叶片检测机器人、控制方法和控制器

摘要

本发明公开叶片检测机器人、控制方法和控制器，该机器人包括机器人外壳，以及第一智能控制模块、缺陷检测单元、动力单元以及吸附行走部。动力单元用于驱动第一吸附行走部和第二吸附行走部交替地移动；缺陷检测单元，包括用于检测叶片缺陷的图像传感器和/或红外热成像仪；第一智能控制模块，用于控制缺陷检测单元的工作状态，以及当控制动力单元驱动第一吸附行走部和第二吸附行走部中的一个在叶片上移动时，同时控制第一吸附行走部和第二吸附行走部中的另一个与叶片处于吸附状态。该叶片检测机器人能够对叶片进行全面安全高效检测，不遗漏瑕疵、缺陷或污点，有利于实现智能运维。

权利要求

1.一种叶片检测机器人，包括机器人外壳（1），其特征在于，还包括：吸附行走部，包括第一吸附行走部和第二吸附行走部，所述第一吸附行走部和所述第二吸附行走部分别包括两个吸附单元和两个气筒单元，每个所述吸附单元与一个所述气筒单元连接；每个所述气筒单元用于控制与其连接的吸附单元向下运动并与待检测叶片的表面处于吸附状态，或者，控制与其连接的吸附单元向上运动并与待检测叶片的表面处于解除吸附状态；

动力单元，与所述吸附行走部连接，用于驱动所述第一吸附行走部和所述第二吸附行走部交替地移动；

缺陷检测单元，设置于所述机器人外壳（1）上，包括用于检测叶片缺陷的图像传感器和/或红外热成像仪；

第一智能控制模块（16），设置于所述机器人外壳（1）的内部，用于控制所述缺陷检测单元的工作状态，以及当控制所述动力单元驱动所述第一吸附行走部和所述第二吸附行走部中的一个在所述待检测叶片上移动时，同时控制所述第一吸附行走部和所述第二吸附行走部中的另一个与所述待检测叶片处于吸附状态；

第二智能控制模块（41），与所述第一智能控制模块（16）电连接，所述第二智能控制模块（41）用于：

当需要把叶片检测机器人从待检测叶片的第一面切换到待检测叶片的第二面上时，与无人机通信，通知所述无人机对所述叶片检测机器人进行装载操作；其中，所述第一面是压力面及吸力面中的一个，所述第二面是压力面及吸力面中的另一个；

当检测到所述叶片检测机器人与所述待检测叶片的第一面相分离，并且所述叶片检测机器人与所述待检测叶片的第一面之间的距离大于预设的安全距离时，与风力发电机组的主控制器通信，请求所述主控制器对所述待检测叶片执行变桨操作，使得所述待检测叶片实现180度变桨翻转；

在接收到所述主控制器反馈的180度变桨翻转成功信号后，向所述无人机发送请求释放所述叶片检测机器人的释放信号；

当所述叶片检测机器人降落于所述待检测叶片的180度变桨翻转后的第二面上时，触发所述第一智能控制模块（16）控制所述叶片检测机器人对所述第二面执行检测操作。

2.根据权利要求1所述的叶片检测机器人，其特征在于：每个所述气筒单元包括伸缩气筒（13），每个所述伸缩气筒（13）的侧壁上均固定安装有两个对称设置的活动卡块（18）；

所述机器人外壳（1）的底部开设有两个滑动孔，一个滑动孔的内壁上滑动适配所述第一吸附行走部的两个伸缩气筒（13），另一个滑动孔的内壁上滑动适配所述第二吸附行走部的两个伸缩气筒（13）；

所述动力单元，与靠近所述机器人外壳（1）底侧内壁中心位置的四个活动卡块（18）连接。

3.根据权利要求2所述的叶片检测机器人，其特征在于，所述气筒单元还包括：活塞（26），滑动安装于所述伸缩气筒（13）内壁上；

伸缩杆（11），固定安装于所述活塞（26）的底部；

其中，每个所述伸缩杆（11）上均设置有一个所述吸附单元，每个所述吸附单元分别与一个所述伸缩气筒（13）相连接。

4.根据权利要求3所述的叶片检测机器人，其特征在于：所述伸缩杆（11）底部开设有缓冲槽，所述缓冲槽的内壁上开设有弹簧槽，所述吸附单元包括：缓冲块（29）、缓冲杆（27）、接触吸盘（10）以及弹簧；

其中，所述弹簧槽的内壁上滑动安装有所述缓冲块（29），所述缓冲块（29）的底部固定安装有所述缓冲杆（27），所述缓冲杆（27）的底部固定安装有所述接触吸盘（10），所述缓冲块（29）的顶部固定安装有所述弹簧，所述弹簧与所述弹簧槽同轴心设置，所述接触吸盘（10）与所述伸缩气筒（13）相连接。

5.根据权利要求4所述的叶片检测机器人，其特征在于：所述伸缩气筒（13）的侧壁上开设有导气孔，所述导气孔的内壁上固定安装有固定导管（28），所述固定导管（28）的底端固定安装有伸缩软管（8），所述伸缩软管（8）的底端固定安装有固定弯管（30），所述接触吸盘（10）的顶部开设有透气孔，所述固定弯管（30）固定安装于所述透气孔的内壁上。

6.根据权利要求2所述的叶片检测机器人，其特征在于，所述动力单元包括：第一带动电机（19），固定安装于所述机器人外壳（1）顶部内壁上，所述第一带动电机（19）的输出端固定套接有转动齿轮（23），所述第一智能控制模块（16）与所述第一带动电机（19）相连接；以及，

两个对称设置的活动齿条（21），每个所述活动齿条（21）固定安装于靠近所述机器人外壳（1）底侧内壁中心位置的两个所述活动卡块（18）侧壁上，两个所述活动齿条（21）均与所述转动齿轮（23）相啮合。

7.根据权利要求2所述的叶片检测机器人，其特征在于：所述机器人外壳（1）的两个相对内壁上对应固定安装有两个限位卡板（20），两个所述限位卡板（20）的顶部固定安装有控制器安装板（17），所述控制器安装板（17）的顶部固定安装有所述第一智能控制模块（16）；

四个所述伸缩气筒（13）的顶端分别对应与两个所述限位卡板（20）的底部相接触，所述机器人外壳（1）的两个相对侧壁上均固定安装有顶板（37），两个所述顶板（37）的底部固定安装有第二电动伸缩缸（40），两个所述第二电动伸缩缸（40）的输出端均固定安装有支撑架（38），两个所述支撑架（38）的底端均通过滚轴转动安装有滚轮。

