figure BDA0002069575220000124
a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值;
步骤(2034),利用上述步骤(2033)计算得到的L和H的最终值以及该直角空间坐标(X,Y,Z),根据下面公式(10)计算得到B的最终值
Figure BDA0002069575220000125
在上述公式(10)中,N为卯酉圈曲率半径,,e为中间参量且
Figure BDA0002069575220000131
a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值。
优选地,在该步骤(2)中,基于该地理三维坐标和预设空间几何关系,建立和规划关于该无人机的全局飞行路线还具体包括,
根据计算获得的关于该叶片的前缘、后缘、迎风面和背风面,以最低处的叶尖对应的前缘的迎风面开始构建一环形巡检路线,以作为该全局飞行路线;
步骤(3),在该全局飞行路线规划完成和该无人机起飞后,对该无人机的实时飞行路径进行局部飞行线路的规划。
优选地,在该步骤(3)中,对该无人机的实时飞行路径进行局部飞行线路的规划具体包括
步骤(301),通过二维激光雷达获取该无人机与叶片之间的距离信息、该无人机与叶片之间的角度信息以及该无人机的位置姿态信息;
步骤(302),根据该距离信息、该角度信息和该位置姿态信息,实时确定该叶片的三维坐标信息;
步骤(303),根据该叶片的三维坐标信息,对该无人机的实时飞行路径进行局部飞行线路的规划。
步骤(4),基于该局部飞行线路的规划结果,对该无人机的飞行线路进行实时更新处理。
从上述实施例可以看出,该风电机组叶片无人机路径规划方法通过获取关于该风电机组中叶尖和叶片中心转轴的地理三维坐标,并基于该地理三维坐标和预设空间几何关系,建立和规划关于该无人机的全局飞行路线,再在该全局飞行路线规划完成和该无人机起飞后,对该无人机的实时飞行路径进行局部飞行线路的规划,最后基于该局部飞行线路的规划结果,对该无人机的飞行线路进行实时更新处理。该风电机组叶片无人机路径规划方法是采用影像视觉的方式获取风电机组叶片的叶尖以及叶片中心转轴地理三维坐标,构建预先全局规划;然后起飞后根据二维激光雷达进行局部路径的修正,以完成无人机自主巡检的任务,其能够实现迎风面、背风面、前缘、后缘之间任务点的衔接;通过该风电机组叶片无人机路径规划方法能够有效地减少人工预先全局规划的工作,实现全自动路径规划的功能,对实现风机自动巡检任务起着积极的作用。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种风电机组叶片无人机路径规划方法,其特征在于,所述风电机组叶片无人机路径规划方法包括如下步骤:
步骤(1),获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标;
步骤(2),基于所述地理三维坐标和预设空间几何关系,建立和规划关于所述无人机的全局飞行路线;
步骤(3),在所述全局飞行路线规划完成和所述无人机起飞后,对所述无人机的实时飞行路径进行局部飞行线路的规划;
步骤(4),基于所述局部飞行线路的规划结果,对所述无人机的飞行线路进行实时更新处理。
2.如权利要求1所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(1)中,获取关于所述风电机组中叶尖和叶片中心转轴的地理三维坐标具体包括,
步骤(101),获取关于所述风电机组的原始图像,并对所述图像进行预处理;
步骤(102),基于Mask R-CNN神经网络识别模型,对经过所述预处理的所述原始图像进行识别处理,以此获得关于所述叶片和所述叶尖的结构信息;
步骤(103),基于所述叶片和所述叶尖的结构信息,快速提取所述叶片和所述叶尖的特征信息,同时通过PnP模型计算得到所述叶尖和所述叶片中心转轴的地理三维坐标。
3.如权利要求2所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(101)中,获取关于所述风电机组的原始图像,并对所述图像进行预处理具体包括,
步骤(1011),获取若干关于所述风电机组的原始图像,并通过预设图像解算模型计算获得若干关于所述风电机组的原始图像中的每一个对应的图像边缘清晰度系数;
步骤(1012),基于计算获得的所有图像边缘清晰度系数,确定其中一幅原始图像作为执行所述预处理的目标图像,其中,所述预处理至少包括高斯滤波降噪处理或者卡尔曼滤波降噪处理;
或者,
在所述步骤(102)中,基于Mask R-CNN神经网络识别模型,对经过所述预处理的所述原始图像进行识别处理,以此获得关于所述叶片和所述叶尖的结构信息具体包括,
步骤(1021),通过所述Mask R-CNN神经网络识别模型,获得所述原始图像中存在的叶片和叶尖的边缘轮廓信息和/或者颜色信息;
