风电叶片成型质量智能循迹检测机器人及检测方法

1.本发明涉及风机叶片检测技术领域，尤其涉及一种风电叶片成型质量智能循迹检测机器人及检测方法。


背景技术：

2.风能是一种清洁的可再生资源，其储量大，分布面广。风电对于缓解能源供应、改善能源结结构、保护环境等方面意义重大。叶片的质量是风电机组长期稳定安全运行的重要保障。因此在对制造和维修时的工作质量有较高要求。由于风力发电机组通常处于野外，环境条件恶劣，容易出现故障，电站运维团队需要定期对风力发电机进行巡检，以保证风力发电机组的可靠运行，提高设备可利用率。但发电机多地处偏远地区，且排布分散，人工巡检不仅存在安全性差、工作量大、效率低等问题，而且受观测角度影响，不能全面及时的发现问题。
3.为解决上述问题，近年来，风电场通过利用无人机和监控摄像头，拍摄大量高分辨率的风机叶片图像，通过计算机自动处理无人机和监控摄像头拍摄的图像并生成分析结果，实现了远程实时监控风机的运行状况；但是不具有缺陷自动检测、缺陷位置标记功能，通过图像分析结果，检测精度也并不精确。


技术实现要素：

4.本发明提供了一种风电叶片成型质量智能循迹检测机器人及检测方法，能够对叶片的缺陷自动检测、标记缺陷位置，从而保障工作人员人身安全、降低工作人员工作难度。
5.第一方面，本发明实施例提供了一种风电叶片成型质量智能循迹检测机器人，所述检测机器人包括:
6.循迹单元,循迹单元,包括机器人的履带轮处配置的轮速传感器，用于将信息传回处理单元，计算并记录行走距离以便于标记缺陷位置；
7.图像采集单元，所述图像采集单元将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；
8.处理单元，所述处理单元接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离。
9.作为可能实现的一种实施方式，假设机器人视觉检测宽度为r，所述牵引线的铺线距离宽度不超过2r。
10.作为可能实现的一种实施方式，所述检测机器人还包括：
11.爬行单元，所述爬行单元在叶片上的吸附方式为负压吸附，履带式爬壁。
12.作为可能实现的一种实施方式，所述牵引线配置为绝缘导线，所述风机叶片表面铺设有磁性材料，所述机器人配置有多个磁力传感器，通过信号处理技术将相邻磁力传感器之间的磁场强度变化信号进行处理，来检测机器人所在线束的位置，以确定机器人与牵
引线所在路线的偏差数据；根据分析得到的偏差数据，以修正机器人的行进方向。
13.作为可能实现的一种实施方式，所述检测机器人还包括：
14.图像采集单元，采集以下三个场景的视频数据：障碍类视频、缺陷类视频、无缺陷障碍类图像。
15.作为可能实现的一种实施方式，所述处理单元根据所述索引线的分布设置分区，将排列的索引线进行编号。
16.作为可能实现的一种实施方式，所述检测机器人还包括：通信单元，所述通信单元负责所述检测机器人的数据信号传输、接收与处理。
17.第二方面，本发明实施例提供了一种基于第一方面所述机器人的检测方法，所述检测方法包括：
18.风机叶片在制造时沿着所述风机叶片的轴向预铺多条索引线；
19.载有轮速传感器的机器人沿着所述牵引线行走；
20.将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；
21.接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离。
22.作为可能实现的一种实施方式，所述牵引线具有预设的弧度。
23.作为可能实现的一种实施方式，所述检测方法还包括：
24.将采集的视频数据进行抽帧处理，得到神经网络的训练集，使用卷积神经网络搭建神经网络模型，通过所述神经网络模型判断叶片缺陷。
25.有益效果
