本发明专利涉及到无人机在役风力机进行巡检领域，具体涉及到一种匹配在役风力机状态的无人巡检轨迹程控方法。
背景技术：
风能作为一种绿色的可再生能源，开发潜力巨大对于优化能源结构具有重要意义。风力机立柱和叶片作为风力机的重要结构件，其在制造成型、加工运输、安装使用过程中结构件易受到各种损伤，同时风力机大多安装在高山、滩涂以及海岛等各种复杂地区，容易遭受高温、高湿、沙尘、风雨雪、盐雾等恶劣气候，从而极大增加了风力机结构的损伤风险。当前，对于风力机在运行过程中出现的主要损伤有老化、裂纹乃至于断裂，这些损伤给风力发电机组的安全运行带来了极大的挑战，因此对在役风力机进行缺陷检测非常重要。当前，检修师可以采用望远镜观测法，或者高空垂吊检修师，或者利用检修师傅维修平台进行目测，通过检修师的经验来主观判断风力机运行安全与否，存在费时、费力、观测角度受限的同时，容易引起高空坠落且误检率高。
为了提高检修师对风力机结构件的检测精度，基于检修师丰富的经验结合声发射检测法、超声波检测法、x射线检测法、光纤传感检测法等先进技术，通过传感器和检测数据来给出风力机运行健康与否相对客观的评价。声发射检测法主要是通过分析风力机结构件的声发射信号，来判断是否存在缺陷问题，声发射检测法对于环境噪声敏感，且无法对缺陷进行定量分析；超声波检测法利用风力机结构件材料本体及缺陷的对超声波差异的传输特性检测缺陷，超声波需要使用耦合剂而且无法实现对风力机的长期动态检测；x射线检测法采用x射线透过风力机结构件材料本体及缺陷引起差异的透射射线强度，来判断风力机的缺陷位置和大小，但是受制于风力机的尺度而无法使用；光纤传感检测法则需要在风力机结构件内部预埋光纤来判断缺陷形状，但是对于在役风力机无法进行安装而受到较大的限制。当期，需要一种无损及便捷的方法来对在役风力机进行巡检。
风力发电规模扩大的同时要求生产精细化，为了对在役风力机进行运维诊断及健康评估，借助于无人机自主、灵活、高效及机动的特点，在无人机机身安装诸如视觉图像传感器，通过无人机飞行过程中对风力机立柱和叶片表面进行实时视觉图像采集、处理、分析及识别，能够有效地标识并及时检测出风力机的表面缺点。本发明针对风力机叶片静止停机和转动发电的不同状态，当风力机处于不同运行状态时无人机采用对应的巡检轨迹，使得在役风力机无需停机就可以对叶片进行日常巡检，利用无人机在提升巡检效率的同时缩短了停机时间，降低风力发电损失并保障了风力发电机组的安全运行。
技术实现要素：
技术问题：本发明的目的是克服已有技术中的不足之处，提出匹配在役风力机状态的无人巡检轨迹程控方法，解决了风力机不同运动状态下无人机飞行轨迹控制问题。
针对上述问题，一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征是：采用无人机对在役风力机立柱、1号叶片、2号叶片以及3号叶片的表面缺陷进行巡检，风力机有静止停机状态和转动发电不同状态，首先基于风力机尺寸结构特点建立无人机运动坐标系，对风力机立柱和叶片表面的轮廓数据进行固定距离的特征点集确定，对风力机立柱和叶片进行圆柱化结构处理，在风力机静止停机时采用圆柱螺旋线轨迹对立柱和叶片表面进行巡检，在风力机转动发电时采用平面螺旋线轨迹对转动的叶片表面进行巡检，在无人巡检过程中巡检到风力机叶片表面存在疑似缺陷时，对无人机进行偏移固定的直线距离对疑似缺陷表面进行增强巡检。基于在役风力机不同的运动状态对无人机采用圆柱螺旋线、平面螺线以及直线偏移轨迹进行程控，实现风力机立柱和叶片表面缺陷的巡检。具体包络以下步骤：
1)确定在役风力机叶片及立柱表面轮廓数据特征点集；
2)判断在役风力机的运行状态，如其为静止状态则执行第3)步，如其为工作状态则执行第8)步；
3)无人机以圆柱螺旋线轨迹程控；
4)判断是否扫描完成，如未完成进行下一步，如完成则结束本次任务；
5)判断是否有缺陷；如有则执行下一步，如无则返回第3)步；
6)当确定静止在役风力机疑似缺陷时无人机以直线偏移轨迹程控；
7)返回第3)步；
8)无人机以平面螺线轨迹程控；
9)判断是否扫描完成，如未完成进行下一步，如完成则结束本次任务；
10)判断是否有缺陷；如有则执行下一步，如无则返回第3)步；
11)当确定在役风力机疑似缺陷时无人机以直线偏移轨迹程控；
12)返回第8)步。
优选的，步骤1)中，首先基于风力机尺寸结构特点建立无人机运动坐标系，对风力机立柱和叶片进行圆柱化结构处理，对风力机立柱和叶片表面的轮廓数据进行固定距离的特征点集确定。
优选的，确定在役风力机叶片及立柱表面轮廓数据特征点集，具体为：