步骤(1022),通过所述Mask R-CNN神经网络识别模型,对所述边缘轮廓信息和/或者颜色信息进行运算处理,以此得到关于所述叶片和所述叶尖的结构信息,其中,所述结构信息至少包括所述叶片和所述叶尖的形状信息和/或尺寸信息。
4.如权利要求1所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(2)中,基于所述地理三维坐标和预设空间几何关系,建立和规划关于所述无人机的全局飞行路线具体包括,
步骤(201),将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标;
步骤(202),根据关于所述叶尖的直角空间坐标,计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息;
步骤(203),将关于所述叶片的不同结构部位对应的直角空间坐标信息,变换回地理三维坐标空间对应的地理三维坐标信息;
步骤(204),根据关于所述叶片的不同结构部位对应的地理三维坐标信息,建立和规划关于所述无人机的全局飞行路线。
5.如权利要求4所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(201)中,将关于所述叶尖和叶片中心转轴的地理三维坐标变换为关于所述叶尖的直角空间坐标具体包括,
步骤(2011),通过下面公式(1)和(2)计算获得卯酉圈曲率半径N
Figure FDA0002069575210000031
Figure FDA0002069575210000032
在上述公式(1)和(2)中,N为卯酉圈曲率半径,a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值,e为中间参量,B为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值;
步骤(2012),通过下面公式(3)来实现将所述地理三维坐标变换为所述直角空间坐标
Figure FDA0002069575210000033
在上述公式(3)中,X、Y、Z为所述直角空间坐标,B、L、H分别为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值,N为卯酉圈曲率半径。
6.如权利要求4所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(202)中,根据关于所述叶尖的直角坐标空间,计算获得关于所述叶片的不同结构部位对应的直角空间坐标信息具体包括,步骤(2021),根据关于所述叶尖的直角空间坐标,计算获得所述叶片所在平面的法向向量
Figure FDA0002069575210000034
并根据所述法向向量
Figure FDA0002069575210000035
判断偏离所述叶片的任意点O′究竟属于所述叶片的前缘点还是后缘点;
步骤(2022),根据关于所述叶尖的直角空间坐标,判断偏离所述叶片的任意直线究竟位于所述叶片的迎风面还是背风面;
步骤(2023),根据上述步骤(2021)和步骤(2022)各自的判断结果,得到关于所述叶片的不同结构部位对应的直角空间坐标信息。
7.如权利要求6所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(2021)中,根据关于所述叶尖的直角空间坐标,计算获得所述叶片所在平面的法向向量
Figure FDA0002069575210000041
并根据所述法向向量
Figure FDA0002069575210000042
判断偏离所述叶片的任意点O′究竟属于所述叶片的前缘点还是后缘点具体包括,步骤(20211),根据下面公式(4)计算获得所述法向向量
Figure FDA0002069575210000043
Figure FDA0002069575210000044
在上述公式(4)中,点O为所述叶片转轴的中心点,点A和点C分别为任意两个叶尖位置处对应的点,
Figure FDA0002069575210000045
为点O与点A之间对应的向量,
Figure FDA0002069575210000046
为点O与点C之间对应的向量,(m,n,p)为法向向量
Figure FDA0002069575210000047
对应的坐标表示;
步骤(20212),构建关于所述点O和点O′所在直线的方程公式(5)
Figure FDA0002069575210000048
在上述公式(5)中,(Xo,Yo,Zo)为点O′对应的坐标,
并且,构建点O与点O′之间的距离计算公式(6)
(Xo′-Xo)2+(Yo′-Yo)2+(Zo′-Zo)2=D2 (6)
