CN114442665A - 基于无人机的风电叶片巡检线路规划方法 - Google Patents
基于无人机的风电叶片巡检线路规划方法 Download PDFInfo
- Publication number
- CN114442665A CN114442665A CN202210067723.8A CN202210067723A CN114442665A CN 114442665 A CN114442665 A CN 114442665A CN 202210067723 A CN202210067723 A CN 202210067723A CN 114442665 A CN114442665 A CN 114442665A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- aerial vehicle
- unmanned aerial
- turbine generator
- planning method
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012417 linear regression Methods 0.000 claims abstract description 4
- 238000010191 image analysis Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 abstract 2
- 241000883990 Flabellum Species 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Wind Motors (AREA)
Abstract
本公开揭示了基于无人机的风电叶片巡检线路规划方法,包括:S1、设置预设地图,在预设地图上标注风电机组坐标;S2、设置任务起始风电机组坐标;S3、将待巡检的风电机组坐标投射到二维坐标系;S4、将所述风电机组的位置信息在所述二维坐标系中作为散点,并针对所述散点进行基于线性回归的拟合;S5、以拟合的路线作为巡检线路设定导航。本发明提供的基于无人机的风电叶片巡检线路规划方法,基于巡检任务区域的地理地图,在其上标注需要巡检的风电机组的经纬度信息,进而通过线性拟合设定巡检路线。还可借助巡检无人机搭载的图像采集装置,通过采集风电扇叶来估算扇叶覆盖区域距离无人机的距离,进而可以动态对标注在地理地图上的风电机组位置进行校准,从而提高后续拟合的巡检线路的精度,实现了巡检线路的动态校正和智能调整。
Description
技术领域
本发明涉及风电技术领域,特别是涉及一种基于无人机的风电叶片巡检线路规划方法。
背景技术
一般来说,传统模式下,风机叶片巡检需要人工配合吊篮或者高倍望远镜,用肉眼识别叶片上的裂缝,这种方法耗时耗力,且识别准确率较低。目前已有厂商研制出采用无人机方式进行风电叶片巡检的技术方案,但是,目前大多方案都是采用既定的巡检路线,控制无人机对叶片区域进行图像采集,而后针对采集的图像进行拼接和图像识别处理。但是,既定路线的设置往往是理论上的优选路线,不能根据实际情况进行调整,尤其在针对存在多个风电机组的情况下,不能实现灵活的智能调整。
发明内容
鉴于现有技术存在的上述问题,本发明的一个方面的目的提供一种可智能调整巡检线路的基于无人机的风电叶片巡检线路规划方法。
为了实现上述目的,本发明提供的基于无人机的风电叶片巡检线路规划方法,包括:
S1、设置预设地图,在预设地图上标注风电机组坐标;
S2、设置任务起始风电机组坐标;
S3、将待巡检的风电机组坐标投射到二维坐标系;
S4、将所述风电机组的位置信息在所述二维坐标系中作为散点,并针对所述散点进行基于线性回归的拟合;
S5、以拟合的路线作为巡检线路设定导航。
作为优选,在S1步骤中,设置预设地图,包括:
从云端服务器下载预设任务区域的地理地图;
在所述地理地图上标注风电机组的经度及纬度坐标信息。
作为优选,在S2步骤中,设置起始风电机组坐标,包括:
将巡检任务起始风电机组坐标,转换为经度及纬度坐标信息;
将起始风电机组坐标置为坐标原点。
作为优选,在S3步骤中,所述二维坐标系为经纬度坐标系。
作为优选,在S4步骤中,针对所述散点做基于最小二乘法的线性拟合,且在施行线性拟合时,设定线性拟合的最大离差小于无人机上的图像采集装置的最大物距。
作为优选,在拟合的路线上执行巡检任务时,依次采集路线上的风电机组的风电叶片区域的图像数据,针对所述图像数据进行基于机器视觉的图像分析,获取叶片覆盖区域,判断无人机距离所述覆盖区域的边缘的距离是否超过阈值,如是,针对所述路线进行校正。
作为优选,所述基于计算视觉的图像分析,包括:
获取风电叶片与无人机距离最近的两个像素的像素坐标;
基于欧式距离(Euclidean Distance)算法计算两者距离。
作为优选,针对所述路线进行校正,包括:
获取无人机与覆盖区域的边缘的最小距离与所述阈值的差值;
将所述差值依照地图比例进行缩放获得偏移数值;
依据所述偏移数值对风电机组的经度及纬度坐标信息进行校准。
本发明提供的基于无人机的风电叶片巡检线路规划方法,基于巡检任务区域的地理地图,在其上标注需要巡检的风电机组的经纬度信息,进而通过线性拟合设定巡检路线。同时,在一些改进方案中,可借助巡检无人机搭载的图像采集装置,通过采集风电扇叶来估算扇叶覆盖区域距离无人机的距离,进而可以动态对标注在地理地图上的风电机组位置进行校准,从而提高后续拟合的巡检线路的精度,实现了巡检线路的动态校正和智能调整。
附图说明
图1为本发明的基于无人机的风电叶片巡检线路规划方法的流程图。
