CN111830045A - 一种基于bim技术的无人机风电检测***与方法 - Google Patents
一种基于bim技术的无人机风电检测***与方法 Download PDFInfo
- Publication number
- CN111830045A CN111830045A CN202010477340.9A CN202010477340A CN111830045A CN 111830045 A CN111830045 A CN 111830045A CN 202010477340 A CN202010477340 A CN 202010477340A CN 111830045 A CN111830045 A CN 111830045A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- tower
- bim
- module
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000007547 defect Effects 0.000 claims abstract description 56
- 238000007689 inspection Methods 0.000 claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000011895 specific detection Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 7
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000003466 welding Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000239290 Araneae Species 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/08—Aircraft not otherwise provided for having multiple wings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
- G01N2021/8883—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 involving the calculation of gauges, generating models
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于BIM技术的无人机风电检测***与方法,属于风电检测技术领域,包括无人机子***、BIM中心和服务器中心。无人机子***包括无人机航拍***、巡检站和地面通信站。无人机由飞行控制***、避障***、GPS定位模块、相机和图传模块组成。地面通信站通过wifi信号控制无人机。BIM中心包括图像处理模块、图像识别模块、三维建模模块和传感器模块。服务器中心由控制***、报警***和缺陷检测***组成。本发明采用无人机进行巡检,无需人员高空作业,无需人员操控,为无人机在工业室内环境的检测提供了一个参考。同时结合BIM技术可以观察到风电机组随时间的演变状态,为以后的检测、养护和再设计都提供了良好的基础。
Description
技术领域
本发明属于风电检测技术领域,涉及一种风电检测***,尤其涉及一种基于BIM技术的无人机风电检测***与方法。
背景技术
风电机组叶片是风电机组关键部件之一,其性能直接影响到整个***的性能。据统计,风电场的事故多发期多是在盛风期,而由叶片产生的事故要占到事故的30%,这必将导致高额的维修费用。此外,风电塔架是风力机的承载基础,在风力发电机组中起支撑作用,同时能够吸收机组振动,其材料必须具备足够的刚度与强度。然而由于风电机组往往集中在自然条件恶劣的地区,同时一年四季风力资源分布不均,导致塔架安全事故频发,严重损害了风电场经济效益。
可见,对于叶片和塔架的缺陷检测必须要做到定期检查,早期发现,尽快采取措施,把问题解决在萌芽状态。对于叶片和塔架的检测多基于人工检测,如叶片检测的传统手段有望远镜观察和蜘蛛人检测,然而传统叶片检测有以下缺点:(1)检测效率低,工人劳动强度大;(2)高空作业,检测成本高;(3)检测时间长,停机发电量损失大。
