[发明专利]基于无人机及机器视觉的风电结构健康监测系统及方法

说明书

基于无人机及机器视觉的风电结构健康监测系统及方法,采用分段监测方式对风力机叶片及塔筒的图像信息进行全方位采集，利用搭载树莓派主板的无人机采集装置对采集的图像进行实时预处理，通过该实时检测系统识别风力机结构的表面缺陷与动力特性，确定风力机结构的损伤程度，在出现严重损伤时做出预警，通知人员进行维修。该实时检测系统基于深度学习神经网络，采用数据扩充技术与树莓派结合的方式，使实时检测更加有效，且该系统消除无人机漂移位移影响可提高监测结果准确性。该方法提出的实时、快速、非接触的健康监测方法，能够高效、准确的完成风力机结构的检测工作，为风力机结构的继续安全运行提供快捷、可靠的技术保障。

技术领域

本发明涉及风力机结构健康监测领域，具体涉及的是基于无人机及机器视觉的风电结构健康监测技术。

背景技术

在国家大举推广清洁能源的当下，风能作为一种清洁无公害的可再生能源，利用风力发电非常环保，且我国风能蕴量巨大，风力发电成为继火电与水电后国内第三大主力电源，风电装机规模持续增长。随着风机数量不断增多，存在的问题也逐渐显露出来，在运行过程中常常出现叶片断裂、塔筒屈曲等安全事故。而大型风力机结构检测常用采用人工检测，但人工检测不但费时耗力而且检测结果往往需要较高的工程经验。近年来随着计算机视觉技术的兴起，许多结构健康监测方法应运而生，但大多数监测方法使用设备多数为固定式相机且设有人工标志物仅适用于普通民用及桥梁结构，针对风力机这类高耸结构运维的视觉监测方法通常采用无人机作为图像信息采集的设备，但在风场这种监测条件较差的环境下，这些系统方法的应用便有了一定的局限性。如何利用无人机及视觉技术在较差的风场环境条件下实时对大型风机整体结构进行准确的全面评估的问题亟待解决。

发明内容

本发明的目的是提供一种基于无人机及机器视觉的风电结构健康监测系统及方法。

本发明是基于无人机及机器视觉的风电结构健康监测系统及方法，其结构是由无人机采集装置1、图像采集与稳像子系统2、模型训练与内嵌子系统3、整体结构评估子系统4、紧急事故预警子系统5组成的一种风电结构全面健康监测方法。所述的无人机采集装置1由无人机11、摄像头12、树莓派主板13组成；所述的图像采集与稳像子系统2由无人机位姿确认模块21、相机标定与校准模块22、分段监测模块23、巡航路线规划模块24、图像采集与检测模块25组成，用于图像采集工作；所述的模型训练与内嵌子系统3由深度学习跟踪与分割模块31、模型训练及验证模块32、树莓派内嵌程序模块33、无人机补偿位移模块34、图像拼接模块35、响应计算模块36和损伤结合计算模块37组成，用于模型训练后根据目标跟踪与图像分割的工作具体计算出结构的动力特性与表面缺陷；所述的整体结构评估子系统4由对比结构特性模块41、判断安全运行模块42、异常数据保存模块43、整体故障诊断模块44、数据整合模块45和整体损伤程度判断模块46组成，用于风力机结构的损伤判断；所述的紧急事故预警子系统5由继续运行判断模块51、预警报备模块52、事故信息上传模块53、在线系统通知模块54和风力机维修模块55组成，用于风力机不可继续运行时及时预警通知维修风力机结构并给出维修建议，以避免严重的安全事故与经济损失。

本发明的基于无人机及机器视觉的风电结构健康监测方法，其具体步骤为：

步骤(1)无人机飞行至规定位置后由图像采集与稳像子系统确定位姿并进行相机标定及校准，再通过分段监测方式对巡航路线进行规划，最后在巡航路线中获取图像并对所采集的图像质量进行检测；

步骤(2)由模型训练与内嵌子系统对获取的图像进行深度学习方法下的目标跟踪与语义分割的学习步骤，再进行数据集扩充及模型训练，将训练好的深度学习网络参数返回内嵌至树莓派，最后将监测图像通过无人机位移补偿与图像拼接得到结构响应并计算风力机结构动力特性与表面缺陷；

步骤(3)由整体结构评估子系统将监测所得的动力特性与表面缺陷做相关计算后对比整体结构特性判断风力机是否能够继续安全运行，若可以安全运行则继续按规定间隔周期进行监测，若无法安全运行则保存异常数据及视频信息进行故障诊断，最后进行数据整合对整体结构损伤程度进行判定；