图2为本发明的基于无人机的风电叶片巡检线路规划方法所应用的***的结构框图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案,下面结合附图和具体实施方式对本发明作详细说明。
此处参考附图描述本发明的各种方案以及特征。
通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述,本发明的这些和其它特性将会变得显而易见。
还应当理解,尽管已经参照一些具体实例对本发明进行了描述,但本领域技术人员能够确定地实现本发明的很多其它等效形式,它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。
当结合附图时,鉴于以下详细说明,本发明的上述和其他方面、特征和优势将变得更为显而易见。
如图1所示,本发明提供的基于无人机的风电叶片巡检线路规划方法,包括:
S1、设置预设地图,在预设地图上标注风电机组坐标;在S1步骤中,设置预设地图,包括:从云端服务器下载预设任务区域的地理地图;在所述地理地图上标注风电机组的经度及纬度坐标信息。
S2、设置任务起始风电机组坐标;在S2步骤中,设置起始风电机组坐标,包括:将巡检任务起始风电机组坐标,转换为经度及纬度坐标信息;将起始风电机组坐标置为坐标原点。
S3、将待巡检的风电机组坐标投射到二维坐标系;在S3步骤中,所述二维坐标系为经纬度坐标系。
S4、将所述风电机组的位置信息在所述二维坐标系中作为散点,并针对所述散点进行基于线性回归的拟合;在S4步骤中,针对所述散点做基于最小二乘法的线性拟合,且在施行线性拟合时,设定线性拟合的最大离差小于无人机上的图像采集装置的最大物距。
S5、以拟合的路线作为巡检线路设定导航。在拟合的路线上执行巡检任务时,依次采集路线上的风电机组的风电叶片区域的图像数据,针对所述图像数据进行基于机器视觉的图像分析,获取叶片覆盖区域,判断无人机距离所述覆盖区域的边缘的距离是否超过阈值,如是,针对所述路线进行校正。具体地,可示例性地,在进行图像分析时,可采用神经网络算法模型进行,例如可采用神经网络算法在构建时可基于包括风电扇叶图像数据的前向型神经网络(FFN),每个FFN对应一种异常类型,每个网络的输入神经数为20,输出神经为2,且每个网络使用后向传播(BP)监督训练,分别使用50-80个不同标准形态的异常情况(例如不同形态的线路异物,塑料袋、树枝等等)进行训练,直至错误方差小于10%为止。另外,可以理解的是,上述算法仅为示例性说明,任何基于机器识别的算法,均可能适用于本发明,例如卷积神经网络(CNN)或循环神经网络(RNN)。
在一些改进方案中,所述基于计算视觉的图像分析,包括:
获取风电叶片与无人机距离最近的两个像素的像素坐标;
基于欧式距离(Euclidean Distance)算法计算两者距离。
作为优选,针对所述路线进行校正,包括:
获取无人机与覆盖区域的边缘的最小距离与所述阈值的差值;
将所述差值依照地图比例进行缩放获得偏移数值;
依据所述偏移数值对风电机组的经度及纬度坐标信息进行校准。
图2示出了本发明的基于无人机的风电叶片巡检线路规划方法所应用的***的结构框图。如图2所示,该***包括云端服务器、远端控制中心,以及部署在无人机上的地图标注模块、任务标注模块、坐标系生成模块和路线拟合模块,其中云端服务器可预存有多个区域的地理地图及风电机组的经度及纬度新,远端控制中心则辅助巡检任务指令的下发及巡检线路的新建、修改和修正,同时远端控制中心也可下达无人控制指令,该控制指令包括但不限于起飞、降落、绕飞、伴飞、悬停或返航等操作。同时,远端控制中心还可以实时接收无人机传回的巡检区域的图像信息。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (8)
1.基于无人机的风电叶片巡检线路规划方法,包括:
S1、设置预设地图,在预设地图上标注风电机组坐标;
S2、设置任务起始风电机组坐标;
S3、将待巡检的风电机组坐标投射到二维坐标系;
S4、将所述风电机组的位置信息在所述二维坐标系中作为散点,并针对所述散点进行基于线性回归的拟合;
S5、以拟合的路线作为巡检线路设定导航。
2.如权利要求1所述的基于无人机的风电叶片巡检线路规划方法,在S1步骤中,设置预设地图,包括:
从云端服务器下载预设任务区域的地理地图;
在所述地理地图上标注风电机组的经度及纬度坐标信息。
3.如权利要求1所述的基于无人机的风电叶片巡检线路规划方法,在S2步骤中,设置起始风电机组坐标,包括:
将巡检任务起始风电机组坐标,转换为经度及纬度坐标信息;
将起始风电机组坐标置为坐标原点。
4.如权利要求1所述的基于无人机的风电叶片巡检线路规划方法,在S3步骤中,所述二维坐标系为经纬度坐标系。
5.如权利要求1所述的基于无人机的风电叶片巡检线路规划方法,在S4步骤中,针对所述散点做基于最小二乘法的线性拟合,且在施行线性拟合时,设定线性拟合的最大离差小于无人机上的图像采集装置的最大物距。
6.如权利要求1所述的基于无人机的风电叶片巡检线路规划方法,在拟合的路线上执行巡检任务时,依次采集路线上的风电机组的风电叶片区域的图像数据,针对所述图像数据进行基于机器视觉的图像分析,获取叶片覆盖区域,判断无人机距离所述覆盖区域的边缘的距离是否超过阈值,如是,针对所述路线进行校正。
7.如权利要求6所述的基于无人机的风电叶片巡检线路规划方法,所述基于计算视觉的图像分析,包括:
获取风电叶片与无人机距离最近的两个像素的像素坐标;
基于欧式距离算法计算两者距离。
8.如权利要求6所述的基于无人机的风电叶片巡检线路规划方法,针对所述路线进行校正,包括:
获取无人机与覆盖区域的边缘的最小距离与所述阈值的差值;
将所述差值依照地图比例进行缩放获得偏移数值;