8.根据权利要求7所述的叶片检测机器人，其特征在于：所述机器人外壳（1）的底部固定安装有第三带动电机（42），所述第三带动电机（42）的输出端驱动安装有第三电动伸缩缸（43），所述第三电动伸缩缸（43）的输出端固定安装有电动吸盘（44）；

所述机器人外壳（1）的侧壁上固定安装有传感器（45），所述第二电动伸缩缸（40）、所述第三带动电机（42）、所述第三电动伸缩缸（43）、所述电动吸盘（44）、以及所述传感器（45）均与所述第一智能控制模块（16）相连接。

9.根据权利要求3或4所述的叶片检测机器人，其特征在于：所述机器人外壳（1）上还安装有用于驱动四个所述伸缩杆（11）的驱动单元，所述驱动单元与所述第一智能控制模块（16）相连接；

所述机器人外壳（1）两个相对侧壁上均开设有移动孔，所述驱动单元包括：两个工形滑块（5）、两个L形连接板（6）、两个固定横板（15）、两个L形固定板（9）、两个固定板（7）、两个第二带动电机（14）、两个转轴（36）、四个连接带轮（24）、两个连接皮带（25）、四个固定转盘（12）、四个活动板（34）、四个活动轴（35）、四个滑动板（32）以及四个固定拉杆（31）；

其中，每个所述移动孔上均滑动安装有一个所述工形滑块（5），两个所述工形滑块（5）相互远离的一侧均固定安装有L形连接板（6），每个所述L形连接板（6）的底部均固定安装有一个所述固定横板（15），每个所述固定横板（15）的底部均固定安装有一个所述固定板（7），两个所述固定横板（15）相互远离的一侧均固定安装有所述L形固定板（9），两个所述L形固定板（9）相互靠近的一侧均固定安装有一个所述第二带动电机（14）；

两个所述固定板（7）相互靠近的一侧均转动安装有一个所述转轴（36），两个所述转轴（36）上和两个所述第二带动电机（14）的输出端上均固定套接有所述连接带轮（24），四个所述连接带轮（24）上对应张紧有两个所述连接皮带（25），两个所述转轴（36）的一端和两个所述第二带动电机（14）的输出端均固定安装有所述固定转盘（12），四个所述固定转盘（12）相互靠近的一侧均通过旋转柱转动安装有所述活动板（34），四个所述活动板（34）的侧壁上均通过活动轴（35）转动安装有所述滑动板（32）；

四个所述滑动板（32）的侧壁上均固定安装有所述固定拉杆（31），四个所述固定拉杆（31）的一端分别固定安装于四个所述伸缩杆（11）的侧壁上，两个所述第二带动电机（14）均与所述第一智能控制模块（16）相连接。

10.一种叶片检测机器人的控制方法，其特征在于，所述叶片检测机器人为权利要求1‑

9中任一项所述的叶片检测机器人，所述叶片检测机器人的控制方法包括：控制叶片检测机器人在待检测叶片的第一面上按照规划路径移动，并且控制启动所述叶片检测机器人的缺陷检测单元，获取待检测叶片的缺陷数据，直到对所述待检测叶片的第一面完成检测；

当对所述待检测叶片的第一面完成检测时，与无人机通信，通知所述无人机对所述叶片检测机器人进行装载操作；

当检测到所述叶片检测机器人与所述待检测叶片的第一面相分离，并且所述叶片检测机器人与所述待检测叶片的第一面之间的距离大于预设的安全距离时，与风力发电机组的主控制器通信，请求所述主控制器对所述待检测叶片执行变桨操作直到所述待检测叶片翻转至第二面水平朝上；其中，所述第一面是压力面及吸力面中的一个，所述第二面是压力面及吸力面中的另一个；

在接收到所述主控制器反馈的用于表征所述待检测叶片翻转至第二面水平朝上的变桨翻转成功信号后，向所述无人机发送请求释放所述叶片检测机器人的释放信号；

当所述叶片检测机器人降落于所述待检测叶片的第二面上时，控制所述叶片检测机器人按照规划路径对所述待检测叶片的第二面进行检测，直到所述待检测叶片的第二面检测完成。

11.根据权利要求10所述的方法，其特征在于，还包括：根据如下公式确定叶片检测机器人的重心位置至待检测叶片边缘的最小安全边距：

其中，是叶片检测机器人外壳的外圆半径；是叶片检测机器人的外壳在超出待检测叶片的边缘而不会从待检测叶片的边缘滑落的最大值；

根据待检测叶片的叶片安全边距 确定所述叶片检测机器人的移动路径在待检测叶片上的安全活动范围。

12.根据权利要求11所述的方法，其特征在于，还包括：对于每一型号的叶片，利用叶片检测机器人在各型号叶片上的历史运动轨迹数据中叶片检测机器人重心位置坐标数据 以及叶片边缘坐标数据 ，计算历史运动轨迹中各轨迹点对应的叶片检测机器人重心至叶片边缘的空间距离 ：；

在多个所述历史运动轨迹数据中，计算所述叶片检测机器人重心至叶片边缘的空间距离 的平均空间距离 :

；

其中，表示所述历史运动轨迹数据有 组， 表示由第 组所述历史运动轨迹数据计算得出叶片检测机器人重心至叶片边缘的空间距离；

根据如下公式计算所述各型号叶片的β值：。

13.根据权利要求12所述的方法，其特征在于，所述根据待检测叶片的叶片安全边距确定所述叶片检测机器人的移动路径在待检测叶片上的安全活动范围包括：若叶片检测机器人重心至待检测叶片的边缘的空间距离 大于叶片检测机器人的重心位置至待检测叶片边缘的最小安全边距 ，则叶片检测机器人处于安全活动范围。

14.根据权利要求10‑13中任一项所述的方法，其特征在于，所述规划路径包括：利用下述第一步至第五步迭代获取的最优检测路径，所述第一步至第五步包括：第一步：提取叶片检测机器人历史运行轨迹数据的综合效率特征矩阵，其中，

