CN110282143B - 一种海上风电场无人机巡检方法 - Google Patents

Abstract

本发明公开了一种海上风电场无人机巡检方法，包括：在海上升压站屋顶部署自动机场，通过网络远程控制无人机全自动起降、更换电池和任务作业；控制搭载可变焦摄像头和激光雷达的无人机从所述自动机场起飞，对风机和海上升压站附近海域进行全自主路径规划与图像拍摄；获取所述无人机拍摄的风机叶片和海域的图像，通过深度学习算法对图像进行故障分析处理，识别风机裂缝和海上船只；本发明通过海上风电场无人机巡检，及时高效地对海上风电场海域以及风机进行巡检，提高海上风电场的智能化，有效地减低运营维护成本，确定海上风电场的安全、可靠运行。

Description

一种海上风电场无人机巡检方法

技术领域

本发明涉及无人机巡检领域，尤其涉及一种海上风电场无人机巡检方法。

背景技术

由于海上风电场分布广阔、海上气候环境恶劣，风电场的运行巡检工作十分困难，成本较高，难以按照陆上传统风电场的运行管理模式经营管理。风电场中的海上升压站，承担着整个电厂电能传输与分配的重任，是风电场运行管理中重要的一环。同时，风电场的风机成本高且运行环境恶劣，如何及时发现和排除风机故障，确保风机的安全可靠运行，非常重要。我国目前海上风电开发的主场，主要布置在沿海，而沿海面临宽阔的滩涂及浅水海床。运维作业受潮汐影响明显，既有台风等恶劣工况，还存在较多的江淮气旋大风、团雾、雷雨天气，又有大幅浅滩，潮间带各潮汐影响明显，通达困难，交通设备选择困难，海上维护作业有效时间短，安全风险大且缺乏大型维修装备。

海上风电场运行维护需综合考虑离岸距离、气象海况、机组故障率，维护行为、发电能力、运维经济性等因素来进行运维船的配置。一般来说较大规模的风电场采用船队形式，包括不同形式的船舶，如交通艇、专业运维船、专业运维母船、救援监护船及其他专用工程船舶。海上升压站和风机仅在内部配置了相应的摄像头，对海上升压站和风机的内部进行实时的观测。但配置的AIS接收装置，只能显示船只的实时动态，无法明确进入海上风电场内危险船只的具体行为，配置的风机桨叶传感器，无法对桨叶的细微裂缝进行识别。以使现有技术中对于海上风电场内海域和风机桨叶观测，需要派相应的运维船到场巡检，使得海上风电运维成本非常高。

发明内容

本发明提供了一种海上风电场无人机巡检方法，通过海上风电场无人机巡检，以解决现有技术无法明确进入海上风电场内危险船只的具体行为，以及无法对桨叶的细微裂缝进行识别的技术问题，从而及时高效地对海上风电场海域以及风机进行巡检，进而实现提高海上风电场的智能化，有效地减低运营维护成本，确定海上风电场的安全、可靠运行。

