风力发电作为核心清洁能源,风机叶片长期暴露在复杂野外环境中,受风吹、日晒、雨淋影响,易出现磨损、裂纹、分层等损伤。传统人工巡检效率低、风险高、依赖专业经验;而现有的无人机自动化方案存在参数估计不完整、跟踪视角不佳、图像质量缺乏实时优化等问题,难以满足工业级高精度、高质量巡检需求。

图1:系统正在执行巡检任务
针对这些难题,微分智飞联合创始人、中山大学吕熙敏团队提出一套全流程自动化飞行机器人风机叶片巡检系统 WTBInspector。该系统采用软硬件一体化设计与完整巡检流程,实现风机参数精准估计、叶片正交跟踪成像与实时图像质量优化。在多个运营风电场的实地测试表明,系统可实现 99.98% 叶片覆盖率与 98% 自动化率,巡检时间相较传统人工模式缩短 83.3%。
该成果已发表于 IEEE Transactions on Field Robotics (T-FR)。
项目主页:https://yichuan-shi.github.io/wtbinspector/

系统通过点云提取风机结构特征并估计位姿参数,再利用参数引导飞行机器人与云台实现协同跟踪,同时实时调整相机参数以优化图像采集质量,最终完成风机叶片的稳定跟踪与高质量图像获取。

图2:系统框架
1.1 自主风机参数估计(AWPE)
无需风场提前提供机位、偏航角、倾角等现场先验信息,系统基于激光雷达点云全自动提取塔筒、轮毂、叶片的关键位姿信息:
1.精准估算塔筒位置、叶轮朝向、轮毂中心、叶轮静止角度、叶片姿态与叶尖位置。
2.适配任意叶轮停机姿态,兼容多种型号与尺寸的风机,无需提前建模。
3.全参数位置估计误差<1.36米,角度估计误差<4.27度,满足巡检精度要求。

图3:自主风机参数估计
1.2 云台导向叶片跟踪(GOST)
区别于仅控制无人机飞行的现有巡检方式,系统实现飞行机器人 + 云台协同跟踪,保证全程正交视角成像:
1.三轴伺服跟踪:在参数估计的同时巡检叶片前缘,并实时修正飞行偏差。
2.双轨迹协同跟踪:同步规划飞行机器人飞行轨迹与云台观测轨迹,实现后缘、压力面、吸力面稳定巡检。
3.飞行跟踪误差 0.237 米,叶片表面覆盖率 99.98%,叶片中心偏差 0.13,相机平均观测角 2.46°,成像视角稳定优良。

图4:云台导向叶片跟踪
1.3 实时图像质量优化(RIQO)
不同于先拍摄后优化的传统模式,在图像采集阶段进行实时动态优化:
1.宽度自适应变焦:根据叶片宽度自动调节光学变焦,叶尖区段成像占比提升 53.0%,纹理细节清晰度提升 45.3%。
2.亮度自适应曝光:强光场景不过曝、背光场景不欠曝,叶片细节保留率分别提升 91.4% 和 22.1%,成像亮度适中。

图5:实时图像质量优化

系统在湖南、新疆两地共 5 个运营风电场、针对 10 种机型完成超 600 次实地测试,覆盖复杂山地地形:
1. 高覆盖率:叶片全表面 99.98% 覆盖,无明显检测盲区。
2. 高自动化:全程无需人工干预,自动化率98%。
3. 高效巡检:单台风机巡检约 23 分钟,单日可完成 6–8 台风机巡检。
4. 强适应性:春夏秋冬,晴阴多云均稳定工作,稳定抵御 10米以下强风。
5. 两类数据:同步采集可见光与红外图像,兼顾表面损伤与内部缺陷检测。
2.1 相机采集视角
视频1:前缘巡检
视频2:后缘巡检
视频3:压力面巡检
视频4:吸力面巡检
2.2 第三人称视角
视频5:表面巡检
视频6:表面巡检
视频7:表面巡检
视频8:表面转移
WTBInspector 为风电全生命周期运维提供了一套全自动、高精度、高可靠的巡检解决方案,有力推动新能源运维向智能化、无人化升级。未来,系统将在更多风电场开展实地应用,持续提升系统能力,助力风电运维产业高质量发展。
如有相关问题 扫码咨询下方小助手
关注我 获取更多精彩内容![]()