无人机起到空中载具的作用,是一个能获取到实景数据的高效工具;搭配高清摄像头能获取到风电机组的真实空间数据,再通过算法校正和处理,最终得到三维模型。目前风电行业技术上比较先进的有操控无人机进行叶片巡检,如申请号201610259711.X、201611021798.3的中国专利。但已公开的相关专利中利用无人机对风电的检测多为叶片检测,对风电机组其他部位的检测局限性很强。
BIM技术能将风电机组的各种元素用数字的形式表达出来,实现了机组的数字化,这样在三维上进行了可视化。BIM设计中,各个专业的设计人员可以通过同一平台实现数据共享,极大提高了工作效率。将BIM技术应用在风电行业对于风电机组的运维有巨大的优势。
鉴于此,本发明提出一种基于BIM技术的无人机风电检测***与方法。
发明内容
本发明的目的在于提出一种基于BIM技术的无人机风电检测***,以解决传统的风电机组叶片检测效率低下、检测成本居高不下、人员高空作业等问题,同时降低风电塔架安全事故,减小风电场经济损失。此外,该***为多个专业的技术人员提供一个数据共享的平台,当某专业的数据发生变化时,其他专业的科研人员能够迅速获得更改后的信息,提高工作效率。
本发明解决上述问题所采用的技术方案是:一种基于BIM技术的无人机风电检测***,其特征是,采用Tekla软件,根据设计文件中塔架、叶片、机舱、轮毂等参数建立风电机组的初始三维模型;在此初始三维模型的基础上,该基于BIM技术的无人机风电检测***包括:无人机子***、BIM中心和服务器中心;所述无人机子***包括无人机、巡检站和地面通信站,所述BIM中心包括图像处理模块、图像识别模块、三维建模模块和传感器模块,所述服务器中心包括控制***、报警***和缺陷检测***。
所述的基于BIM技术的无人机风电检测***的工作方法,其特征是,具体检测过程如下:
(1)服务器中心的控制***首先接收目标风电机组的位置信息,然后向无人机发射所需检测风电机组的位置信息,无人机根据GPS定位模块沿着目标风电机组飞行,通过机载相机进行多角度宏观拍摄,同时将数据实时传送于BIM中心;
(2)BIM中心的图像处理模块对无人机传输的图像数据进行图像预处理与图像分割,接着发送于图像识别模块,得到风电机组叶片及塔架的优化参数,将优化后的信息发送至三维模型模块,对初始建立的三维模型进行覆盖校检,同时对目标部位进行缺陷分析,得到缺陷的位置信息,将相应的信息发送至服务器中心;
(3)服务器中心的控制***接收到来自BIM中心发送的缺陷位置信息,将相应的缺陷信息通过控制***发送于无人机子***;
(4)无人机子***的地面通信站接受来自服务器中心的指令,检测无人机的飞行状态和机载有效载荷的工作状态,调整飞行姿态,通过机载高清摄像仪对风电机组需要重点检测的缺陷部位进行高清摄像,将图像结果发于BIM中心;
(5)BIM中心的图像处理模块对图像进行标定、去噪、增强等操作,接着图像识别模块接收处理后的图像信息,通过与服务器中心中缺陷检测***存储的缺陷类型进行识别比对,得到精确的缺陷类型,并在三维建模模块的相应部位做出标记,报警***做出警示;同时将该图像数据存入缺陷检测***,以供下次检测识别比对。
无人机子***中,所述无人机是塔外无人机与塔内无人机的统称,所述塔外无人机用来对风电叶片及塔架外部表面进行检测,所述塔内无人机用来对塔架内部结构进行检测;所述巡检站由塔内巡检站与塔外巡检站构成,所述塔外无人机从塔外巡检站起飞降落,所述塔内无人机从塔内巡检站起飞降落;所述塔内巡检站设置于塔架底部。
进一步的,所述塔架内部从低到高每隔8m布置一个微型基站,以保证塔内无人机在检测塔架内部结构时通信良好,解决塔架内部GPS信号薄弱的弱点。
所述塔内无人机避障包括上、下、左、右、前、后六个方向的,以减少塔架内部无人机炸机的可能性。
进一步的,所述塔内无人机的桨叶以及相机均有防护罩保护,所述防护罩是弧形球面的碳纤维材料制成。
进一步的,所述塔内无人机与塔外无人机均由服务器中心控制,无需人工操控,所述无人机上布置有GPS定位模块。
进一步的,由于多旋翼无人机具备稳定悬停、操控简单、可靠性高、维修方便等优点,故所述塔内、塔外无人机均选择多旋翼无人机。
进一步的,所述塔外无人机能够至少抗5级风速,最高飞行高度在150m以上。