特征 是叶片检测机器人沿规划路径实际行走长度；

特征 是叶片检测机器人沿规划路径实际行走时长；

特征 是规划路径上无人机释放叶片检测机器人的难度，以释放耗时为参考标准；

特征 是规划路径上无人机抓取叶片检测机器人的难度，以抓取耗时为参考标准；

特征 是叶片检测机器人沿规划路径发生移动方向改变的次数；

第二步：对所述综合效率特征矩阵X中的每个具体特征进行归一化处理，其包括如下步骤：

根据离差标准化方法对提取的所述综合效率特征矩阵X中的每个具体特征分别进行归一化处理：

；

 为归一化后的特征数据，为原始特征数据， 分别为原始特征数据中的最大值和最小值；

第三步：获取特征权重，其包括如下步骤：随机选取第一预设比例的叶片检测机器人的历史运行轨迹数据进行标记预处理，获得标记的特征数据，所述预处理包括：将效率高于预设阈值的历史运行轨迹数据对应的标签记为1，将效率低于所述预设阈值的历史运行轨迹数据对应的标签记为‑1；

通过逻辑回归对所述标记的特征数据进行训练，即对归一化后且标记的特征数据进行曲线拟合，得到如下的曲线方程：

；

式中， 为逻辑回归生成的曲线函数，所述曲线函数代表叶片检测机器人运行效率水平， 为常数， 、 、 、 、 分别为 对应的权重；

通过所述曲线方程，获取综合效率特征矩阵 所对应的权重矩阵：；

第四步：计算综合效率得分，其包括如下步骤：对第二预设比例的叶片测检机器人的运行轨迹数据进行得分计算，得到每组运行轨迹数据的综合效率得分 ，所述 的计算公式如下：；

第五步：根据所述综合效率得分选择最优检测路径。

15.一种叶片检测机器人的控制器，其特征在于，包括：一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求10‑14中任一所述的叶片检测机器人的控制方法。

说明书

叶片检测机器人、控制方法和控制器

技术领域

[0001] 本发明涉及机器人技术领域，特别涉及叶片检测机器人、控制方法和控制器。

背景技术

[0002] 机器人是一种能够半自主或全自主工作的智能机器，机器人具有感知、决策、执行等基本特征，可以辅助甚至替代人类完成危险、繁重、复杂的工作，提高工作效率与质量。我
国目前已安装的风力发电机组数量超过十万台，风力发电机组的叶片在复杂的自然环境下
长期使用后，需要针对性对其检测以排查隐患。

[0003] 现在对叶片进行检测时，大多是通过工作人员在身上绑工作绳或使用吊篮，吊在叶片上对叶片进行检测，由于人员活动受限，不能够灵活移动，导致检测时不够全面安全，
不能够有效检测出叶片上存在的瑕疵、缺陷或污点，且工作人员的安全风险大，本申请提出
了叶片检测机器人及其控制方法来满足相关需求。

发明内容

[0004] 本申请的目的在于提供叶片检测机器人、控制方法和控制器，以解决上述背景技术中提出的问题。

[0005] 第一方面，提供一种叶片检测机器人，包括机器人外壳，其还包括：

[0006] 吸附行走部，包括第一吸附行走部和第二吸附行走部，所述第一吸附行走部和所述第二吸附行走部分别包括两个吸附单元和两个气筒单元，每个所述吸附单元与一个所述
气筒单元连接；每个所述气筒单元用于控制与其连接的吸附单元向下运动并与待检测叶片
的表面处于吸附状态，或者，控制与其连接的吸附单元向上运动并与待检测叶片的表面处
于解除吸附状态；

[0007] 动力单元，与所述吸附行走部连接，用于驱动所述第一吸附行走部和所述第二吸附行走部交替地移动；

[0008] 缺陷检测单元，设置于所述机器人外壳上，包括用于检测叶片缺陷的图像传感器和/或红外热成像仪；以及，

[0009] 第一智能控制模块，设置于所述机器人外壳的内部，用于控制所述缺陷检测单元的工作状态，以及当控制所述动力单元驱动所述第一吸附行走部和所述第二吸附行走部中
的一个在叶片上移动时，同时控制所述第一吸附行走部和所述第二吸附行走部中的另一个
与叶片处于吸附状态。

[0010] 第二方面，提供一种叶片检测机器人的控制方法，所述叶片检测机器人是如上所述的叶片检测机器人，所述叶片检测机器人的控制方法包括：

[0011] 控制叶片检测机器人在待检测叶片的第一面上按照规划路径移动，并且控制启动所述叶片检测机器人的缺陷检测单元，获取待检测叶片的缺陷数据，直到对所述待检测叶
片的第一面完成检测；

[0012] 当对所述待检测叶片的第一面完成检测时，与无人机通信，通知所述无人机对所述叶片检测机器人进行装载操作；

[0013] 当检测到所述叶片检测机器人与所述待检测叶片的第一面相分离，并且所述叶片检测机器人与所述待检测叶片的第一面之间的距离大于预设的安全距离时，与风力发电机
组的主控制器通信，请求所述主控制器对所述待检测叶片执行变桨操作直到所述待检测叶
片翻转至第二面水平朝上；其中，所述第一面是压力面及吸力面中的一个，所述第二面是压
力面及吸力面中的另一个；

[0014] 在接收到所述主控制器反馈的用于表征所述待检测叶片翻转至第二面水平朝上的变桨翻转成功信号后，向所述无人机发送请求释放所述叶片检测机器人的释放信号；

[0015] 当所述叶片检测机器人降落于所述待检测叶片的第二面上时，控制所述叶片检测机器人按照规划路径对所述待检测叶片的第二面进行检测，直到所述待检测叶片的第二面
检测完成。

[0016] 第三方面，提供一种叶片检测机器人的控制器，其包括：

[0017] 一个或多个处理器；

[0018] 存储装置，用于存储一个或多个程序；

[0019] 当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的任意一种叶片检测机器人的控制方法。

[0020] 综上，上述技术方案的优点包括：

[0021] 本发明实施例的叶片检测机器人，通过吸附行走部使叶片检测机器人移动时始终保持与待检测叶片的表面处于吸附状态，从而能够对叶片进行更加全面、稳定、安全的检
测，不会使其从叶片表面脱落，也不会遗漏瑕疵、缺陷或污点，提升检测效果、延长服役寿
命、并保障运维人员的安全性。通过缺陷检测单元，能够检测到叶片上的瑕疵、缺陷或污点
时，反馈信息给第一智能控制模块，第一智能控制模块将瑕疵、缺陷或污点的检测数据通过
无线网络发送到远程或云端的智能运维服务器，供运维人员进行远程诊断或会诊。

[0022] 本发明实施例的叶片检测机器人的控制方法，由于根据规划好的移动路径进行检测工作，从而能够确定叶片机器人移动的安全边界，规避叶片禁区或者叶片上的危险区域，
防止机器人掉落，提高检测效率并且兼顾安全性。