在上述公式(6)中,(Xo,Yo,Zo)为点O′对应的坐标,(Xo',Yo′,Zo′)为点O对应的坐标,D为点O′偏离所述叶片的距离且其为已知值;
步骤(20213),联立上述公式(5)和(6),计算得到所述点O′的坐标值,再构建点O′与点O之间对应的向量
Figure FDA0002069575210000049
步骤(20214),根据向量
Figure FDA00020695752100000410
与法向向量之间的向量方向
Figure FDA00020695752100000411
判断偏离所述点O′究竟属于所述叶片的前缘点还是后缘点。
8.如权利要求6所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(2022)中,根据关于所述叶尖的直角空间坐标,判断偏离所述叶片的任意直线究竟位于所述叶片的迎风面还是背风面具体包括,步骤(20221),确定与直线OC相距已知距离d且相互平行的直线O′C′,其中,直线OC为经过点O和点C的直线,点O为所述叶片转轴的中心点,点C为任意一个叶尖位置处对应的点,直线O′C′为经过点O′与点C′的直线;
步骤(20222),基于直线OC与直线O′B′相距距离d、直线OC与直线O′C′相互平行、以及直线O′C′位于所述叶片所在平面这三个条件,构造相应的联立方程,再求解所述联立方程,得到点O′与点C′各自的坐标,;
步骤(20223),根据点C′的坐标,判断所述直线O′C′究竟位于所述叶片的迎风面还是背风面。
9.如权利要求4所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(203)中,将关于所述叶片的不同结构部位对应的直角空间坐标信息,变换回地理三维坐标空间对应的地理三维坐标信息具体包括,
步骤(2031),确定所述直角空间坐标信息包括直角空间坐标(X,Y,Z),以及确定所述地理三维坐标信息包括地理三维坐标(B,L,H),其中,B、L、H分别为所述叶尖或者所述叶片中心转轴在地理三维空间中各自对应的纬度值、经度值和高程值;
步骤(2032),根据下面公式(7),计算获得所述地理三维坐标(B,L,H)中的B对应的初始值
Figure FDA0002069575210000051
步骤(2033),利用上述步骤(2032)计算得到的B的初始值以及所述直角空间坐标(X,Y,Z),根据下面公式(8)-(9)计算得到L、H的最终值
Figure FDA0002069575210000061
Figure FDA0002069575210000062
在上述公式(8)-(9)中,N为卯酉圈曲率半径,,e为中间参量且
Figure FDA0002069575210000063
a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值;
步骤(2034),利用上述步骤(2033)计算得到的L和H的最终值以及所述直角空间坐标(X,Y,Z),根据下面公式(10)计算得到B的最终值
Figure FDA0002069575210000064
在上述公式(10)中,N为卯酉圈曲率半径,,e为中间参量且
Figure FDA0002069575210000065
a为地球椭圆的长半轴长度值,b为地球椭圆的短半轴长度值。
10.如权利要求1所述的风电机组叶片无人机路径规划方法,其特征在于:在所述步骤(2)中,基于所述地理三维坐标和预设空间几何关系,建立和规划关于所述无人机的全局飞行路线还具体包括,
根据计算获得的关于所述叶片的前缘、后缘、迎风面和背风面,以最低处的叶尖对应的前缘的迎风面开始构建一环形巡检路线,以作为所述全局飞行路线;
或者,
在所述步骤(3)中,对所述无人机的实时飞行路径进行局部飞行线路的规划具体包括
步骤(301),通过二维激光雷达获取所述无人机与叶片之间的距离信息、所述无人机与叶片之间的角度信息以及所述无人机的位置姿态信息;
步骤(302),根据所述距离信息、所述角度信息和所述位置姿态信息,实时确定所述叶片的三维坐标信息;
步骤(303),根据所述叶片的三维坐标信息,对所述无人机的实时飞行路径进行局部飞行线路的规划。
CN201910432841.2A 2019-05-23 2019-05-23 一种风电机组叶片无人机路径规划方法 Pending CN111984025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910432841.2A CN111984025A (zh) 2019-05-23 2019-05-23 一种风电机组叶片无人机路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910432841.2A CN111984025A (zh) 2019-05-23 2019-05-23 一种风电机组叶片无人机路径规划方法