所述塔外无人机与塔内无人机均搭载远摄变焦云台相机及高分辨率X射线CCD相机,所述云台相机为Zenmuse Z30云台相机,所述X射线CCD相机为Photonic Science公司增强型高清相机。
进一步的,与所述云台相机及所述X射线CCD相机配合使用的无人机镜头可以进行30倍光学变焦、6倍数字变焦,等效焦距为29~872mm,最小对焦距离为10~1200mm,光学广角下的光学变焦的变焦移动速度为4.6s。
进一步的,所述远摄变焦云台相机用来检测叶片(裂纹、断裂等)及塔架(裂纹、老化等)表面缺陷;所述X射线CCD相机用来对叶片孔隙、夹杂等体积缺陷及塔架焊缝中的焊接缺陷进行检测。
所述塔外无人机的检测包括风电场的宏观巡检与风电机组的微观巡检。
进一步的,所述塔外无人机的宏观巡检是检查风电机组是否倒塌、叶片是否断裂、塔架是否有明显破坏等较大的事故,所述塔外无人机的微观巡检是无人机近距离靠近目标部位,主要检查风电机组叶片、塔架外部表面状况等等。
进一步的,所述塔外无人机在巡检风电叶片时,要考虑风向、风速的突变,以确保无人机不会与叶片相撞。
所述塔内无人机的巡检是对塔架内部表面及其它结构的检测。
BIM中心中,所述三维建模模块采用的是Tekla公司开发的Tekla软件;所述风电机组的机头布置有GPS定位传感器;所述风电机组叶片上布置有风速传感器与风向传感器;所述塔架的塔架焊接处、法兰连接处、机舱鱼塔架连接处等关键受力部位均布置有传感器,收集相应部位的应力、位移信息;所述传感器收集的信息均发送至三维建模模块,在相应位置作出标记。
进一步的,风电机组塔架最薄弱的部位往往是焊缝部位,可通过所述三维建模软件Tekla的二次开发,在模型中实现对焊缝的快速编号和属性定义,同时实现对焊缝信息的统计,从而在无人机对塔架检测时实现对焊缝的精细管理。
进一步的,所述BIM中心与所述服务器中心可双向通信,所述传感器模块均可与服务器中心进行单向通信,所述传感器模块测得的数据传输至所述服务器中心,所述服务器中心的控制模块将数据传输于所述BIM中心的三维建模模块,所述三维建模模块在三维模型相应的部位做出信息标记。
进一步的,对所述三维建模模块建立的三维模型进行渲染,制作出高质量的模型和视频展示资料,方便各专业人员更加直观的理解模型。
无人机拍摄的图像数据传输于所述BIM中心的图像处理模块,所述图像处理模块对该图像数据进行标定、去噪、增强等操作。
进一步的,所述图像处理模块将处理后的图像数据传输与所述图像识别模块,通过与服务器中心的所述缺陷检测***存储的缺陷类型进行对比,得到精确的缺陷类型,并在三维模型的相应部位做出标记;同时将该图像数据存入缺陷检测***。
进一步的,所述图像识别模块的图像识别技术是基于Google开元的深度学习卷积神经网络技术,对于叶片的砂眼、裂纹、剥皮缺陷及塔架焊缝缺陷、法兰变形等缺陷能够较为精确的识别。
进一步的,无人机对风电机组每检测一次,风电机组的三维模型均被更新一次,且每次覆盖更新前***将自动保存上次的检测结果及其模型。
进一步的,本发明对所述三维建模软件进行二次开发,在模型中对塔架焊缝进行快速编号和属性定义,可实现对塔架焊缝的精细管理。
本发明与现有技术相比,具有以下优点和效果:传统的风电机组叶片检测、塔架检测缺点明显:检测效率低下,工人劳动强度大,且需要高空作业,危险性高,不利于风电场经济效益提高。本发明提出的基于BIM技术的无人机风电检测***采用无人机进行巡检,无需人员高空作业,减少了事故的发生;且无人机无需人员操控,可由***自动控制,检测频率可由风电场工作人员自行安排,不仅仅限于常规性检查及维修检查,对于缺陷发现的及时性大大提高。此外,目前无人机的检测室内应用极少,特别是室内环境复杂的工业应用环境,本发明中提出的塔架内部无人机检测为无人机在工业室内环境的检测提供了一个参考。
同时,本发明中BIM技术的引用,将风电检测扩展到三维,结合BIM技术的特点可以观察到风电机组随时间的演变状态,为以后的检测、养护和再设计都提供了良好的基础。
附图说明
图1为本发明的***结构示意图。
图2为本发明的无人机叶片检测示意图。
图3为本发明的***检测过程示意图(图中数字表示***的检测步骤)。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
如图1所示,本发明提出一种基于BIM技术的无人机风电检测***与方法,该***包括无人机子***、BIM中心和服务器中心。无人机子***包括无人机、巡检站、地面通信站。无人机由飞行控制***、避障***、GPS定位模块、相机、图传模块组成。巡检站由塔外巡检站与塔内巡检站组成。地面通信站通过wifi信号控制无人机。BIM中心子***包括图像处理模块、图像识别模块、三维建模模块和传感器模块。服务器中心由控制***、报警***、缺陷检测***组成。