26.本发明提供了一种风电叶片成型质量智能循迹检测机器人及检测方法，所述检测机器人包括:循迹单元,包括机器人的履带轮处配置的轮速传感器，用于将信息传回处理单元，计算并记录行走距离以便于标记缺陷位置；图像采集单元，所述图像采集单元将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述轮速传感器记录缺陷位置坐标数据；若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；处理单元，所述处理单元接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离，能够对叶片的缺陷自动检测、标记缺陷位置，从而保障工作人员人身安全、降低工作人员工作难度。
27.应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。
附图说明
28.结合附图并参考以下详细说明，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素。
29.图1示出了本发明实施例的风电叶片成型质量智能循迹检测机器人的结构框图；
30.图2示出了本发明实施例的风机叶片的示意图及牵引线在风机叶片上配置的示意图；
31.图3示出了本发明实施例的一种风电叶片成型质量智能循迹检测机器人的检测方法的流程图。
具体实施方式
32.为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本文件的保护范围。
33.需要说明的是，本发明实施例描述的仅仅是为了更加清楚的说明本发明实施例的技术方案，并不构成对本发明实施例提供的技术方案的限定。
34.相关技术中，叶片的质量检测或损伤缺陷判定仍主要依靠工人的目视检查和听敲击声的方法，必要时使用设备探测产品内部情况。叶片刚制作完成时，需要工人在粉尘较多的叶片内部进行检查；维修时，因工人需要在已经装配好的风电机组进行检查，经常需要吊篮或者升降平台的方式进行检查。存在一定的风险。利用无人机和监控摄像头，拍摄大量高分辨率的风机叶片图像，通过计算机自动处理无人机和监控摄像头拍摄的图像并生成分析结果，实现了远程实时监控风机的运行状况，但是分析结果也并不十分精确，因此，设计一款具有缺陷自动检测、缺陷位置标记功能的机器人对保障工作人员人身安全与降低工作人员工作难度有着重要意义。
35.图1示出了本发明实施例的风电叶片成型质量智能循迹检测机器人的结构框图；如图1所示，所述检测机器人包括：
36.循迹单元40,包括机器人的履带轮处配置的轮速传感器，用于将信息传回处理单元，计算并记录行走距离以便于标记缺陷位置；
37.图像采集单元60，所述图像采集单元将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；
38.处理单元80，所述处理单元80接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离。
39.例如，在机器人ros系统中，可以通过包的形式存储ros系统中发布的信息，包括但不局限于图片、里程计、惯性导航、时间戳等。本实施例可以根据发现缺陷图像的时间戳信息输出里程计信息再进行计算，从而确定该缺陷处的具体位置；
40.具体地，所述风机叶片在制造时沿着所述风机叶片的轴向预铺多条索引线；可以在处理单元的数据库中预先储存所述风机叶片的三维地图，根据所述索引线的分布设置分区，将排列的索引线进行编号；需要说明的是，处理单元可以配置在机器人本体，也可以配置在远程的电脑端；
41.在一些实施例中，叶片在制造时预铺索引线，所述牵引线为磁性材料制成，索引线可预设弧度配置，例如弓型预铺，根据机器人摄像头扫描宽度安排铺线的位置。磁性材料例
