面向风电能源场智能巡检运维的移动监测与损伤识别

风电能源是当前我国国家战略“多元新型能源供应体系”的关键科学技术问题与前沿方向。叶片是风机直接捕获风能的关键部件，具有轻、柔、阻尼低的特点，其受力复杂、运行环境恶劣，是制约风机安全性、经济性的关键因素。本项目主要解决使用无人机进行风电能源核心构件在役风机叶片的巡检运维时，无法在风机运行（旋转）状态下获取高保真几何状态数据信息、识别潜在损伤缺陷的技术瓶颈。将全场视觉测量技术与无人机结合，独创叶片旋转全过程立体配准准则与移动视觉测量联合标定校准方法，以及自研机理模型与动态数据混合驱动的非线性损伤识别方法，搭建无人机移动视觉监测与损伤识别新架构。

1. 采用无人机搭载相机的移动视觉监测，相较于现有技术，大场景数据可视化响应时延不超过1s、全域全要素数字化模型精度≥95%，可实现复杂运行环境下在役风机叶片的非线性局部损伤识别，可有效解决既有监测方法布设位置与数量限制以及视觉方法通视与联合标定校准无法完全适用等突出问题，便于在山区或深远海风电场机-场群推广应用，这是本项目最主要的特色、先进性。（支撑材料：①科技查新报告：J20245001244377381； ②国家发明专利3件：一种全视域-多视域组合的连续时空序列的全息数字图像测试方法、一种运动轨迹识别与追踪系统及方法、一种车载移动测量的视觉引导方法及系统； ③实用新型专利3件； ④软件著作权4件）

2. 相较于现有技术，所建立的移动视觉测量坐标系标定校准方法、分离机械振动效应的理论模型与计算方法、多源数据融合表达与重构方法、非线性损伤识别方法，可为旋转全过程表观几何形态的高效、高精度、多平台多模式数据获取与特征聚合，以及实现在役风机叶片移动监测、潜在损伤识别提供新路径、新方法，且所述方法、技术在所检文献以及时限范围内，国内未见相同文献报道。本项目具有新颖性。（支撑材料：科技查新报告：J20245001244377381）