实施例1:
本实施例中,一种基于BIM技术的无人机风电检测***与方法,能够解决传统的风电机组叶片检测效率低下、检测成本居高不下、人员高空作业等问题,其对风电机组叶片的具体检测方法如下:
首先利用三维建模软件Tekla,根据风电机组设计文件中塔架、叶片、机舱、轮毂等的参数建立风电机组的三维模型。当无人机对风电叶片进行检测时,风电机组机头的GPS定位传感器把机头的位置发送回服务器中心的控制***,然后控制***向无人机***中地面通信站发送指令,地面通信站将指令发送于塔外巡检站的无人机,无人机根据定位沿着距离目标机组远距离(20m以上)飞行,通过远摄变焦云台相机对叶片进行宏观检测,将图像数据实时传送于BIM中心。
BIM中心的图像处理模块对无人机传输的图像进行处理后发送于图像识别模块,进而得到风电机组叶片的优化参数,将优化后的信息发送至三维模型模块,对初始建立的三维模型进行覆盖校检。同时对目标部位进行缺陷分析,若发现风电机组出现倒塌、叶片断裂、塔架有明显破坏等较大事故,则立刻将信息发送至服务器中心,报警***发出报警警示;若发现风电机组叶片出现裂纹等表面缺陷,则将相应缺陷的位置信息发送于服务器中心。
服务器中心接收到来自BIM中心发送的缺陷位置信息,将相应的缺陷位置通过控制模块发送于塔外无人机。
无人机子***的地面通信站接受来自服务器中心的指令,通过控制无人机的飞行控制***,调整无人机飞行姿态,同时通过远摄变焦云台相机,结合X射线CCD相机对风电机组需要重点检测的缺陷部位进行高清摄像,将图像结果发于BIM中心。在无人机对叶片重点部位进行飞行检测过程中,风向、风速的突然改变在风电场中无法避免,为此须确保无人机相对叶片所处的位置在风速突然增大时也不发生碰撞事故,无人机相对所巡检叶片的待观测面:迎风面、背风面、前后缘,应处于其“下风”位置。具体方法如下:
当用无人机检测图2中叶片A前缘、机舱头部(出现在图2所示的虚线范围内)时,无人机处于风电机组下风的位置,如果风速突然增大,无人机则被吹离叶片A的前缘,能有效避免与叶片相互碰撞;而当机舱头部出现在其他区域时,则可能导致无人机与叶片碰撞事故的发生。巡检A叶片的背风面、迎风面、后缘时可用类似方法确定出机舱头部应调节的区域范围。
BIM中心的图像处理模块对图像进行标定、去噪、增强等操作,接着图像识别模块接收处理后的图像信息,通过与服务器中心中缺陷检测***存储的缺陷类型进行识别比对,得到精确的缺陷类型,并在三维建模模块的相应部位做出标记,报警***做出警示;同时将该图像数据存入缺陷检测***,以供下次检测识别比对。
实施例2:
一种基于BIM技术的无人机风电检测***与方法,能够解决传统的风电机组塔架检测效率低下、人员高空作业等问题,这里以塔架内部检测为例,其对风电机组塔架的具体检测方法如下:
首先利用三维建模软件Tekla,根据风电机组设计文件中塔架、叶片、机舱、轮毂等的参数建立风电机组的三维模型。当风电场对风电机组塔架内部进行检测时,无人机***中地面通信站得到服务器中心的控制***的指令,向塔内巡检站的无人机发送巡检指令,无人机从塔架底部开始由低到高飞行,通过X射线CCD相机对塔架内部表面进行检测,将图像数据实时传送于BIM中心。
BIM中心的图像处理模块对无人机传输的图像进行处理后发送于图像识别模块,进而得到风电机组塔架内部的优化参数,将优化后的信息发送至三维模型模块,对初始建立的三维模型进行覆盖校检。同时对目标部位进行缺陷分析,若发现风电机组塔架内部出现断裂、倒塌等较大事故,则立刻将信息发送至服务器中心,报警***发出报警警示;若发现风电机组塔架焊缝出现裂纹、未焊透等缺陷,则将相应缺陷的位置信息发送于服务器中心。
服务器中心接收到来自BIM中心发送的缺陷位置信息,将相应的缺陷信息通过控制***发送于塔内无人机。
无人机子***的地面通信站接受来自服务器中心控制模块的指令,调整无人机飞行姿态,贴塔架目标表面飞行,同时通过X射线CCD相机对风电机组需要重点检测的缺陷部位进行X射线检测,将图像结果发于BIM中心。