为了解决上述技术问题，本发明实施例提供了一种海上风电场无人机巡检方法，包括：

在海上升压站屋顶部署自动机场，通过网络远程控制无人机全自动起降、更换电池和任务作业；

控制搭载可变焦摄像头和激光雷达的无人机从所述自动机场起飞，对风机和海上升压站附近海域进行全自主路径规划与图像拍摄；

获取所述无人机拍摄的风机叶片和海域的图像，通过深度学习算法对图像进行故障分析处理，识别风机裂缝和海上船只。

作为优选方案，所述无人机进行全自主路径规划，包括：

依次判断海上升压站的天气及风力状况是否满足安全作业条件，若满足，则同时判断所述无人机电池是否有电，若无电，则控制更改电池，并对电池进行充电；

启动自动巡检程序，规划巡检路线；

无人机飞行至指定风机上方或者指定船只上方，当无人机自动升空到指定高度后，将自动上升并计算风机轮毂中心高度；

所述无人机自动巡检每一个叶片，每个叶片巡检多条路径；

航线飞行完毕之后，无人机返回海上升压站自动机场即起飞点上空，控制自动机场舱门打开，无人机自动降落，结束巡检任务。

作为优选方案，当所述无人机自动上升至轮毂中心时，确认轮毂中心与无人机位置是否有偏差，若有，则对无人机进行微调，将轮毂中心调整后，继续巡检任务。

作为优选方案，所述每个叶片巡检4条路径，单个叶片按照前缘、后缘、迎风面、背风面4个区域进行拍摄。

作为优选方案，所述对无人机获取的图像进行处理，包括：

获取无人机拍摄的分辨率为1mm*3mm的目标图像；

对所述目标图像中的单个叶片按照前缘、后缘、迎风面、背风面4个区域，通过数据处理拼接为4张整体大图；

每条路径单独拼接成一个大图，并且同时依靠大图及飞行log，定位叶片上任意损伤位置。

作为优选方案，在所述无人机对风机和海上升压站附近海域进行图像拍摄之前，还包括对风机叶片或船只进行定位导航。

作为优选方案，所述对风机叶片或船只进行定位导航，包括：

云台对无人机载荷增稳；

无人机上搭载的激光雷达对风机或船只进行测量；

相机锁定拍照目标；

无人机与风机桨叶距离10m，分别沿叶片两侧飞行；或无人机在船只上方净空10m，分别沿船身进行飞行。

作为优选方案，所述通过深度学习算法对图像进行故障分析处理，包括：

对风机叶片缺陷类型进行图像识别；

对船只抛锚、撞击风机或海上升压站基础的图像捕捉和识别；

还包括：

控制无人机进行实时视频传输和录像，进行识别故障后出具风机叶片故障别和危险船只跟踪报告。

作为优选方案，所述风机叶片缺陷类型，包括：叶片胶衣脱落、损坏、横向裂纹和油污。

作为优选方案，所述自动机场尺寸为1.55m*1.55m*1.55m，机场使用固定螺栓进行安装，现场设置3.4m×1.7m的空旷区域；现场设置220V交流电；10Mbps以上有线网络，带宽要求上下行对等；在距离自动机场距离>2米处设置自动气象站。

相比于现有技术，本发明实施例具有如下有益效果：

1，完全的现场自动化，无人机可以实现自动起降、飞行、补充能源；既解决多旋翼无人机续航时间不足，无法抵达现场作业，又免去人员前往现场作业的麻烦；

2，无人机智能自动规划飞行航迹，判别风机状态，包括风机的航向角和风叶旋转位置，解决无人机与风机、风叶初始相对坐标关系对应的问题；同时，可对海上升压站附近海域船只进行巡检，对误入海上风电场区域的危险船只进行识别。

3，无人机可以根据桨叶位置自动规划叶片巡检飞行策略，使得无人机巡检拍摄结果达到标准性和稳定性要求；

4，可以通过深度学习的方法进行实时检测，发现缺陷目标并标注，对新缺陷目标截图保存，提供人工审核功能，可以自动生成风机和海域巡检报告。

附图说明

图1：为本发明实施例中的海上风电场无人机巡检方案框架示意图；

图2：为本发明实施例中的海上风电场无人机巡检方案系统拓扑示意图。

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。

请参照图1和图2，本发明优选实施例提供了一种海上风电场无人机巡检方法，包括：在海上升压站屋顶部署自动机场，通过网络远程控制无人机全自动起降、更换电池和任务作业；控制搭载可变焦摄像头和激光雷达的无人机从所述自动机场起飞，对风机和海上升压站附近海域进行全自主路径规划与图像拍摄；获取所述无人机拍摄的风机叶片和海域的图像，通过深度学习算法对图像进行故障分析处理，识别风机裂缝和海上船只。

