技术特征：
1.一种大型风电机组叶片状态评估视觉优化方法，其特征在于，包括以下步骤：s1、对大型风电机组配置有云台相机以及用于控制云台相机的中央控制器；s2、对云台相机进行运动路径规划；s3、根据规划的运动路径生成叶片跟踪算法，从而计算云台相机的运动信息并控制云台相机的运动；s4、根据云台相机的运动信息，利用深度学习方法评估云台相机的结冰状态，从而评估大型风电机组叶片的结冰状态。2.根据权利要求1所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述步骤s1包括以下步骤：所述云台相机安装在大型风电机组的机舱顶部，用于录制大型风电机组叶片运行状态视频，所述中央控制器包括gpu和神经计算单元，所述中央控制器与云台相机通讯连接，用于控制云台相机跟踪叶片运动、截取视频流并进行详细的视频分析。3.根据权利要求1所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述步骤s2包括以下步骤：对云台相机进行运动路径规划，将云台相机的运动路径划分为以下四段：a段：按预设路径扫描机舱顶部各部件，进行离线规划；b段：锁定叶片的叶根部，云台相机按预设顺序依次跟随各根叶片的叶根部的运动进行拍摄；c段：锁定叶片的叶中部，云台相机按预设顺序依次跟随各根叶片的叶中部的运动进行拍摄；d段：锁定叶片的叶尖部，云台相机按预设顺序依次跟随各根叶片的叶尖部的运动进行拍摄。4.根据权利要求3所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述a段的规划包括以下步骤：根据叶片的长度对云台相机设置俯仰角后，使云台相机对机舱顶部进行扫描，按0-360
°
的扫描角度进行偏航往复运动。5.根据权利要求3所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述b段的规划包括以下步骤：b1、控制云台相机偏航运动，偏航方向指向叶根区域的中间位置；b2、利用光流法确定叶片扫过云台相机视场的时间间隔t，并与叶轮转速编码器的测量结果进行匹配；b3、根据叶轮转速规划云台相机对叶片的跟踪路径，规划约束为云台相机的视线中心指向叶根部的中心点；b4、重复以上步骤b1至b3，依次对大型风电机组的其它叶片进行跟踪。6.根据权利要求3所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述c段的规划包括以下步骤：c1、控制云台相机偏航运动，偏航方向指向叶中区域的中间位置；c2、利用光流法确定叶片扫过云台相机视场的时间间隔t，并与叶轮转速编码器的测量结果进行匹配；
c3、根据叶轮转速规划云台相机对叶片的跟踪路径，规划约束为云台相机的视线中心指向叶中部的中心点；c4、重复以上步骤c1至c3，依次对大型风电机组的其它叶片进行跟踪。7.根据权利要求3所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述d段的规划包括以下步骤：d1、控制云台相机偏航运动，偏航方向指向叶尖区域的中间位置；d2、利用光流法确定叶片扫过云台相机视场的时间间隔t，并与叶轮转速编码器的测量结果进行匹配；d3、根据叶轮转速规划云台相机对叶片的跟踪路径，规划约束为云台相机的视线中心指向叶尖部的中心点；d4、重复以上步骤d1至d3，依次对大型风电机组的其它叶片进行跟踪。8.根据权利要求1所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述步骤s3包括以下步骤：根据规划的运动路径生成叶片跟踪算法，记云台相机中心距离叶轮中心的高度为h，水平距离为d，待跟踪点轨迹半径为r，叶片待跟踪的角度为φ，φ∈(-90
°
,90
°
)，其中顺叶片运行方向为正，逆叶片运行方向为负；设定叶轮方位角为γ，γ∈(0
°
,360
°
)，叶片待跟踪的角度为：当叶片角度为φ时，云台相机中心对准待跟踪的点，云台相机的偏航角需为：云台相机的俯仰角为：根据叶轮转速及叶轮方位角，预测出φ(γ)的轨迹，进而快速规划α(γ)和β(γ)。9.根据权利要求1所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于，所述步骤s4包括以下步骤：当获取到云台相机的运动信息，即云台相机真实角度信息时，计算中央控制器对云台相机的控制指令与云台相机的实际角度之间的差值，判断云台相机是否存在结冰情况；当中央控制器无法获取到云台相机的真实角度信息时，利用卷积神经网络cnn判断云台相机所拍摄的视频中叶片跟踪效果。10.根据权利要求9所述的一种大型风电机组叶片状态评估视觉优化方法，其特征在于：所述卷积神经网络cnn中加入下、上、右、左4种方向的卷积；所述卷积神经网络cnn的输出包含分支1和分支2，其中，所述分支1输出叶片边缘的mask，所述分支2为线条存在的概率；所述分支1的标注信息为叶片轮廓图，所述分支2的标注信息为叶片上下边缘是否存在的概率，当边缘存在时分支2的值为1，不存在时分支2的值为0；所述分支1采用smooth_l1损
失，所述分支2采用交叉熵损失。
技术总结
本发明公开了一种大型风电机组叶片状态评估视觉优化方法，该方法包括以下步骤：S1、对大型风电机组配置有云台相机以及用于控制云台相机的中央控制器；S2、对云台相机进行运动路径规划；S3、根据规划的运动路径生成叶片跟踪算法，从而计算云台相机的运动信息并控制云台相机的运动；S4、根据云台相机的运动信息，利用深度学习方法评估云台相机的结冰状态，从而评估大型风电机组叶片的结冰状态；本发明能够在光线充足的情况下，利用云台相机的追踪控制拍摄，避免了逆光拍摄的问题，能够拍摄清楚叶片表面纹理，当被冰雪冻住时，能够结合深度学习方法评估云台相机自身结冰状态，进而评估叶片结冰状态。片结冰状态。片结冰状态。
技术研发人员：夏祥孟 董帅 黄国燕 王镔 赵艺伟
受保护的技术使用者：明阳智慧能源集团股份公司
技术研发日：2022.11.23
技术公布日：2023/3/10