风机叶片内部缺陷日光激励动态热成像方法研究

针对在役风力发电机组叶片内部缺陷类型难以区分的问题,本文提出了基于自然日光激励的动态热成像检测理论与方法,并进行有限元仿真模拟与试件实验研析了自然日光激励下风机叶片不同内部缺陷的动态热成像规律。首先,建立风机叶片切片的有限元传热仿真模型,通过数值计算揭示脱粘、积水两类典型内部缺陷在日光激励热传导物理场下热特征的变化规律;其次,对叶片切片进行同质加工,并利用无人机搭载热成像载荷搭建了日光激励热成像检测平台;最后,在自然日光激励条件下进行全天不同时段下的日光激励热成像实验。仿真和实验结果表明,风机叶片内部脱粘、积水两类典型缺陷在日光激励下将导致表面温度场呈现不同的变化趋势,脱粘缺陷会导致风机叶片表面对应区域出现高温异常到低温异常的动态演化,积水则相反,上述规律将为在役风机叶片的智能运维提供新的方法论。

基于5G与北斗的输电线路无人机车载智能移动巡检系统设计

为提高无人机巡检作业效率,针对输电线路无(弱)信号区域实时数据传输效率低的问题,以无人机移动作业平台为研究对象,以5G与北斗的双通信方式保障巡检系统与无人机之间的数据交互,构建一种适应无人机输电线路全地域巡检的智能车载移动作业系统。首先,基于模块化设计思路,给出适应无人机巡检的移动作业车改装设计方案;其次,基于信号增强与卫星通信技术,提出一种基于5G+北斗的通信系统及其部署方案,在5G网络弱覆盖或失效时,进行信号增强并由卫星通信系统完成通信链路建立和数据传输,进而保障巡检数据传输;然后,基于对Tag码的视觉定位与识别,完成巡检无人机的精准降落回收;进一步,研发移动巡检系统应用软件;最后,通过实地测试验证系统的性能。经实验测试,该智能车载移动作业系统能够实现无人机的自主飞行、远程数据传输及基于视觉伺服的精准降落等巡检任务,为输电线路全地域巡检提供一种系统解决方案。

无人机图像风力发电机轮毂中心检测与跟踪

无人机自主巡检风力发电机的首要步骤是识别和定位风机对象,对目标巡检持续跟踪。无人机运动过程中涉及到风机对象的实时检测与跟踪。该文在无人机高空捕获图像的限制条件下,选择风机轮毂作为特征组件,研究基于改进YOLO方法与卡尔曼滤波器的风机轮毂检测跟踪方法。基于YOLOv5深度卷积神经网络算法自主提取风机轮毂图像特征,设计融合通道和空间信息的CBAM注意力机制,提高目标特征关注度,改进YOLOv5的Backbone主干网络,提高了检测效率和精度,通过建立轮毂数据集,训练回归网络得到风机轮毂检测模型,算法精度达99.5%,推理速度达212 F/s。针对运动目标无人机设计卡尔曼滤波器实现对定位结果的连续稳定跟踪,将主流卷积神经网络与经典滤波器算法结合,得到稳定高效的特征跟踪结果。最后,在实际风场环境中利用无人机与云台相机拍摄进行实验,验证了该方案的可行性与优越性。