在本实施例中，所述无人机进行全自主路径规划，包括：依次判断海上升压站的天气及风力状况是否满足安全作业条件，若满足，则同时判断所述无人机电池是否有电，若无电，则控制更改电池，并对电池进行充电；启动自动巡检程序，规划巡检路线；无人机飞行至指定风机上方或者指定船只上方，当无人机自动升空到指定高度后，将自动上升并计算风机轮毂中心高度；所述无人机自动巡检每一个叶片，每个叶片巡检多条路径；航线飞行完毕之后，无人机返回海上升压站自动机场即起飞点上空，控制自动机场舱门打开，无人机自动降落，结束巡检任务。

在本实施例中，当所述无人机自动上升至轮毂中心时，确认轮毂中心与无人机位置是否有偏差，若有，则对无人机进行微调，将轮毂中心调整后，继续巡检任务。

在本实施例中，所述每个叶片巡检4条路径，单个叶片按照前缘、后缘、迎风面、背风面4个区域进行拍摄。

在本实施例中，所述对无人机获取的图像进行处理，包括：获取无人机拍摄的分辨率为1mm*3mm的目标图像；对所述目标图像中的单个叶片按照前缘、后缘、迎风面、背风面4个区域，通过数据处理拼接为4张整体大图；每条路径单独拼接成一个大图，并且同时依靠大图及飞行log，定位叶片上任意损伤位置。

在本实施例中，在所述无人机对风机和海上升压站附近海域进行图像拍摄之前，还包括对风机叶片或船只进行定位导航。

在本实施例中，所述对风机叶片或船只进行定位导航，包括：云台对无人机载荷增稳；无人机上搭载的激光雷达对风机或船只进行测量；相机锁定拍照目标；无人机与风机桨叶距离10m，分别沿叶片两侧飞行；或无人机在船只上方净空10m，分别沿船身进行飞行。

在本实施例中，所述通过深度学习算法对图像进行故障分析处理，包括：对风机叶片缺陷类型进行图像识别；对船只抛锚、撞击风机或海上升压站基础的图像捕捉和识别；还包括：控制无人机进行实时视频传输和录像，进行识别故障后出具风机叶片故障别和危险船只跟踪报告。

在本实施例中，所述风机叶片缺陷类型，包括：叶片胶衣脱落、损坏、横向裂纹和油污。

在本实施例中，所述自动机场尺寸为1.55m*1.55m*1.55m，机场使用固定螺栓进行安装，现场设置3.4m×1.7m的空旷区域；现场设置220V交流电；10Mbps以上有线网络，带宽要求上下行对等；在距离自动机场距离>2米处设置自动气象站。

下面结合具体实施例，对本发明进行详细说明。

(1)数据的采集

第1，无人机检查/展开：陆上集控中心的后台人员，下发指令至自动机场的无人机。无人机接到指令后，可飞到指定的风车机位，检查无人机设备状态并选取合适的起飞点展开无人机；

第2，起飞：陆上集控中心的操作人员单击地面站操作界面起飞按钮，无人机将自动起飞。

第3，作业：无人机在起飞后将在视觉计算的辅助下按照计算路径绕风车飞行并拍摄叶片外观图片，整个过程人员无需操作飞机，只需观察辅助无人机云台拍摄角度。

第4，降落：作业结束后，无人机将自动返回到可达的自动机场，并自主降落。

(2)图像的处理

第1，所拍摄照片可分辨到1mm*3mm的目标物。采集数据清晰度可达到能够辨别1mm*3mm的数据细节。为用户辨别叶片损伤提供依据。

第2，以叶片为例。单个叶片按照前缘、后缘、迎风面、背风面4个区域进行拍摄，无明显盲区。所拍摄照片后续通过数据处理可拼接为4张整体大图。采集系统设计按照每只叶片四条路径进行拍摄，以此来保证拍摄叶片的完整性。每条路径可以单独拼接成一个大图。并且同时依靠大图及飞行log，可以定位叶片上任意损伤位置。