附图说明

[0023] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申
请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这
些附图获得其他的附图。

[0024] 图1为本发明实施例的叶片检测机器人的第一部分立体结构示意图；

[0025] 图2为本发明实施例的叶片检测机器人的第二部分立体结构示意图；

[0026] 图3为本发明实施例的叶片检测机器人的内部立体结构示意图；

[0027] 图4为本发明实施例的第二带动电机、固定转盘配合放大立体结构示意图；

[0028] 图5为本发明实施例的叶片检测机器人的部分剖切立体结构示意图；

[0029] 图6为本发明实施例的吸附行走部剖切放大立体结构示意图；

[0030] 图7为本发明实施例的接触吸盘、伸缩杆、缓冲杆配合放大立体结构示意图；

[0031] 图8为本发明实施例的固定转盘、活动板、滑动板配合放大立体结构示意图；

[0032] 图9是本发明实施例的叶片检测机器人行走原理示意图；

[0033] 图10是本发明实施例的一种叶片检测器人的控制方法的流程图；

[0034] 图11是本发明实施例的叶片检测机器人的四条路径规划示意图；

[0035] 图12是本发明实施例的机器人半径及安全边距示意图；

[0036] 图13是本发明实施例的叶片上的安全活动范围示意图；

[0037] 图14是本发明实施例的叶片检测机器人的路径规划方法的流程图。

[0038] 图中：1、机器人外壳；2、安装板；3、检测探头；4、修复组件；5、工形滑块；6、L形连接板；7、固定板；8、伸缩软管；9、L形固定板；10、接触吸盘；11、伸缩杆；12、固定转盘；13、伸缩
气筒；14、第二带动电机；15、固定横板；16、第一智能控制模块；17、控制器安装板；18、活动
卡块；19、第一带动电机；20、限位卡板；21、活动齿条；22、固定杆；23、转动齿轮；24、连接带
轮；25、连接皮带；26、活塞；27、缓冲杆；28、固定导管；29、缓冲块；30、固定弯管；31、固定拉
杆；32、滑动板；33、L形限位板；34、活动板；35、活动轴；36、转轴；37、顶板；38、支撑架；39、第
一电动伸缩缸；40、第二电动伸缩缸；41、第二智能控制模块；42、第三带动电机；43、第三电
动伸缩缸；44、电动吸盘；45、传感器。

具体实施方式

[0039] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。

[0040] 参考图1‑图8所示的叶片检测机器人，其包括机器人外壳1，该叶片检测机器人还包括：吸附行走部，其包括第一吸附行走部和第二吸附行走部，第一吸附行走部和第二吸附
行走部分别包括两个吸附单元和两个气筒单元，每个吸附单元与一个气筒单元连接；每个
气筒单元用于控制与其连接的吸附单元向下运动并与待检测叶片的表面处于吸附状态，或
者，控制与其连接的吸附单元向上运动并与待检测叶片的表面处于解除吸附状态；动力单
元，与吸附行走部连接，用于驱动第一吸附行走部和第二吸附行走部交替地移动；缺陷检测
单元，设置于机器人外壳1上，包括用于检测叶片表面缺陷的图像传感器和/或用于检测叶
片表面或者内层缺陷的红外热成像仪；以及，第一智能控制模块16，设置于机器人外壳1的
内部，用于控制缺陷检测单元的工作状态，以及当控制动力单元驱动第一吸附行走部和第
二吸附行走部中的一个在叶片上移动时，同时控制第一吸附行走部和第二吸附行走部中的
另一个与叶片处于吸附状态。

[0041] 在本实施例中，该吸附行走部包括多个吸附单元，气筒单元用于控制改变吸附单元的工作状态，使得吸附单元处于吸附状态或解除吸附状态。具体地，气筒单元通过向吸附
单元执行吸气操作或抽真空操作，使得吸附单元与待检测叶片表面紧贴吸附，气筒单元通
过向吸附单元执行充气操作，使得吸附单元与待检测叶片表面分离而解除吸附。进一步地，
多个吸附单元包括处于第一侧的第一吸附行走部的多个吸附单元和处于第二侧的第二吸
附行走部的多个吸附单元，第一侧与第二侧相平行，每一侧的多个吸附单元均可由动力单
元驱动而进行直线移动。第一智能控制模块，具体还用于在控制叶片检测机器人移动时，控
制第一侧的多个吸附单元和第二侧的多个吸附单元分别交替地吸附于待检测叶片的表面，
从而使得叶片检测机器人在移动时始终保持其与待检测叶片的表面处于吸附状态。具体
地，第一智能控制模块，具体用于当控制第一侧的多个吸附单元与待检测叶片的表面解除
吸附状态，并且控制第一侧的多个吸附单元移动时，还控制第二侧的多个吸附单元保持与
待检测叶片表面处于固定吸附状态；当控制第二侧的多个吸附单元与待检测叶片的表面解
除吸附状态，并且控制第二侧的多个吸附单元移动时，还控制第一侧的多个吸附单元保持
与待检测叶片表面处于固定吸附状态。

[0042] 进一步地，参阅图3，每个气筒单元包括伸缩气筒13，每个伸缩气筒13的侧壁上均固定安装有两个对称设置的活动卡块18；机器人外壳1的底部开设有两个滑动孔，一个滑动
孔的内壁上滑动适配第一吸附行走部的两个伸缩气筒13，另一个滑动孔的内壁上滑动适配
第二吸附行走部的两个伸缩气筒13；动力单元，与靠近机器人外壳1底侧内壁中心位置的四
个活动卡块18连接。活动卡块18可以是现有技术中的任意一种金属块，其与伸缩气筒13的
侧壁焊接或螺接进行固定。其中靠近机器人外壳1底侧内壁中心位置的四个活动卡块18通
过用于控制前进的动力单元相连接。

[0043] 参阅图6，气筒单元还可以包括：活塞26，滑动安装于伸缩气筒13内壁上；伸缩杆11，固定安装于活塞26的底部；其中，每个伸缩杆11上均设置有一个吸附单元，每个吸附单
元分别与一个伸缩气筒13相连接。

[0044] 参阅图1，机器人外壳1安装有用于检测叶片缺陷的缺陷检测单元，缺陷检测单元包括多个检测探头3，该检测探头3包括：红外热成像仪和/或图像传感器。

[0045] 吸附行走部、缺陷检测单元、动力单元均与第一智能控制模块16相连接。通过吸附行走部的设置，使叶片检测机器人移动时更加灵活稳定，能够对叶片进行更加全面的检测，
使叶片能够被检测的更好，不会遗漏瑕疵、缺陷或污点，降低了人员的工作风险，且叶片检
测机器人使用寿命更长。