BIM中心的图像处理模块对图像进行标定、去噪、增强等操作,接着图像识别模块接收处理后的图像信息,通过与服务器中心中缺陷检测***存储的缺陷类型进行识别比对,得到精确的缺陷类型,并在三维建模模块的相应部位做出编号和属性定义,报警***做出警示;同时将该图像数据存入缺陷检测***,以供下次检测识别比对。
需要说明的是,无人机对风电机组每检测一次,风电机组的三维模型均被更新一次,且每次覆盖更新前***将自动保存上次的检测结果及其模型,为后期检测、养护和再设计都提供了良好的基础。
本说明书中未作详细描述的内容均属于本领域专业技术人员公知的现有技术。
虽然本发明已以实施例公开如上,但其并非用以限定本发明的保护范围,任何熟悉该项技术的技术人员,在不脱离本发明的构思和范围内所作的更动与润饰,均应属于本发明的保护范围。
Claims (3)
1.一种基于BIM技术的无人机风电检测***,其特征是,采用Tekla软件,根据设计文件建立风电机组的初始三维模型;在此初始三维模型的基础上,该基于BIM技术的无人机风电检测***包括:无人机子***、BIM中心和服务器中心;所述无人机子***包括无人机、巡检站和地面通信站,所述BIM中心包括图像处理模块、图像识别模块、三维建模模块和传感器模块,所述服务器中心包括控制***、报警***和缺陷检测***;
所述无人机包括塔外无人机和塔内无人机;所述巡检站包括塔内巡检站和塔外巡检站,所述塔内巡检站设置于塔架底部;所述塔架的内部从低到高布置有数个微型基站,以保证塔内无人机在检测塔架内部结构时通信良好,解决塔架内部GPS信号薄弱的弱点;所述塔外无人机与塔内无人机均搭载远摄变焦云台相机及高分辨率X射线CCD相机;所述塔外无人机的检测包括风电场的宏观巡检与风电机组的微观巡检;所述塔外无人机在巡检风电叶片时,控制***控制无人机处在叶片待观测面的“下风”位置,以防风速突变造成无人机与叶片相撞。
2.根据权利要求1或2所述的基于BIM技术的无人机风电检测***,其特征是,无人机对风电机组每检测一次,其三维模型均被更新一次,且每次覆盖更新前***将自动保存上次的检测结果及其模型。
3.一种如权利要求1或2中任一项所述的基于BIM技术的无人机风电检测***的工作方法,其特征是,具体检测过程如下:
(1)服务器中心的控制***首先接收目标风电机组的位置信息,然后向无人机发射所需检测风电机组的位置信息,无人机根据GPS定位模块沿着目标风电机组飞行,通过机载相机进行多角度宏观拍摄,同时将数据实时传送于BIM中心;
(2)BIM中心的图像处理模块对无人机传输的图像数据进行图像预处理与图像分割,接着发送于图像识别模块,得到风电机组叶片及塔架的优化参数,将优化后的信息发送至三维模型模块,对初始建立的三维模型进行覆盖校检,同时对目标部位进行缺陷分析,得到缺陷的位置信息,将相应的信息发送至服务器中心;
(3)服务器中心的控制***接收到来自BIM中心发送的缺陷位置信息,将相应的缺陷信息通过控制***发送于无人机子***;
(4)无人机子***的地面通信站接受来自服务器中心的指令,检测无人机的飞行状态和机载有效载荷的工作状态,调整飞行姿态,通过机载高清摄像仪对风电机组需要重点检测的缺陷部位进行高清摄像,将图像结果发于BIM中心;
(5)BIM中心的图像处理模块对图像进行操作,接着图像识别模块接收处理后的图像信息,通过与服务器中心中缺陷检测***存储的缺陷类型进行识别比对,得到精确的缺陷类型,并在三维建模模块的相应部位做出标记,报警***做出警示;同时将该图像数据存入缺陷检测***,以供下次检测识别比对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010477340.9A CN111830045A (zh) | 2020-05-29 | 2020-05-29 | 一种基于bim技术的无人机风电检测***与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010477340.9A CN111830045A (zh) | 2020-05-29 | 2020-05-29 | 一种基于bim技术的无人机风电检测***与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111830045A true CN111830045A (zh) | 2020-10-27 |
Family