步骤1.1风力机立柱的长度为lcol而三个叶片的长度为lbal，风力机静止停机时转速为0而风力机转动发电时叶片的角速度为wbal；以风力机立柱与叶片旋转中心处为坐标原点o＝[0,0,0]，建立用于无人机飞行轨迹程控的东北天坐标系；
步骤1.2对风力机立柱和三个叶片的表面轮廓特征点集dolp＝[dcol,dbal1,dbal2,dbal13]进行建模，风力机叶片的不同特征点具有不同的线速度，叶片长度方向按照固定步长sstp进行确定特征点，而对立柱同样按照固定步长sstp确定特征点；
步骤1.3由于风力机立柱与坐标原点o相交其x轴和y轴坐标为零，立柱表面轮廓特征点集的坐标可以表示为
优选的，步骤3)具体为：
步骤3.1无人机以立柱靠近地面的表面轮廓特征点
步骤3.2以1号叶片靠近原点处的表面轮廓特征点
优选的，步骤8)具体为：
步骤8.1无人机以立柱靠近地面的表面轮廓特征点
步骤8.2风力机叶片转动时其轮廓特征点集的速度集为vbal＝[vbal1,vbal2,vbal3]，而1号风力机叶片特征点转动速度为
步骤8.3风力机叶片转动发电时，当前时刻k在θi角度时无人机对1号叶片表面轮廓特征点
优选的，步骤6)及步骤11)中，具体为：
步骤6.1无人机携带传感器对风力机进行巡检，巡检到风力机表面存在疑似缺陷时，无人机需要对疑似缺陷点周围的传感数据进行采集处理，通过前后左右多角度巡检对风力机表面疑似缺陷进行增强巡检；
步骤6.2当无人巡检到立柱表面特征点
有益结果，由于采用了上述方案，根据在役风力机静止停机和转动发电不同的运动状态，确定无人机不同的飞行轨迹；对风力机的立柱表面巡检时无人机采用圆柱螺旋线轨迹程控，对风力机静止停机时叶片表面巡检时无人机采用圆柱螺旋线轨迹程控，对风力机转动发电时叶片表面巡检时无人机采用平面螺线轨迹程控，对风力机立柱和叶片巡检到疑似缺陷时无人机采用直线偏移轨迹程控。基于在役风力机不同的运动状态对无人机采用圆柱螺旋线、平面螺线以及直线偏移轨迹进行程控，实现风力机立柱和叶片表面缺陷的巡检。本发明针对风力机叶片静止停机和转动发电的不同状态，当风力机处于不同运行状态时无人机采用对应的巡检轨迹，使得在役风力机无需停机就可以对叶片进行日常巡检，利用无人机在提升巡检效率的同时缩短了停机时间，降低了由于传统风力机巡检停机所引起的经济损失，能够基于无人巡检提前感知微小缺陷避免长期未检引起的重大事故产生，保障了风力发电机组的安全运行。
附图说明
图1是本发明的匹配在役风力机状态的无人机巡检结构示意图；
图2是本发明的确定叶片及立柱表面轮廓数据特征点集示意图；
图3是本发明风力机静止停机时无人机圆柱螺旋线轨迹示意图；
图4是本发明的风力机转动发电时无人机平面螺线轨迹示意图；
图5是本发明的风力机静止停机和转动发电时轨迹控制流程图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。本实施例用于根据在役风力机处于静止和转动不同运动状态，无人机采用不同的飞行轨迹实现对风力机立柱和叶片表面缺陷进行检测。
下面结合附图1-4对本发明的应用原理作详细的描述。
大型风力发电机组部署在偏远山区或者海岛上，其成型制造、运输安装乃至于后期运维过程中容易造成风力机表面缺陷，通过在风力机发电机组区域部署无人机，利用网络远程控制对无人机实现自动起降、智能传感、以及自主路径规划等，来对风力机运行尤其是表面缺陷进行检测。当风力机处于静止停机状态时，无人机依次对风力机立柱、1号叶片、2号叶片以及3号叶片的进行表面巡检，对无人机采用相同的轨迹控制方式；当风力机处于转动发电状态时，无人机对1号、2号、3号叶片采用不同的轨迹控制进行表面巡检；当无人机在巡检风力机过程中，需要对风力机立柱和叶片表面疑似缺陷进行增强检测。风力机会存在转动、静止等不同的运动状态，无人机能够匹配风力机的运动采用不同的飞行轨迹来对其表面进行轨迹检测。
以风力机立柱和叶片连接处作为无人机巡检的坐标原点，以水平向东为x轴正方向、垂直向北为y轴正方向、垂直向天为z轴正方向，建立用于无人机飞行轨迹程控的东北天坐标系；由于风力机立柱和叶片均为大型的结构件，需要根据无人机所携带传感器感知范围，来对待检测的表面轮廓特征点进行确定，采用固定步长sstp对立柱和叶片表面轮廓进行特征点坐标标示。风力机立柱的长度为lcol，特征点采样固定步长为sstp，则待巡检的立柱轮廓点数目m为lcol/sstp，立柱表面轮廓特征点集的坐标可以表示为