[0046] 在本实施例中，如图7所示，伸缩杆11底部开设有缓冲槽，缓冲槽的内壁上开设有弹簧槽，该吸附单元包括：缓冲块29、缓冲杆27、接触吸盘10以及弹簧；

[0047] 其中，弹簧槽的内壁上滑动安装有缓冲块29，缓冲块29的底部固定安装有缓冲杆27，缓冲杆27的底部固定安装有接触吸盘10，缓冲块29的顶部固定安装有弹簧，弹簧与弹簧
槽同轴心设置，接触吸盘10与伸缩气筒13相连接。通过吸附单元的设置，使接触吸盘10内部
空气被吸入伸缩气筒13内，使接触吸盘10能够紧贴在叶片表面，使叶片检测机器人能够稳
定的吸附在叶片表面，使叶片检测机器人能够更好的检测叶片表面存在的瑕疵、缺陷或污
点，使叶片检测机器人使用时更加稳定，检测效果更好。

[0048] 如图5、图6所示，伸缩气筒13的侧壁上开设有导气孔，导气孔的内壁上固定安装有固定导管28，固定导管28的底端固定安装有伸缩软管8，伸缩软管8的底端固定安装有固定
弯管30，接触吸盘10的顶部开设有透气孔，固定弯管30固定安装于透气孔的内壁上。通过伸
缩软管8的设置，伸缩气筒13内部气压降低，使伸缩气筒13开始通过导气孔吸气，通过固定
导管28、伸缩软管8、固定弯管30，使接触吸盘10内部空气被吸入伸缩气筒13内，使接触吸盘
10能够紧贴在叶片表面，进而使叶片检测机器人能够稳定的吸附在叶片表面，防止其跌落
损毁，并且在极端或恶劣气候环境下，通过增加接触吸盘的吸力或真空度，可使得叶片检测
机器人牢固固定于待检测叶片表面，保障其安全性。

[0049] 作为本实施例的一种优选的实施方式，如图3所示，动力单元包括固定安装于叶片检测机器人外壳1顶部内壁上的第一带动电机19、对应固定安装于靠近机器人外壳1底侧内
壁中心位置的四个活动卡块18侧壁上的两个对称设置的活动齿条21，第一带动电机19的输
出端固定套接有转动齿轮23，两个活动齿条21均与转动齿轮23相啮合，第一智能控制模块
16与第一带动电机19相连接。可选地，叶片检测机器人外壳1上还可设置有与每个活动齿条
21对应的通孔，使得每个活动齿条21均能够从外壳1的前后两侧的通孔中伸出或缩回，以带
动叶片检测机器人进行更大步距的移动。当第一带动电机19顺时针转动时，位于第一侧的
两个接触吸盘10与叶片表面固定，位于第二侧的两个接触吸盘10与叶片表面解除吸附固
定，从而第一带动电机19驱动第二侧的齿条21带动第二侧的两个接触吸盘10移动，在第二
侧的两个接触吸盘10移动到目标位置后，第一智能控制模块16控制在第二侧的两个接触吸
盘10与叶片表面吸附固定，并且控制第一侧的两个接触吸盘10解除与叶片表面的吸附固定
状态，然后控制第一带动电机19逆时针转动，从而第一带动电机19驱动第一侧的齿条21带
动第一侧的两个接触吸盘10移动，这样反复交替控制，可使得叶片检测机器人向相同的方
向移动。通过动力单元的设置，使叶片检测机器人能够持续前进，使叶片检测机器人能够对
叶片进行更加全面高效的检测，检测效果更好。

[0050] 进一步地，机器人外壳1的两个相对内壁上对应固定安装有两个限位卡板20，限位卡板20可以是现有技术中的任意一种金属板，其与机器人外壳1的内壁焊接进行固定。两个
限位卡板20的顶部固定安装有控制器安装板17，控制器安装板17的顶部固定安装有第一智
能控制模块16，或者，控制器安装板17的顶部固定安装有第一智能控制模块16和第二智能
控制模块41，第一智能控制模块16与第二智能控制模块41相连接。

[0051] 作为本实施例的一种优选的实施方式，如图1‑图5所示，四个伸缩气筒13的顶端分别对应与两个限位卡板20的底部相接触，其中，每个限位卡板20的底部与两个伸缩气筒13
的顶端相接触，机器人外壳1的两个相对侧壁上均固定安装有顶板37，两个顶板37的底部固
定安装有第二电动伸缩缸40，两个第二电动伸缩缸40的输出端均固定安装有支撑架38，两
个支撑架38的底端均通过滚轴转动安装有滚轮，机器人外壳1的底部固定安装有第三带动
电机42，第三带动电机42的输出端驱动安装有第三电动伸缩缸43，第三电动伸缩缸43的输
出端固定安装有电动吸盘44，机器人外壳1的侧壁上固定安装有传感器45，第二电动伸缩缸
40、第三带动电机42、第三电动伸缩缸43、电动吸盘44、传感器45均与第一智能控制模块16
相连接。通过限位卡板20的设置，使伸缩气筒13移动时更加稳定顺畅，使叶片检测机器人更
加顺畅的移动，电动吸盘44使叶片检测机器人能够进行换向移动，滚轮使叶片检测机器人
在移动时稳定性更好，不会出现歪斜的现象，使叶片检测机器人能够更加全面的对叶片进
行检测。

[0052] 作为本实施例的一种优选的实施方式，如图6所示，机器人外壳1上还安装有用于驱动四个伸缩杆11的驱动单元，该驱动单元与第一智能控制模块16相连接。

[0053] 在本实施例中，如图4、图8所示，机器人外壳1的两个相对侧壁上均开设有移动孔，该驱动单元包括：两个工形滑块5、两个L形连接板6、两个固定横板15、两个L形固定板9、两
个固定板7、两个第二带动电机14、两个转轴36、四个连接带轮24、两个连接皮带25、四个固
定转盘12、四个活动板34、四个活动轴35、四个滑动板32以及四个固定拉杆31。

[0054] 其中，如图4所示，每个移动孔上均滑动安装有一个工形滑块5，两个工形滑块5相互远离的一侧均固定安装有L形连接板6，每个L形连接板6的底部均固定安装有固定横板
15，两个固定横板15的底部均固定安装有一个固定板7，两个固定横板15相互远离的一侧均
固定安装有L形固定板9，两个L形固定板9相互靠近的一侧均固定安装有一个第二带动电机
14。