如铁磁性材料，可以产生较强的磁场，优选的，为了产生稳定的磁场，牵引线可以均匀分布，且让材料的磁性方向保持一致，这样可以产生明显的磁性变化，有利于机器人根据磁场变化进行跟随。设机器人视觉检测宽度为r，则铺线距离宽度不超过2r。根据索引线的铺设，机器人随着索引线行走，以避免机器人进行检测过程中重复搜索，提高循迹效率。处理单元的数据库中可以预先储存叶片三维地图，根据铺线的分布设置分区，将平行排列的索引线进行编号(12345...)，在机器人的履带轮处加装轮速传感器，所述轮速传感器将缺陷位置坐标发送给电脑端，由电脑端输出所述位置坐标所在线束的编号以及行走距离，(例如线5，15.3m处)进行位置标记，能够对叶片的缺陷自动检测、标记缺陷位置，从而保障工作人员人身安全、降低工作人员工作难度。
42.载有轮速传感器的机器人沿着所述牵引线行走，处理单元在发现缺陷的位置输出当前线束的编号以及行走距离。所述机器人配置有多个磁力传感器，通过信号处理技术将相邻磁力传感器之间的磁场强度变化信号进行处理，来检测机器人所在线束的位置，以确定机器人与牵引线所在路线的偏差数据；根据分析得到的偏差数据，以修正机器人的行进方向。具体地，所述牵引线由磁性材料制成，磁性材料例如铁磁性材料，这些材料可以产生较强的磁场，优选的，为了产生稳定的磁场，牵引线可以均匀分布，且让材料的磁性方向保持一致，这样可以产生明显的磁性变化，有利于机器人根据磁场变化进行跟随。所述机器人配置有多个磁力传感器，例如可以在机器人上将多个磁力传感器排成矩阵形状，收集铁磁材料的磁场信息，在磁场传感器拓扑结构确定的情况下，通过信号处理技术将相邻磁力传感器之间的磁场强度变化信号进行处理，来检测相应的“弓”字型线路位置，即可确定当前机器人与线路的偏差程度；根据分析得到的偏差数据，将修正机器人轨迹的控制信号下发给行走机构，行走机构改变电机转速与扭矩，使得机器人持续跟随引导线前进，从而控制爬行单元对方向进行修正。需要说明的是，弓型预铺是为了遍历整个叶片内部，如图2所示，机器人按照弓型对叶片内部进行检测，铺线距离宽度根据检测宽度决定。使得机器人用更短的路径完成检测，机器人运动方向如箭头所示，在每一次转弯后，开始从0计算长度，在发现缺陷时候记录此时的线束的编号以及行走长度。
43.优选的，所述检测机器人还包括：
44.爬行单元20，所述爬行单元在叶片上的吸附方式为负压吸附，履带式爬壁。
45.因风机叶片的本体材料选择方式大都为玻璃纤维、木制品等，故选用负压吸附；在叶片内部结构中，易出现凹凸不平的情况，考虑轮式行进单元对壁面要求较高，步行式机器人移动速度相对较慢，且图像采集过程不宜速度过高，履带式爬壁机器人可以实现原地转向的原因，优先选择主动轮带动履带式爬行单元。
46.图像采集单元60，采集以下三个场景的视频数据：障碍类视频、缺陷类视频、无缺陷障碍类图像。具体地，图像采集单元60可以采用单目摄像头。在机器人数据库中，嵌入建立好的神经网络模型。根据场景不同，采集以下三个场景的视频：障碍类视频、缺陷类视频、无缺陷障碍类图像。将采集的视频数据进行抽帧处理，得到神经网络的训练集，使用卷积神经网络搭建神经网络模型。在机器人循迹过程中，可覆盖叶片内部待检测区域。循迹过程中摄像头将采集到的图像进行分析处理，判断当前位置是否为缺陷或者障碍。若存在缺陷选择上述标记位置方式进行位置标记。维修后，将图像进行处理，判断置否平整，无发白、干纱等缺陷。
47.优选的，还包括通信单元，所述通信单元负责所述检测机器人的数据信号传输、接收与处理。
48.本实施例提供了风电叶片成型质量智能循迹检测机器人，风机叶片在制造时沿着所述风机叶片的轴向预铺多条索引线；载有轮速传感器的机器人沿着所述牵引线行走；将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；处理单元接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离。维修后，还可将图像进行处理，判断置否平整，无发白、干纱等缺陷。能够对叶片的缺陷自动检测、标记缺陷位置，从而保障工作人员人身安全、降低工作人员工作难度。