风力机叶片处于静止停机状态时，对风力机立柱和叶片进行圆柱化结构处理，对无人机采用圆柱螺旋线程控，以立柱靠近地面的表面轮廓特征点
风力机叶片处于转动发电状态时，风力机转动发电时叶片的角速度为wbal，1号叶片每个轮廓特征点的转动半径为
在风力机静止停机和转动发电状态，无人机检测到其立柱和叶片表面存在疑似缺陷时，通过程控无人机轨迹以前后左右多角度偏移来对风机表面疑似缺陷进行增强检测。当无人机巡检到立柱表面特征点
根据在役风机静止停机和转动发电不同的运动状态，确定无人机不同的飞行轨迹；对风机的立柱表面巡检无人机采用圆柱螺旋线轨迹程控，对风机静止停机时叶片表面巡检无人机采用圆柱螺旋线轨迹程控，对风机转动发电时叶片表面巡检无人机采用平面螺线轨迹程控，对风机立柱和叶片巡检到疑似缺点时无人机采用直线偏移轨迹程控。基于在役风机不同的运动状态对无人机采用圆柱螺旋线、平面螺线以及直线偏移轨迹进行程控，实现风机立柱和叶片表面缺陷的巡检。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
1.一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征在于：包括如下步骤：
1)确定在役风力机叶片及立柱表面轮廓数据特征点集；
2)判断在役风力机的运行状态，如其为静止状态则执行第3)步，如其为工作状态则执行第8)步；
3)无人机以圆柱螺旋线轨迹程控；
4)判断是否扫描完成，如未完成进行下一步，如完成则结束本次任务；
5)判断是否有缺陷；如有则执行下一步，如无则返回第3)步；
6)当确定静止在役风力机疑似缺陷时无人机以直线偏移轨迹程控；
7)返回第3)步；
8)无人机以平面螺线轨迹程控；
9)判断是否扫描完成，如未完成进行下一步，如完成则结束本次任务；
10)判断是否有缺陷；如有则执行下一步，如无则返回第3)步；
11)当确定在役风力机疑似缺陷时无人机以直线偏移轨迹程控；
12)返回第8)步。
2.根据权利要求1所述的一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征在于：步骤1)中，首先基于风力机尺寸结构特点建立无人机运动坐标系，对风力机立柱和叶片进行圆柱化结构处理，对风力机立柱和叶片表面的轮廓数据进行固定距离的特征点集确定。
3.根据权利要求2所述的一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征在于：确定在役风力机叶片及立柱表面轮廓数据特征点集，具体为：
步骤1.1风力机立柱的长度为lcol而三个叶片的长度为lbal，风力机静止停机时转速为0而风力机转动发电时叶片的角速度为wbal；以风力机立柱与叶片旋转中心处为坐标原点o＝[0,0,0]，建立用于无人机飞行轨迹程控的东北天坐标系；
步骤1.2对风力机立柱和三个叶片的表面轮廓特征点集dolp＝[dcol,dbal1,dbal2,dbal13]进行建模，风力机叶片的不同特征点具有不同的线速度，叶片长度方向按照固定步长sstp进行确定特征点，而对立柱同样按照固定步长sstp确定特征点；
步骤1.3由于风力机立柱与坐标原点o相交其x轴和y轴坐标为零，立柱表面轮廓特征点集的坐标可以表示为
4.根据权利要求1所述的一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征在于：步骤3)具体为：
步骤3.1无人机以立柱靠近地面的表面轮廓特征点
步骤3.2以1号叶片靠近原点处的表面轮廓特征点
5.根据权利要求1所述的一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征在于：步骤8)具体为：
步骤8.1无人机以立柱靠近地面的表面轮廓特征点
步骤8.2风力机叶片转动时其轮廓特征点集的速度集为vbal＝[vbal1,vbal2,vbal3]，而1号风力机叶片特征点转动速度为
步骤8.3风力机叶片转动发电时，当前时刻k在θi角度时无人机对1号叶片表面轮廓特征点
6.根据权利要求3或4所述的一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征在于：步骤6)及步骤11)中，无人机携带传感器对风力机进行巡检，巡检到风力机表面存在疑似缺陷时，无人机需要对疑似缺陷点周围的传感数据进行采集处理，通过前后左右多角度巡检对风力机表面疑似缺陷进行增强巡检。
7.根据权利要求6所述的一种匹配在役风力机状态的无人巡检轨迹程控方法，其特征在于：当无人巡检到立柱表面特征点