ID=72913914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010477340.9A Pending CN111830045A (zh) | 2020-05-29 | 2020-05-29 | 一种基于bim技术的无人机风电检测***与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111830045A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112558629A (zh) * | 2020-11-30 | 2021-03-26 | 广西电网有限责任公司电力科学研究院 | 一种实现无人机巡检任务的***及方法 |
CN112630170A (zh) * | 2020-12-16 | 2021-04-09 | 贵州电网有限责任公司 | 一种铁塔耐候钢焊接焊料成分检测装置 |
CN112918700A (zh) * | 2021-02-06 | 2021-06-08 | 中国工程物理研究院总体工程研究所 | 一种无人机自动测试方法 |
CN113433971A (zh) * | 2021-07-09 | 2021-09-24 | 深圳大学 | 一种高层建筑外墙数据采集方法、装置、设备及存储介质 |
CN114286043A (zh) * | 2021-11-11 | 2022-04-05 | 国网安徽省电力有限公司六安供电公司 | 一种基于5g的电力线路智能巡检应急*** |
CN115196526A (zh) * | 2022-07-13 | 2022-10-18 | 成都坚尔达机电设备有限公司 | 一种基于智能化的起重机作业安全智能监测分析预警*** |
CN117169255A (zh) * | 2022-09-13 | 2023-12-05 | 埃尔西斯株式会社 | 用于检测被摄体内部构件的缺陷的x射线影像生成方法 |
CN117575550A (zh) * | 2024-01-19 | 2024-02-20 | 北京亚能电气设备有限公司 | 一种基于bim技术的风电场数据三维可视化管理*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160017866A1 (en) * | 2014-07-18 | 2016-01-21 | General Electric Company | Wind tower and wind farm inspections via unmanned aircraft systems |
CN106404906A (zh) * | 2016-10-18 | 2017-02-15 | 大唐定边风力发电有限责任公司 | 一种风电机组塔筒壁及焊缝无损探伤装置 |
CN106483134A (zh) * | 2016-09-30 | 2017-03-08 | 常州远量机器人技术有限公司 | 一种用于检测风力发电机叶片缺陷的机器人检测*** |
CN106527470A (zh) * | 2017-01-19 | 2017-03-22 | 广东容祺智能科技有限公司 | 一种精准导航变电站巡检无人机*** |
CN107117313A (zh) * | 2017-05-24 | 2017-09-01 | 东南大学 | 一种基于bim的无人机道路检测*** |
CN107143468A (zh) * | 2017-05-03 | 2017-09-08 | 无锡风电设计研究院有限公司 | 一种风电场巡检*** |
CN107269476A (zh) * | 2017-08-15 | 2017-10-20 | 国电联合动力技术有限公司 | 一种风电机组塔架升降式维护平台*** |
US20190072082A1 (en) * | 2016-03-14 | 2019-03-07 | Ventus Engineering GmbH | Method of condition monitoring one or more wind turbines and parts thereof and performing instant alarm when needed |
CN109840600A (zh) * | 2018-12-29 | 2019-06-04 | 天津大学 | Bim辅助的供水渠道无人机在线协同巡检*** |
CN110675494A (zh) * | 2019-09-20 | 2020-01-10 | 中国电建集团西北勘测设计研究院有限公司 | 一种风电场风机位置三维可视化优选方法 |