49.基于同一发明构思，本发明实施例还提供了一种风电叶片成型质量智能循迹检测机器人的检测方法，如下面实施例所述：由于该检测方法解决问题的原理是基于风电叶片成型质量智能循迹检测机器人实现的，因此检测方法的实施可以参见风电叶片成型质量智能循迹检测机器人的实施方式，重复之处不再赘述。以下所使用的，术语“单元”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
50.图3示出了本发明实施例的一种风机叶片缺陷检测方法的流程图；如图3所示，所述一种风机叶片缺陷检测方法包括：
51.s20、风机叶片在制造时沿着所述风机叶片的轴向预铺多条索引线；
52.s40、载有轮速传感器的机器人沿着所述牵引线行走；
53.s60、将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；
54.s80、接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离。
55.具体地，所述风机叶片在制造时沿着所述风机叶片的轴向预铺多条索引线；可以在处理单元的数据库中预先储存所述风机叶片的三维地图，根据所述索引线的分布设置分区，将排列的索引线进行编号；需要说明的是，处理单元可以配置在机器人本体，也可以配置在远程的电脑端；
56.在一些实施例中，叶片在制造时预铺索引线，索引线可预设弧度配置，例如弓型预铺，根据机器人摄像头扫描宽度安排铺线的位置。牵引线的铺设选用合适的磁性材料例如铁磁性材料，这些材料可以产生较强的磁场，为了产生稳定的磁场，牵引线可以均匀分布，且让材料的磁性方向保持一致，这样可以产生明显的磁性变化，有利于机器人根据磁场变化进行跟随。设机器人视觉检测宽度为r，则铺线距离宽度不超过2r。根据索引线的铺设，机器人随着索引线行走，以避免机器人进行检测过程中重复搜索，提高循迹效率。处理单元的数据库中可以预先储存叶片三维地图，根据铺线的分布设置分区，将平行排列的索引线进行编号(12345...)，在机器人的履带轮处加装轮速传感器，所述轮速传感器将缺陷位置坐标发送给电脑端，由电脑端输出所述位置坐标所在线束的编号以及行走距离，(例如线5，15.3m处)进行位置标记，能够对叶片的缺陷自动检测、标记缺陷位置，从而保障工作人员人
身安全、降低工作人员工作难度。
57.载有轮速传感器的机器人沿着所述牵引线行走，在发现缺陷的位置输出当前线束的编号以及行走距离。具体地，所述牵引线由磁性材料制成，磁性材料例如铁磁性材料，这些材料可以产生较强的磁场，为了产生稳定的磁场，牵引线可以均匀分布，且让材料的磁性方向保持一致，这样可以产生明显的磁性变化，有利于机器人根据磁场变化进行跟随。所述机器人配置有多个磁力传感器，例如可以在机器人上将多个磁力传感器排成矩阵形状，收集铁磁材料的磁场信息，在磁场传感器拓扑结构确定的情况下，通过信号处理技术将相邻磁力传感器之间的磁场强度变化信号进行处理，来检测相应的“弓”字型线路位置，即可确定当前机器人与线路的偏差程度；根据分析得到的偏差数据，将修正机器人轨迹的控制信号下发给行走机构，行走机构改变电机转速与扭矩，使得机器人持续跟随引导线前进，从而控制爬行单元对方向进行修正。需要说明的是，弓型预铺是为了遍历整个叶片内部，如图2所示，机器人按照弓型对叶片内部进行检测，铺线距离宽度根据检测宽度决定。使得机器人用更短的路径完成检测，机器人运动方向如箭头所示，在每一次转弯后，开始从0计算长度，在发现缺陷时候记录此时的线束的编号以及行走长度。
58.具体地，采集风机叶片的视频数据，将采集的视频数据进行抽帧处理，得到神经网络的训练集，使用卷积神经网络搭建神经网络模型，通过所述神经网络模型判断叶片缺陷，视频数据采集可以采用单目摄像头。在机器人数据库中，嵌入建立好的神经网络模型。根据场景不同，采集以下三个场景的视频：障碍类视频、缺陷类视频、无缺陷障碍类图像。将采集的视频数据进行抽帧处理，得到神经网络的训练集，使用卷积神经网络搭建神经网络模型。在机器人循迹过程中，可覆盖叶片内部待检测区域。循迹过程中摄像头将采集到的图像进行分析处理，判断当前位置是否为缺陷或者障碍。若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；维修后，将图像进行处理，判断置否平整，无发白、干纱等缺陷。