依据所述偏移数值对风电机组的经度及纬度坐标信息进行校准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210067723.8A CN114442665B (zh) | 2022-01-20 | 2022-01-20 | 基于无人机的风电叶片巡检线路规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210067723.8A CN114442665B (zh) | 2022-01-20 | 2022-01-20 | 基于无人机的风电叶片巡检线路规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114442665A true CN114442665A (zh) | 2022-05-06 |
CN114442665B CN114442665B (zh) | 2023-12-08 |
Family
ID=81367607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210067723.8A Active CN114442665B (zh) | 2022-01-20 | 2022-01-20 | 基于无人机的风电叶片巡检线路规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114442665B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114895711A (zh) * | 2022-06-14 | 2022-08-12 | 北京华能新锐控制技术有限公司 | 一种面向风机叶片巡检的无人机自动航迹线规划方法 |
CN115331130A (zh) * | 2022-10-14 | 2022-11-11 | 南京瑞蓝世光电传感技术研究院有限公司 | 基于地理标志物辅助导航的无人机巡检方法和无人机 |
WO2024016459A1 (zh) * | 2022-07-22 | 2024-01-25 | 上海扩博智能技术有限公司 | 飞行器路径规划方法、***、设备和存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10012735B1 (en) * | 2017-05-04 | 2018-07-03 | Loveland Innovations, LLC | GPS offset calibrations for UAVs |
CN111240358A (zh) * | 2020-01-15 | 2020-06-05 | 东华大学 | 装载单目鱼眼镜头的小型无人机覆盖控制***及控制方法 |
CN112649002A (zh) * | 2020-12-11 | 2021-04-13 | 南京邮电大学 | 一种基于边缘计算的野保无人机监测*** |
CN112904877A (zh) * | 2021-01-14 | 2021-06-04 | 星闪世图(台州)科技有限公司 | 一种基于无人机的风机叶片自动巡检***及方法 |
CN112947588A (zh) * | 2021-03-01 | 2021-06-11 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 无人机电网巡线*** |
CN113110577A (zh) * | 2021-04-15 | 2021-07-13 | 中国南方电网有限责任公司超高压输电公司柳州局 | 电网巡检无人机飞行路线规划管理*** |
CN113359815A (zh) * | 2021-05-19 | 2021-09-07 | 上海电机学院 | 基于rtk定位的风机叶片无人机自主避障巡检方法及*** |
CN113759960A (zh) * | 2021-07-26 | 2021-12-07 | 青海黄河风力发电有限责任公司 | 基于无人机的风机叶片及塔筒巡检识别***及方法 |
CN113822844A (zh) * | 2021-05-21 | 2021-12-21 | 国电电力宁夏新能源开发有限公司 | 风电机组叶片无人机巡检缺陷检测方法、装置和存储介质 |
CN116007631A (zh) * | 2022-12-23 | 2023-04-25 | 北京交通大学 | 一种基于计算机视觉的无人机自主沿线导航方法 |
-
2022
- 2022-01-20 CN CN202210067723.8A patent/CN114442665B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10012735B1 (en) * | 2017-05-04 | 2018-07-03 | Loveland Innovations, LLC | GPS offset calibrations for UAVs |
CN111240358A (zh) * | 2020-01-15 | 2020-06-05 | 东华大学 | 装载单目鱼眼镜头的小型无人机覆盖控制***及控制方法 |
CN112649002A (zh) * | 2020-12-11 | 2021-04-13 | 南京邮电大学 | 一种基于边缘计算的野保无人机监测*** |
CN112904877A (zh) * | 2021-01-14 | 2021-06-04 | 星闪世图(台州)科技有限公司 | 一种基于无人机的风机叶片自动巡检***及方法 |
CN112947588A (zh) * | 2021-03-01 | 2021-06-11 | 中国南方电网有限责任公司超高压输电公司贵阳局 | 无人机电网巡线*** |