CN110910350A (zh) * | 2019-10-30 | 2020-03-24 | 同济大学 | 一种用于风电塔筒的螺母松动检测方法 |
CN111198004A (zh) * | 2020-01-06 | 2020-05-26 | 华北电力大学(保定) | 一种基于无人机的电力巡查信息采集*** |
-
2020
- 2020-05-29 CN CN202010477340.9A patent/CN111830045A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160017866A1 (en) * | 2014-07-18 | 2016-01-21 | General Electric Company | Wind tower and wind farm inspections via unmanned aircraft systems |
US20190072082A1 (en) * | 2016-03-14 | 2019-03-07 | Ventus Engineering GmbH | Method of condition monitoring one or more wind turbines and parts thereof and performing instant alarm when needed |
CN106483134A (zh) * | 2016-09-30 | 2017-03-08 | 常州远量机器人技术有限公司 | 一种用于检测风力发电机叶片缺陷的机器人检测*** |
CN106404906A (zh) * | 2016-10-18 | 2017-02-15 | 大唐定边风力发电有限责任公司 | 一种风电机组塔筒壁及焊缝无损探伤装置 |
CN106527470A (zh) * | 2017-01-19 | 2017-03-22 | 广东容祺智能科技有限公司 | 一种精准导航变电站巡检无人机*** |
CN107143468A (zh) * | 2017-05-03 | 2017-09-08 | 无锡风电设计研究院有限公司 | 一种风电场巡检*** |
CN107117313A (zh) * | 2017-05-24 | 2017-09-01 | 东南大学 | 一种基于bim的无人机道路检测*** |
CN107269476A (zh) * | 2017-08-15 | 2017-10-20 | 国电联合动力技术有限公司 | 一种风电机组塔架升降式维护平台*** |
CN109840600A (zh) * | 2018-12-29 | 2019-06-04 | 天津大学 | Bim辅助的供水渠道无人机在线协同巡检*** |
CN110675494A (zh) * | 2019-09-20 | 2020-01-10 | 中国电建集团西北勘测设计研究院有限公司 | 一种风电场风机位置三维可视化优选方法 |
CN110910350A (zh) * | 2019-10-30 | 2020-03-24 | 同济大学 | 一种用于风电塔筒的螺母松动检测方法 |
CN111198004A (zh) * | 2020-01-06 | 2020-05-26 | 华北电力大学(保定) | 一种基于无人机的电力巡查信息采集*** |
Non-Patent Citations (1)
Title |
---|
韩斌 等: "无人机近距离巡检风电机组叶片应用研究", 《风能》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112558629A (zh) * | 2020-11-30 | 2021-03-26 | 广西电网有限责任公司电力科学研究院 | 一种实现无人机巡检任务的***及方法 |
CN112630170A (zh) * | 2020-12-16 | 2021-04-09 | 贵州电网有限责任公司 | 一种铁塔耐候钢焊接焊料成分检测装置 |
CN112918700A (zh) * | 2021-02-06 | 2021-06-08 | 中国工程物理研究院总体工程研究所 | 一种无人机自动测试方法 |
CN113433971A (zh) * | 2021-07-09 | 2021-09-24 | 深圳大学 | 一种高层建筑外墙数据采集方法、装置、设备及存储介质 |