海上风电场自动机场布设和规划方案：(1)自动机场的要求:机场尺寸为1.55m*1.55m*1.55m，机场使用固定螺栓进行安装。现场需提供3.4m×1.7m的空旷区域(自动机场舱门打开后需占用空间)；现场提供220V交流电(可由光伏供电)；10Mbps以上有线网络，带宽要求上下行对等(推荐)；在距离自动机场距离>2米处设置自动气象站；(2)无人机飞行作业时间为30分钟，单风机巡检时间为20分钟，无人机巡检具备断点续拍能力，为提高巡检覆盖范围，可将无人机作业分为4步，单步骤5分钟，无人机最大可覆盖半径为5km，考虑到缩小作业周期，最优覆盖半径为2km。

海上风机电场无人机巡检自动飞行和拍摄流程：

(1)风机停机或危险船只误闯入海上风电场：a.风机运行过程中40m长度风叶尖端，转动速度达80m/s，现有无人机性能无法跟随拍摄，同时，若风机处于高速转动状态下难以对焦，导致成像效果差，影响视频分类处理的准确率；b.停机状态或风机低速旋转时，无人机可进行跟踪拍摄。c.危险船只误闯入海上风电场，进行抛锚或者捕鱼时，无人机可进行跟踪拍摄。

(2)飞行路径规划；a.陆上集控中心后台人员进入无人机巡检操作软件；b.根据软件提示，依次确认海上升压站的天气以及风力状况是否满足安全作业条件；同时，确认自动机场的无人机的电池是否有电，若无，自动机场可自动更改电池。自动机场并可对电池进行充电；c.确认安全后，启动自动巡检程序，后端处理软件规划巡检路线；d.无人机飞行至指定风机上方或者指定船只上方。无人机自动升空到指定高度后，将自动上升并计算风机轮毂中心高度；e.当无人机自动上升至轮毂中心时，巡检系统操作者将需要在巡检无人机地面控制软件上进行确认。若软件中看到的轮毂中心，与提示框有偏差，操作者需要通过软件对无人机进行微调，将轮毂中心调整到提示框内后，继续巡检任务；f.无人机将按照前缘叶根到叶尖，后缘叶尖到叶根，迎风面背风面转换，后缘叶根到叶尖，前缘叶尖到叶根的方式自动巡检每一个叶片；每个叶片共4条路径，每台风车共12条路径；g.在每一次路径起始点，需陆上集控中心的操作者确认画面中是否可以看到叶片，若可以，则继续进行检测；若不可以，需操作者通过软件按钮微调无人机后，继续巡检任务；h.12条航线飞行完毕之后，无人机将自动返回海上升压站自动机场即起飞点上空。自动机场舱门打开，无人机自动降落，结束巡检任务。最后，自动机场舱门关闭，并更换无人机的电池。

(3)风机叶片或船只定位导航：a.云台对无人机载荷增稳；b.激光雷达对风机或船只进行测量；c.相机锁定拍照目标；d.无人机与风机桨叶距离10m，分别沿叶片两侧飞行；或无人机在船只上方净空10m，分别沿船身进行飞行。

(4)故障识别与处理：a.在系统自学习的情况下，支持风机叶片缺陷类型进行图像识别，如胶衣脱落、损坏、横向裂纹、油污等；采集数据清晰度可达到能够辨别1mm*3mm的数据细节。为辨别叶片损伤提供依据；以叶片为例，单个叶片按照前缘、后缘、迎风面、背风面4个区域进行拍摄，无明显盲区。所拍摄照片后续通过数据处理可拼接为4张整体大图；采集系统设计按照每只叶片四条路径进行拍摄，以此来保证拍摄叶片的完整性；每条路径可以单独拼接成一个大图，并且同时依靠大图及飞行log，可以定位叶片上任意损伤位置；b.支持船只抛锚、撞击风机或海上升压站基础的图像捕捉和识别；c.支持实时视频传输和录像，并可出具风机叶片故障别和危险船只跟踪报告。

海上风电场无人机巡检包括现场自动化、巡检飞行自动化和图像分析自动化的“三个自动化”。通过在海上升压站屋顶和部分风机基础平台布置自动机场，可实现无人机对整个海上风电场海域的全覆盖。自动机场与无人机即可实现风机巡检全流程的自动化。通过搭配此套无人机巡检系统，不仅可实现整个海上风电场海域自动巡逻，而且也实现海上风机叶片的故障识别。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种海上风电场无人机巡检方法，其特征在于，包括：