CN113110577A (zh) * | 2021-04-15 | 2021-07-13 | 中国南方电网有限责任公司超高压输电公司柳州局 | 电网巡检无人机飞行路线规划管理*** |
CN113359815A (zh) * | 2021-05-19 | 2021-09-07 | 上海电机学院 | 基于rtk定位的风机叶片无人机自主避障巡检方法及*** |
CN113822844A (zh) * | 2021-05-21 | 2021-12-21 | 国电电力宁夏新能源开发有限公司 | 风电机组叶片无人机巡检缺陷检测方法、装置和存储介质 |
CN113759960A (zh) * | 2021-07-26 | 2021-12-07 | 青海黄河风力发电有限责任公司 | 基于无人机的风机叶片及塔筒巡检识别***及方法 |
CN116007631A (zh) * | 2022-12-23 | 2023-04-25 | 北京交通大学 | 一种基于计算机视觉的无人机自主沿线导航方法 |
Non-Patent Citations (2)
Title |
---|
MENG TSE LEE: "\"UAV Swarm Real-Time Rerouting by Edge Computing uder a Changing Enviroment\"", 《2021 ECICE》 * |
张娟: ""基于机器视觉的风电机组识别及编组标定"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114895711A (zh) * | 2022-06-14 | 2022-08-12 | 北京华能新锐控制技术有限公司 | 一种面向风机叶片巡检的无人机自动航迹线规划方法 |
WO2024016459A1 (zh) * | 2022-07-22 | 2024-01-25 | 上海扩博智能技术有限公司 | 飞行器路径规划方法、***、设备和存储介质 |
CN115331130A (zh) * | 2022-10-14 | 2022-11-11 | 南京瑞蓝世光电传感技术研究院有限公司 | 基于地理标志物辅助导航的无人机巡检方法和无人机 |
Also Published As
Publication number | Publication date |
---|---|
CN114442665B (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114442665B (zh) | 基于无人机的风电叶片巡检线路规划方法 | |
CN106774431B (zh) | 一种测绘无人机航线规划方法及装置 | |
JP6918672B2 (ja) | 劣化診断システム | |
CN112904877A (zh) | 一种基于无人机的风机叶片自动巡检***及方法 | |
CN109792951B (zh) | 用于杂交水稻授粉的无人机航线校正***及其校正方法 | |
WO2020103108A1 (zh) | 一种语义生成方法、设备、飞行器及存储介质 | |
CN110770791A (zh) | 一种基于点云地图的图像边界获取方法、设备及飞行器 | |
WO2020103109A1 (zh) | 一种地图生成方法、设备、飞行器及存储介质 | |
CN114020002A (zh) | 无人机巡检风机叶片的方法、装置、设备、无人机及介质 | |
JP7074126B2 (ja) | 画像処理装置、生育調査画像作成システム及びプログラム | |
EP3729945A1 (en) | Control device, work machine and program | |
CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、***和装置 | |
US11852726B2 (en) | Image processing-based laser emission and dynamic calibration apparatus and method, device and medium | |
CN114743021A (zh) | 一种输电线路图像与点云数据的融合方法及*** | |
CN108196538B (zh) | 基于三维点云模型的田间农业机器人自主导航***及方法 | |
CN114326771A (zh) | 一种基于图像识别的无人机拍摄航线生成方法及*** | |
CN112135103A (zh) | 一种基于大数据的无人机安全监控***及方法 | |
CN111221010A (zh) | 一种巡检节点精准定位方法和*** | |
CN114415708A (zh) | 一种道路自巡检方法、装置、无人机及存储介质 | |
CN111984025A (zh) | 一种风电机组叶片无人机路径规划方法 | |
CN116974298A (zh) | 基于单线激光雷达输电线路仿线飞行方法及*** | |
CN115686073B (zh) | 一种基于无人机的输电线路巡检控制方法及*** | |
CN108733075B (zh) | 无人机的连续定点环绕拍摄的飞行***及其飞行控制方法 | |
CN112882487A (zh) | 风机叶片的无人机巡检轨迹生成方法,巡检方法及*** | |
Li et al. | Prediction of wheat gains with imagery from four-rotor UAV |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |