一种混塔风电场的巡检优化与损伤评估方法

本发明涉及风电设备巡检，具体涉及一种基于无人机与爬壁机器人协同工作的混塔风电场巡检路线优化与损伤评估方法。

背景技术：

1、风电塔筒由下部混凝土塔段、上部钢塔段与中间过渡连接段组合成型，凭借材料适配性强、运输安装成本可控等突出优势，已成为大容量、高轮毂高度风电机组的主流塔筒结构形式。然而，塔筒服役过程中三类塔段会产生差异化结构损伤，各类缺陷持续演化将大幅削弱塔筒耐久性能，严重威胁机组长期运行安全，塔筒常态化精细化巡检由此成为风电运维领域的刚性核心需求。

2、塔筒长期承受风致交变疲劳荷载、温湿交替环境侵蚀、钢-混凝土界面力学差异等多重作用，不同结构段损伤机理与缺陷类型存在差异：混凝土塔段易产生多方向裂缝、表层剥落、内部渗水等损伤；钢塔段普遍存在涂层破损、钢材锈蚀、焊缝失效、局部温度异常等隐患；过渡连接段作为受力关键衔接部位，易出现法兰错位、螺栓松动、界面渗水锈蚀等结构性缺陷。

3、现有的风电塔筒巡检手段包含无人机航拍巡检和绳索辅助爬壁机器人贴壁检测，无人机、爬壁机器人两类智能巡检装备虽可分别实现广域图像采集、近距离精准量测，理论上能够互补支撑塔筒全维度病害排查，远距离无人机航拍能定性识别疑似损伤，绳索辅助爬壁机器人可完成毫米级损伤尺度量测，在实际的巡检过程中，上述手段进行综合使用。

4、然而，现有巡检体系未形成贯通全域初筛、精细复核、结构安全定级、全周期数据追溯的一体化作业逻辑，两类智能巡检设备相互独立运行，各类损伤识别判定标准难以统一，其仅能依靠外观尺寸单一维度评判损伤危险程度，无法结合塔筒实际受力状态综合研判结构风险，在进行损伤复核任务排布完全依赖人工主观判断，缺少量化排序依据，且不同设备、不同巡检周期采集的损伤数据无法自动关联匹配，同时针对混凝土、钢、过渡连接段的差异化损伤评估标准缺失，多渠道采集的巡检信息难以整合形成标准化、可直接指导运维的完整评估结论，最终造成巡检资源分配失衡、高危塔筒易出现迟检漏检，损伤风险判定结果客观性不足，整体巡检评估效率与安全管控完整性均存在短板。

技术实现思路

1、本发明的目的是克服现有技术中的问题，提供了一种混塔风电场的巡检优化与损伤评估方法，解决了现有技术无人机与爬壁机器人作业割裂、风险判定依赖人工经验、损伤评估缺乏结构力学依据、全域效率与定量检测精度无法兼顾的行业核心痛点。

2、本发明提供了一种混塔风电场的巡检优化与损伤评估方法，包括以下步骤：

3、利用无人机对风电场的塔筒进行筛查和拍摄，采集塔筒的筛查数据；

4、将塔筒的筛查数据输入无人机边缘计算模块的端侧损伤快速筛查模型，输出塔筒疑似损伤区域、损伤类别、置信度和该无人机对应机位编号；

5、根据疑似损伤区域、损伤类别、置信度和该无人机对应机位编号，基于无人机拍摄的图片，采用计算机视觉算法分析塔筒疑似损伤区域面积占比、裂缝宽度、红外温度差值、疑似损伤空间位置、塔筒的塔段类型和构造敏感性指标；

6、根据塔筒单塔有限元数值模型，仿真计算得到各塔筒结构的受力与动力响应指标，基于仿真模拟的结构损伤程度，计算各塔筒的结构损伤风险评分，并按照所述结构损伤风险评分生成爬壁机器人复核优先级队列；

7、根据复核优先级队列，结合爬壁机器人当前位置、风电场道路距离矩阵、爬壁机器人续航状态和单塔作业时间约束，生成爬壁机器人跨塔复核调度方案；

8、爬壁机器人依据所述跨塔复核调度方案到达出现疑似损伤的塔筒，对该塔筒的疑似损伤区域进行近距离复核，采集疑似损伤区域的复核数据；

9、地面分析平台将筛查数据、复核数据、机位信息、塔段类型和无人机历史巡检记录输入所述地面端多模态语义分析模型，结合结构损伤分级规则生成结构化巡检评估报告。

10、较佳地，所述端侧损伤快速筛查模型和地面端多模态语义分析模型在构建时：

11、采集塔筒混凝土塔段、钢塔段、过渡连接段的可见光图像、红外热像、空间测量数据，构建包含损伤类别、空间位置、损伤尺度标注的多模态巡检数据集；

12、基于多模态巡检数据集训练端侧损伤快速筛查模型和地面端多模态语义分析模型；

13、端侧损伤快速筛查模型部署于无人机和绳索辅助爬壁机器人的边缘计算模块，地面端多模态语义分析模型部署于地面分析平台，端侧损伤快速筛查模型实时输出疑似损伤区域、类别与基础尺度，地面端多模态语义分析模型用于多源巡检数据融合分析及结构化损伤评估。

14、较佳地，构建多模态巡检数据集的具体步骤为：

15、在风电场现场或实验室塔筒试验构件采集混凝土塔段、钢塔段和过渡连接段的可见光图像、红外热像及空间测量数据；

16、根据采集的可见光图像、红外热像及空间测量数据，对混凝土塔段中的竖向裂缝、环向裂缝、斜裂缝、剥落、露筋和渗水进行标注，对钢塔段中的锈蚀、涂层破损、焊缝异常和温度异常进行标注，对过渡连接段中的螺栓松动迹象、法兰错位、渗水痕迹和局部锈蚀进行标注；

17、为塔筒上的每一处损伤建立损伤类型、塔段类型、相对塔基高度、环向角度、几何尺度、采集设备和采集时间的关联记录；

18、将建立关联记录后得到的多模态巡检数据集按损伤类型、塔段类型和采集设备进行分层组织和划分。

19、较佳地，所述端侧损伤快速筛查模型包括目标检测分支、语义分割分支和红外异常判别分支，所述目标检测分支用于输出损伤的边界框和类别，所述语义分割分支用于输出裂缝、剥落和锈蚀区域的像素级掩码，所述红外异常判别分支用于根据损伤区域与邻近正常区域的红外温度差判定温度是否异常。

20、较佳地，无人机在对风电场的塔筒进行筛查和拍摄前，预先生成无人机的巡检路径，无人机沿所述巡检路径进行筛查和拍摄，所述无人机的巡检路径根据风电场内各无人机机位的空间坐标、塔筒高度、无人机续航约束、起降点位置及风场气象条件生成，无人机采集塔筒的筛查数据包括筒外表面的可见光图像、红外热像及拍摄位姿数据。

21、较佳地，采集复核数据中的裂缝宽度的方法为：

22、根据激光空间测量数据确定爬壁机器人的相机至塔筒表面的工作距离；

23、结合相机内参和图像像素尺寸建立像素尺度转换关系；

24、对裂缝语义分割掩码进行骨架化处理，沿骨架法向计算裂缝像素宽度，并将所述裂缝像素宽度转换为实际裂缝宽度。

25、较佳地，所述地面端多模态语义分析模型以损伤图像、分割掩码、损伤几何量测值、红外温度差、机位编号、塔段类型、损伤区域相对塔基高度、环境风速、环境温度和历史巡检记录为输入，以结构化字段形式输出巡检评估报告，所述结构化字段至少包括损伤名称、损伤区域、量测值、风险等级、历史变化率、建议复检周期和处置措施。

26、较佳地，所述结构损伤分级规则，根据塔筒的不同塔段类型分类，包括：

27、对混凝土塔段，根据裂缝宽度、裂缝长度、裂缝方向、剥落面积、剥落深度和渗水状态进行分级；

28、对钢塔段，根据锈蚀面积、涂层破损面积、焊缝异常位置和温度异常程度进行分级；

29、对过渡连接段，根据连接部位错位量、螺栓异常迹象、法兰渗水痕迹和局部锈蚀状态进行分级。

30、较佳地，所述无人机的筛查数据和爬壁机器人的复核数据均包含统一空间标识信息，所述统一空间标识信息包括机位编号、塔段类型、相对塔基高度、环向角度和采集时间，以将同一损伤在无人机和爬壁机器人以及两者不同巡检周期中的记录进行匹配。

31、较佳地，所述地面分析平台在生成结构化巡检评估报告时，还生成损伤分布图和复核任务记录表，所述损伤分布图以塔筒展开图为底图标注各损伤的位置、类型和风险等级，所述复核任务记录表记录无人机筛查结果、爬壁机器人复核结果和最终评估结论的一致性。

32、与现有技术相比，本发明的有益效果是：本发明的一种混塔风电场的巡检优化与损伤评估方法，融合多模态视觉识别结合有限元结构力学仿真的异构机器人分级协同闭环巡检评估体系，先依托无人机实现全风场广域快速损伤初筛，再结合表观损伤量化指标与塔筒有限元仿真受力指标建立量化风险评分模型，以风险优先级动态调度爬壁机器人定向完成高精度近距损伤复核，最终由地面融合分析模型结合分塔段差异化损伤分级规则自动生成标准化运维评估报告，统一空间标识实现跨设备、跨周期损伤数据自动匹配与闭环迭代，从数据源、损伤视觉识别、风险调度、精准量测、综合评估全链路解决了现有技术无人机与爬壁机器人作业割裂、风险判定依赖人工经验、损伤评估缺乏结构力学依据、全域效率与定量检测精度无法兼顾的行业核心痛点。