[0055] 如图8所示，两个固定板7相互靠近的一侧均转动安装有一个转轴36，两个转轴36上和两个第二带动电机14的输出端上均固定套接有连接带轮24，四个连接带轮24上对应张
紧有两个连接皮带25，两个转轴36的一端和两个第二带动电机14的输出端均固定安装有固
定转盘12，四个固定转盘12相互靠近的一侧均通过旋转柱转动安装有活动板34，四个活动
板34的另一端均通过活动轴35转动连接有滑动板32。

[0056] 如图6和图7所示，四个滑动板32的侧壁上均固定安装有固定拉杆31，四个固定拉杆31的一端分别固定安装于四个伸缩杆11的侧壁上，两个第二带动电机14均与第一智能控
制模块16相连接。通过固定转盘12的设置，在连接皮带25的带动下，使四个固定转盘12均发
生转动，使旋转柱带动活动板34发生转动，使叶片检测机器人能够稳定的吸附在叶片表面，
使叶片检测机器人能够更好的检测叶片表面存在的瑕疵、缺陷或污点。

[0057] 在本实施例中，如图6所示，四个伸缩气筒13的底部均固定安装有L形限位板33，四个L形限位板33的底部均开设有限位孔，四个滑动板32分别滑动安装于四个限位孔的内壁
上。通过L形限位板33的设置，使滑动板32能够更加稳定的移动，使叶片检测机器人能够稳
定的吸附在叶片表面，使叶片检测机器人能够更好的检测叶片表面存在的瑕疵、缺陷或污
点，使叶片检测机器人使用时更加稳定，检测效果更好。

[0058] 作为本实施例的一种优选的实施方式，如图1‑图3所示，缺陷检测单元包括固定安装于机器人外壳1底部的固定杆22，固定杆22的侧壁上固定安装有第一电动伸缩缸39，第一
电动伸缩缸39的输出端固定安装有安装板2，安装板2的底部固定安装有多个均匀设置的检
测探头3和/或修复组件4，第一电动伸缩缸39与第一智能控制模块16相连接，多个检测探头
3均与第一智能控制模块16相连接。通过缺陷检测单元的设置，使第一电动伸缩缸39带动检
测探头3能够检测到叶片上的瑕疵、缺陷或污点，反馈信息给第一智能控制模块16，第一智
能控制模块16将瑕疵、缺陷或污点的检测数据通过无线网络发送到远程或云端的智能运维
服务器，供运维人员进行远程诊断或会诊。进一步地，智能运维服务器根据接收到的叶片缺
陷相关的检测数据，获得如下中的至少一个：待检测叶片上的缺陷可视化分布图、缺陷类
型、每种类型的缺陷对应的数量统计数据、缺陷的等级（严重程度）。从而有利于实现对叶片
的可视化远程智能运维，安排采用合适的修复方案包括：修复工具、修复时机、修复耗时、修
复成本等。

[0059] 在另一实施例中，缺陷检测单元将采集的叶片表面图像数据和/或叶片红外热成像数据传送到第一智能控制模块进行分析识别，第一智能控制模块基于上述数据和内置的
预先训练好的基于机器学习或深度学习的叶片缺陷识别模型确定具体的叶片缺陷分类识
别结果，并将该叶片表面图像数据、叶片红外热成像数据、叶片缺陷分类识别结果关联存储
后向远端或云端的智能运维中心服务器发送，以供智能运维中心服务器绘制叶片缺陷统计
信息和/或分布状况的可视化视图。

[0060] 在又一实施例中，叶片检测机器人上还可以配置有：机器人定位模块，用于实时采集叶片检测机器人的坐标信息；以及，缺陷定位模块，用于确定叶片缺陷相对于叶片检测机
器人的距离信息和方位信息；第一智能控制模块还用于：将上述坐标信息、距离信息、方位
信息、以及叶片缺陷图像数据一起关联存储以及关联地打包发送到智能运维中心服务器，
以供其绘制叶片缺陷分布状况的可视化视图。机器人定位模块例如采用北斗或GPS定位模
块，或者通过统计机器人的移动步数，并且联合机器人的路径规划来确定其坐标。缺陷定位
模块可以是图像分析处理器，用于对采集的检测图像进行分析，叶片检测机器人的图像位
于该检测图像的中心，叶片缺陷分布于该中心附近的圆形或矩形区域内，通过图像处理该
当可确定叶片缺陷相对于叶片检测机器人的相对坐标值和分布象限。

[0061] 在又一实施例中，检测探头检测到叶片上的瑕疵、缺陷或污点时，反馈信息给第一智能控制模块，由第一智能控制模块进行核实确认，当通过确认时，将该缺陷的表面图像、
视频、或指示内层缺陷的热成像图片在本地进行缓存，并且周期性地或实时地向云端的智
能运维服务器发送。第一智能控制模块还对缺陷的范围、面积、深度、长度、宽度中的至少一
个参数进行测量计算，并且将参数计算结果以及上述该缺陷的表面图像、视频、或指示内层
缺陷的热成像图片一起关联绑定向云端的智能运维服务器发送，从而有利于实现远程智能
检测可视化、定量化、精准化运维。

[0062] 具体地，上述检测设备可以包括用于对叶片进行无损检测的无损检测设备。该无损检测设备可以基于X射线检验法、超声波检测法、微波检测法、声发射检测法、光纤传感器
检测法、红外热成像检测技术。该无损检测设备可以对叶片的表面缺陷和/或内部损伤进行
检测。进一步地，该无损检测设备能够对叶片在运行过程中产生的不同程度的损伤进行检
测识别。上述基于长期运行产生的叶片损伤的主要形式包括：表面磨损、砂眼、裂纹、开裂、
断裂、因雷击导致的叶片材料碳化和基体老化等。发明人发现，叶片出现磨损、砂眼后表现
为表面光滑度下降、出现哨声、阻力增大，影响风机安全运行。外界冲击是产生裂纹的主要
原因，断裂通常是由缺陷损伤累积引起的，风机在正常运行情况下叶片不会发生突然断裂，
而基体老化是由于风机叶片长期工作在沙尘、雨水和盐雾腐蚀的恶劣条件下而产生。上述
裂纹可以是垂直于叶片表面的裂纹或者横向扩展的裂纹。在一较佳实施例中，上述无损检
测设备可采用红外无损检测设备，例如红外热成像仪。发明人发现，红外热成像检测技术能
够检测出玻璃纤维制叶片的几种典型缺陷，例如分层、脱胶和渗胶类型的缺陷。并且，缺陷
尺寸越大、深度越浅，冷却过程中形成的最大表面温差越大，使用红外热成像仪越容易进行
检测。在另一较佳实施例中，该无损检测设备还包括：图像传感器或数码相机，用于在叶片
检测机器人在叶片表面的移动过程中，拍摄叶片表面的高清晰度和高分辨率图像，将该叶
片表面图像结合其对应的在叶片表面上的位置信息一起关联组合存储，使两者相对应，并
且将叶片表面图像与该图像在叶片表面上的位置信息通过第一智能控制模块或第二智能
控制模块以及无线通信模块，远程传送到服务器或地面计算机进行图像分析，以对叶片缺
陷进行定位。

[0063] 进一步地的实施例中，当叶片检测机器人配置了修复组件4时，叶片检测机器人能够在瑕疵、缺陷或污点旁往复前进后退，使修复组件4往复移动对瑕疵、缺陷或污点进行来
回修复操作，修复叶片上的瑕疵、缺陷。修复组件4可以包括如下任意一种或多种：焊接修复
组件，其包括焊枪和X射线探伤装置，该X射线探伤装置对焊接修复操作后的焊接气孔进行
检测，以确认焊接修复工作达标，当不达标时向维护人员发出预警提示；打磨修复组件，对
叶片的缺陷位置进行打磨修复；注胶漆组件，用于向叶片的受损区域施加底漆溶液和/或
胶，并且通过加热部件使施加于受损区域的底漆溶液和/或胶固化；打印组件，其包括喷嘴
和固化装置，用于向叶片的受损区域喷出树脂沉积材料，固化装置包括感应加热装置，对该
树脂沉积材料进行加热固化。

[0064] 进一步地，该叶片检测机器人，还包括第二智能控制模块41，与第一智能控制模块16电连接，用于：

[0065] 当需要把叶片检测机器人从待检测叶片的第一面切换到待检测叶片的第二面上时，与无人机通信，通知无人机对叶片检测机器人进行装载操作，以将叶片检测机器人固定
于无人机上；其中，第一面是压力面及吸力面中的一个，第二面是压力面及吸力面中的另一
个；

[0066] 当检测到叶片检测机器人与待检测叶片的第一面相分离，并且叶片检测机器人与待检测叶片的第一面之间的距离大于预设的安全距离时，与风力发电机组的主控制器通
信，请求主控制器对待检测叶片执行变桨操作，使得叶片实现180度变桨翻转；

[0067] 在接收到主控制器无线反馈的180度变桨翻转成功信号后，向无人机发送请求释放叶片检测机器人的释放信号；

[0068] 当叶片检测机器人降落于待检测叶片的180度变桨翻转后的第二面上时，触发第一智能控制模块16控制该叶片检测机器人对第二面执行检测操作。

[0069] 进一步地，该叶片检测机器人上还配置有无线通信模块，用于与无人机和风力发电机组的主控制器进行无线通信。该无线通信模块与该第二智能控制模块41电连接。进一
步地，在该叶片检测机器人上还设置有测距传感器，例如测距雷达，用于检测该叶片检测机
器人与叶片的第一面或第二面的第一距离和第二距离，基于该第一距离确定该叶片检测机
器人是否与叶片的第一面或第二面相分离；或者基于该第二距离确定叶片检测机器人与叶
片的第一面之间的距离大于预设的安全距离。该第二距离大于该第一距离。在另外一些可
能的实施例中，设置有压力传感器，用于当该叶片检测机器人与叶片表面接触时，该压力传
感器向第一或第二智能控制模块反馈接触信号，第一或第二智能控制模块基于该接触信号
检测确定该叶片检测器人是否与叶片的第一面或第二面相接触。

[0070] 在可替换的实施例中，第二智能控制模块41的功能合并到第一智能控制模块16中，即第二智能控制模块41可省略，其功能加载至第一智能控制模块16中。

[0071] 在进一步的实施例中，在第一智能控制模块16中还包括：路径规划模块，用于对叶片检测机器人的移动路径进行规划，或者接收外界输入的路径规划配置信息，使得叶片机
器人根据规划好的移动路径进行检测工作，确定叶片机器人移动的安全边界，规避叶片禁
区或者叶片上的危险区域，防止机器人掉落，提高检测效率并且兼顾安全性。

[0072] 本发明实施例的工作原理：

[0073] 使用叶片检测机器人时，先将该叶片检测机器人装载于无人机上，通过无人机的地面工作站控制无人机携带该叶片检测机器人稳定降落于待检测叶片的上表面，无人机与
该叶片检测机器人分离。

[0074] 第一智能控制模块16控制启动两个第二带动电机14，进而使连接带轮24发生转动，在连接皮带25的带动下，使四个固定转盘12均发生转动，进而使旋转柱带动活动板34发
生转动，进而使活动轴35对滑动板32进行推拉，使固定拉杆31推拉伸缩杆11，使接触吸盘10
接触叶片表面，同时使活塞26在伸缩气筒13内发生滑动，进而使伸缩气筒13内部气压降低，
使伸缩气筒13开始通过导气孔吸气，通过固定导管28、伸缩软管8、固定弯管30，使接触吸盘
10内部空气被吸入伸缩气筒13内，使接触吸盘10内部形成负压而被吸附在叶片表面，进而
使叶片检测机器人能够稳定的停靠在叶片表面，使叶片检测机器人使用时更加稳定安全，
检测效果更好。

[0075] 当叶片检测机器人进行移动时，先控制第一吸附行走部同侧的第二电动伸缩缸40带动支撑架38下移，使支撑架38底部的滚轮接触叶片表面，再控制同侧的第二带动电机14
转动，使第一吸附行走部的伸缩杆11带动活塞26在伸缩气筒13内运动，使伸缩气筒13内部
的空气能够被挤压进入接触吸盘10内，使第一吸附行走部的两个接触吸盘10与叶片分离，
进而控制第一带动电机19发生转动，使转动齿轮23发生转动，进而使两个活动齿条21发生
相对移动，由于叶片检测机器人第二吸附行走部的两个接触吸盘10仍然吸附在叶片表面，
使与第二吸附行走部同侧的活动齿条21相对叶片保持静止不动，而另一侧活动齿条21相对
叶片发生移动，并带动第一吸附行走部同向移动，同时机器人外壳1也发生同向移动，当第
一吸附行走部移动到极限位置时，停止第一带动电机19，控制第一吸附行走部侧的第二带
动电机14，使第一吸附行走部的两个接触吸盘10重新吸附在叶片表面，同时控制第一吸附
行走部同侧的第二电动伸缩缸40带动支撑架38缩回离开叶片表面，进而按照以上类似的控
制流程实现叶片检测机器人第二吸附行走部的移动，进而通过反复以上操作，即可使叶片
检测机器人持续前进，当需要使叶片检测机器人换方向前进时，使第三电动伸缩缸43启动，
使电动吸盘44下降，使电动吸盘44启动吸附在叶片表面，进而使四个接触吸盘10均与叶片
分离，启动第三带动电机42，带动机器人外壳1发生转动，进而使叶片检测机器人实现换向，
进而使叶片检测机器人能够对叶片进行更加全面的检测。