CN114286043A (zh) * | 2021-11-11 | 2022-04-05 | 国网安徽省电力有限公司六安供电公司 | 一种基于5g的电力线路智能巡检应急*** |
CN115196526A (zh) * | 2022-07-13 | 2022-10-18 | 成都坚尔达机电设备有限公司 | 一种基于智能化的起重机作业安全智能监测分析预警*** |
CN117169255A (zh) * | 2022-09-13 | 2023-12-05 | 埃尔西斯株式会社 | 用于检测被摄体内部构件的缺陷的x射线影像生成方法 |
CN117575550A (zh) * | 2024-01-19 | 2024-02-20 | 北京亚能电气设备有限公司 | 一种基于bim技术的风电场数据三维可视化管理*** |
CN117575550B (zh) * | 2024-01-19 | 2024-03-22 | 北京亚能电气设备有限公司 | 一种基于bim技术的风电场数据三维可视化管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111830045A (zh) | 一种基于bim技术的无人机风电检测***与方法 | |
CN108803668B (zh) | 一种静态目标监测的智能巡检无人机吊舱*** | |
CN110603379B (zh) | 用于风力设备检查工具的检查工具控制装置 | |
CN202649484U (zh) | 机场道面异物监测*** | |
CN112904877A (zh) | 一种基于无人机的风机叶片自动巡检***及方法 | |
CN112230680B (zh) | 一种无人机电力线路巡检控制方法 | |
CN207600967U (zh) | 一种用于风电场扇叶表面缺陷检测的装置 | |
ES2730975T3 (es) | Procedimiento y sistema para examinar una superficie en cuanto a defectos de material | |
CN111998832A (zh) | 一种基于激光点云的利用无人机准确定位目标物的巡检方法 | |
CN106762451A (zh) | 基于无人机的风机叶片损伤检测方法、装置及*** | |
CN111198004A (zh) | 一种基于无人机的电力巡查信息采集*** | |
CN107729808A (zh) | 一种用于输电线路无人机巡检的图像智能采集***及方法 | |
CN111038721B (zh) | 一种基于图像识别的风力机叶片巡检无人机和巡检方法 | |
JP7188832B1 (ja) | 無人飛行体、および、風力発電設備の点検システム、並びに、風力発電設備の点検方法 | |
CN205620817U (zh) | 自主无人机巡检风机叶片*** | |
CN110763804A (zh) | 基于无人机的大气污染源溯源***及其方法 | |
CN113359815A (zh) | 基于rtk定位的风机叶片无人机自主避障巡检方法及*** | |
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 | |
CN112233270A (zh) | 一种无人机自主智能绕塔巡检*** | |
CN112925337A (zh) | 一种大型起重机金属结构多旋翼无人机自动巡检方法 | |
Pinney et al. | Drone path planning and object detection via QR codes; a surrogate case study for wind turbine inspection | |
CN113867386A (zh) | 管带机无人机巡检方法及*** | |
CN112882487A (zh) | 风机叶片的无人机巡检轨迹生成方法,巡检方法及*** | |
CN109739261B (zh) | 一种燃气泄漏无人机巡检装置及其飞行控制方法 | |
CN113870228B (zh) | 一种塔吊表面氧化损伤识别、定位及损伤面积统计方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201027 |