59.附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
60.以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

技术特征：
1.一种风电叶片成型质量智能循迹检测机器人，其特征在于，所述风机叶片沿着所述风机叶片的轴向预铺多条索引线，所述检测机器人包括:循迹单元,包括机器人的履带轮处配置的轮速传感器，用于将信息传回处理单元，计算并记录行走距离以便于标记缺陷位置；图像采集单元，所述图像采集单元将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；处理单元，所述处理单元接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离。2.根据权利要求1所述的检测机器人，其特征在于，假设机器人视觉检测宽度为r，所述牵引线的铺线距离宽度不超过2r。3.根据权利要求1所述的检测机器人，其特征在于，所述检测机器人还包括：爬行单元，所述爬行单元在叶片上的吸附方式为负压吸附，履带式爬壁。4.根据权利要求3所述的检测机器人，其特征在于，所述牵引线为磁性材料制成，所述机器人配置有多个磁力传感器，通过信号处理技术将相邻磁力传感器之间的磁场强度变化信号进行处理，来检测机器人所在线束的位置，以确定机器人与牵引线所在路线的偏差数据；根据分析得到的偏差数据，以修正机器人的行进方向。5.根据权利要求4所述的检测机器人，其特征在于，所述检测机器人还包括：图像采集单元，采集以下三个场景的视频数据：障碍类视频、缺陷类视频、无缺陷障碍类图像。6.根据权利要求1-5任一项所述的检测机器人，其特征在于，所述处理单元根据所述索引线的分布设置分区，将排列的索引线进行编号。7.根据权利要求1-5任一项所述的检测机器人，其特征在于，所述检测机器人还包括：通信单元，所述通信单元负责所述检测机器人的数据信号传输、接收与处理。8.一种基于权利要求1-7任一项所述检测机器人的风机叶片检测方法，其特征在于，所述检测方法包括：风机叶片在制造时沿着所述风机叶片的轴向预铺多条索引线；载有轮速传感器的机器人沿着所述牵引线行走；将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过所述里程计信息记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离。9.根据权利要求8所述的叶片缺陷检测方法，其特征在于，所述牵引线具有预设的弧度。10.根据权利要求8或9所述的叶片缺陷检测方法，其特征在于，所述检测方法还包括：将采集的视频数据进行抽帧处理，得到神经网络的训练集，使用卷积神经网络搭建神经网络模型，通过所述神经网络模型判断叶片缺陷。

技术总结
本发明提供了一种风电叶片成型质量智能循迹检测机器人及检测方法，所述检测机器人包括:循迹单元,包括机器人的履带轮处配置的轮速传感器，用于记录行走距离以便于标记缺陷位置；图像采集单元，所述图像采集单元将采集到的视频数据进行分析处理，判断当前位置是否为缺陷或者障碍，若存在缺陷则通过里程计记录缺陷位置坐标数据；里程计的信息是处理单元通过轮速传感器的信息来计算得到的；处理单元，所述处理单元接收所述缺陷位置坐标数据进行处理并输出缺陷位置所在线束的编号以及行走距离，能够对叶片的缺陷自动检测、标记缺陷位置，从而保障工作人员人身安全、降低工作人员工作难度。难度。难度。


技术研发人员：段书用 赵熙灼 韩旭 欧阳衡 鲁奕君
受保护的技术使用者：河北工业大学
技术研发日：2023.03.30
技术公布日：2023/7/7