Publications (1)

Publication Number Publication Date
CN111984025A true CN111984025A (zh) 2020-11-24

Family

ID=73437373

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910432841.2A Pending CN111984025A (zh) 2019-05-23 2019-05-23 一种风电机组叶片无人机路径规划方法

Country Status (1)

Country Link
CN (1) CN111984025A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113324548A (zh) * 2021-05-27 2021-08-31 南京韦博智控科技有限公司 一种风力发电机叶片巡检路径的规划方法
CN114020033A (zh) * 2021-11-25 2022-02-08 苏州热工研究院有限公司 一种基于风力发电机组叶片的无人机检测系统及方法
CN114740895A (zh) * 2022-05-18 2022-07-12 福建海电运维科技有限责任公司 一种基于无人机的风力发电机组叶片巡检路径规划方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113324548A (zh) * 2021-05-27 2021-08-31 南京韦博智控科技有限公司 一种风力发电机叶片巡检路径的规划方法
CN113324548B (zh) * 2021-05-27 2022-04-12 南京韦博智控科技有限公司 一种风力发电机叶片巡检路径的规划方法
CN114020033A (zh) * 2021-11-25 2022-02-08 苏州热工研究院有限公司 一种基于风力发电机组叶片的无人机检测系统及方法
CN114740895A (zh) * 2022-05-18 2022-07-12 福建海电运维科技有限责任公司 一种基于无人机的风力发电机组叶片巡检路径规划方法

Similar Documents

Publication Publication Date Title
CN110554704B (zh) 一种基于无人机的风机叶片自主巡检方法
CN110879601B (zh) 一种对于未知风机结构的无人机巡检方法
CN106762451A (zh) 基于无人机的风机叶片损伤检测方法、装置及系统
CN111984025A (zh) 一种风电机组叶片无人机路径规划方法
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
CN110282143B (zh) 一种海上风电场无人机巡检方法
CN113485453A (zh) 一种海上无人机巡检飞行路径生成方法、装置及无人机
CN110727288A (zh) 一种基于点云的电力巡检精准三维航线规划方法
CN112904877A (zh) 一种基于无人机的风机叶片自动巡检系统及方法
CN105157488B (zh) 基于无人机的导弹攻击航路规划方法
CN112068539A (zh) 一种风电机组叶片无人机自动驾驶巡检方法
CN105549614A (zh) 无人机目标跟踪方法
CN113324548B (zh) 一种风力发电机叶片巡检路径的规划方法
CN108869196B (zh) 通过无人机对风机后侧叶根区域检测方法及系统
CN113187671B (zh) 一种应用无人机进行风轮偏航角的确定方法
CN115145314B (zh) 基于无人机的风机叶片巡检路径规划方法
CN111244822B (zh) 一种复杂地理环境的固定翼无人机巡线方法、系统和装置
CN114740895A (zh) 一种基于无人机的风力发电机组叶片巡检路径规划方法
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
CN110825098B (zh) 一种无人机配电网智能巡检系统
CN114895711A (zh) 一种面向风机叶片巡检的无人机自动航迹线规划方法
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
CN114442665B (zh) 基于无人机的风电叶片巡检线路规划方法
CN113885573A (zh) 基于三维模型和北斗cors差分定位的无人机自主巡检方法
CN117631694A (zh) 一种风电机组无人机巡检路径规划方法及系统装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201124

WD01 Invention patent application deemed withdrawn after publication