在海上升压站屋顶部署自动机场，通过网络远程控制无人机全自动起降、更换电池和任务作业；

控制搭载可变焦摄像头和激光雷达的无人机从所述自动机场起飞，对风机和海上升压站附近海域进行全自主路径规划与图像拍摄；

获取所述无人机拍摄的风机叶片和海域的图像，通过深度学习算法对图像进行故障分析处理，识别风机裂缝和海上船只；所述海域的图像包括船只抛锚图像和船只撞击风机图像；

其中，所述无人机进行全自主路径规划，包括：

依次判断海上升压站的天气及风力状况是否满足安全作业条件，若满足，则同时判断所述无人机电池是否有电，若无电，则控制更改电池，并对电池进行充电；

启动自动巡检程序，规划巡检路线；

无人机飞行至指定风机上方或者指定船只上方，当无人机自动升空到指定高度后，将自动上升并计算风机轮毂中心高度；

所述无人机自动巡检每一个叶片，每个叶片巡检多条路径；

航线飞行完毕之后，无人机返回海上升压站自动机场即起飞点上空，控制自动机场舱门打开，无人机自动降落，结束巡检任务；

当所述无人机自动上升至轮毂中心时，确认轮毂中心与无人机位置是否有偏差，若有，则对无人机进行微调，将轮毂中心调整后，继续巡检任务；

所述每个叶片巡检4条路径，单个叶片按照前缘、后缘、迎风面、背风面4个区域进行拍摄，具体包括：无人机将按照前缘叶根到叶尖，后缘叶尖到叶根，迎风面背风面转换，后缘叶根到叶尖，前缘叶尖到叶根的方式自动巡检每一个叶片；每台风车共巡检12条路径，在每一次路径起始点，需陆上集控中心的操作者确认画面中是否可以看到叶片，若可以，则继续进行检测；若不可以，需操作者通过软件按钮微调无人机后，继续巡检任务；

所述对无人机获取的图像进行处理，包括：

获取无人机拍摄的分辨率为1mm*3mm的目标图像；

对所述目标图像中的单个叶片按照前缘、后缘、迎风面、背风面4个区域，通过数据处理拼接为4张整体大图；

每条路径单独拼接成一个大图，并且同时依靠大图及飞行log，定位叶片上任意损伤位置。

2.如权利要求1所述的海上风电场无人机巡检方法，其特征在于，在所述无人机对风机和海上升压站附近海域进行图像拍摄之前，还包括对风机叶片或船只进行定位导航。

3.如权利要求2所述的海上风电场无人机巡检方法，其特征在于，所述对风机叶片或船只进行定位导航，包括：

云台对无人机载荷增稳；

无人机上搭载的激光雷达对风机或船只进行测量；

相机锁定拍照目标；

无人机与风机桨叶距离10m，分别沿叶片两侧飞行；或无人机在船只上方净空10m，分别沿船身进行飞行。

4.如权利要求1所述的海上风电场无人机巡检方法，其特征在于，所述通过深度学习算法对图像进行故障分析处理，包括：

对风机叶片缺陷类型进行图像识别；

对船只抛锚、撞击风机或海上升压站基础的图像捕捉和识别；

还包括：

控制无人机进行实时视频传输和录像，进行识别故障后出具风机叶片故障别和危险船只跟踪报告。

5.如权利要求4所述的海上风电场无人机巡检方法，其特征在于，所述风机叶片缺陷类型，包括：叶片胶衣脱落、损坏、横向裂纹和油污。

6.如权利要求1所述的海上风电场无人机巡检方法，其特征在于，所述自动机场尺寸为1.55m*1.55m*1.55m，机场使用固定螺栓进行安装，现场设置3.4m×1.7m的空旷区域；现场设置220V交流电；10Mbps以上有线网络，带宽要求上下行对等；在距离自动机场距离>2米处设置自动气象站。

Images