[0076] 图9是本发明实施例的叶片检测机器人行走原理示意图。如图9所示，叶片检测机器人在叶片上行走的过程分解为如下步骤：

[0077] 步骤S1：叶片检测机器人处于起始状态；

[0078] 步骤 S2：叶片检测机器人左侧的吸附行走部的两个吸盘10吸附在所检测的叶片表面；叶片检测机器人右侧吸附行走部的两个吸盘10与叶片分离；在俯视叶片检测机器人
的方向，转动齿轮23逆时针旋转。叶片检测机器人的右侧活动齿条21向前移动，带动叶片检
测叶器人右侧吸附行走部向前移动；同时机器人壳体1与转动齿轮23一同也前移动。

[0079] 步骤S3：叶片检测机器人右侧的吸附行走部的两个吸盘10吸附在所检测的叶片表面；叶片检测机器人左侧吸附行走部的两个吸盘10与叶片分离；在俯视叶片检测机器人的
方向，转动齿轮23顺时针旋转。叶片检测机器人左侧活动齿条21向前移动，带动叶片检测叶
器人左侧吸附行走部向前移动；同时机器人壳体1与转动齿轮23一同向前移动。

[0080] 以上步骤S2‑步骤S3交替进行，实现叶片检测机器人行走移动功能。

[0081] 步骤S4：叶片检测机器人停止移动时，通过转动齿轮23旋转，将两侧活动齿条21收回至起始状态。

[0082] 在叶片检测机器人前进的同时，开启多个检测探头3，使检测探头3能够持续对叶片表面进行识别检测，使叶片检测机器人不会漏检叶片上的表面磨损、砂眼、裂纹、开裂、断
裂、叶片材料碳化和基体老化等，当监测叶片叶尖等不易移动到的地方时，启动第一电动伸
缩缸39，使检测探头3能够被带着移动到更远的地方，使叶片检测机器人的检测效果更好，
能够检测到叶片上更多不易检测的地方，使叶片检测机器人使用时更加稳定便捷。

[0083] 在一些可选的实施例中，当检测探头3检测到叶片上的瑕疵、缺陷或污点时，能够反馈信息给第一智能控制模块16，进而使第一智能控制模块16控制第一带动电机19和第二
带动电机14，使叶片检测机器人能够在瑕疵、缺陷或污点旁往复前进后退，使机器人外壳1
带动固定杆22发生往复移动，进而使安装板2带动修复组件4往复移动，使修复组件4对瑕
疵、缺陷或污点进行来回修复处理。

[0084] 当外界风力较大时，通过传感器45，其可以是风速风向仪，能够对风速和风向进行检测，进而把检测到的风速信号和风向信号传送给第一智能控制模块16，进而使第一智能
控制模块16控制叶片检测机器人，使四个接触吸盘10均吸附在叶片表面，使叶片检测机器
人使用时稳定性更好，不会发生掉落的风险。

[0085] 当需要把叶片检测机器人切换到叶片另外一个表面上时，通过第二智能控制模块41，与无人机通信，通知无人机对该叶片检测机器人进行装载操作，以将该叶片检测机器人
重新固定于无人机上。无人机将该叶片检测器人固定，然后飞离叶片的当前表面，使该叶片
检测器人与待检测叶片的当前表面相分离。在一些实施例中，无人机上配置有吸附装置、挂
钩装置或电动夹具等固定装置，用于将该叶片检测机器人固定于无人机上。在一些实施例
中，该吸附装置可以是电磁吸附装置，在通电后产生磁性将金属材质的机器人外壳1吸附于
无人机。在另外一些实施例中，该吸附装置可以是电动吸盘，用于将机器人外壳1的平坦表
面与无人机吸附固定。在又一些实施例中，机器人外壳1的表面还设置有固定扣，在无人机
的本体上还配置有挂钩，通过地面飞手控制挂钩与固定扣相连接，将该叶片检测机器人固
定于无人机上。

[0086] 第二智能控制模块41还与风力发电机组的主控制器通信，触发或请求主控制器对待检测叶片执行变桨操作，使得该叶片实现180度翻转。主控制器接收到该触发信号或请求
信号后，控制该叶片执行180度变桨翻转，并且在完成变桨翻转操作后，向该第二智能控制
模块41无线反馈180度变桨翻转成功的响应信号。

[0087] 第二智能控制模块41向无人机发送请求释放叶片检测机器人的释放信号。无人机在接收到该释放信号后，将叶片检测机器人解除固定并且降落于180度翻转后的叶片的另
一表面，即第二面的安全活动范围内。

[0088] 然后，第二智能控制模块41通知第一智能控制模块16对该待检测叶片的第二面执行检测操作。

[0089] 上述技术方案的优点在于：

[0090] 本发明实施例的叶片检测机器人前进的同时，开启多个检测探头，使检测探头能够持续对叶片表面进行识别检测，使叶片检测机器人不会漏检叶片上的瑕疵、缺陷或污点，
另外，启动第一电动伸缩缸，使检测探头能够被带着移动到更远的地方，使叶片检测机器人
能够检测到叶片上更多不易检测的地方，检测探头包括照相机和红外热成像仪有利于对叶
片的表面缺陷和内层缺陷进行检测。

[0091] 使用叶片检测机器人时，把叶片检测机器人放置在叶片的表面，第一智能控制模块启动两个第二带动电机轮流转动，使两对同一边的接触吸盘轮流紧贴吸附在叶片表面，
使叶片检测机器人能够稳定的吸附在叶片表面。当叶片检测机器人进行移动时，控制使其
中一边的两个接触吸盘与叶片分离，使滚轮接触叶片表面，控制第一带动电机发生转动，使
两个活动齿条的运动方向相反，反复以上操作，即可使叶片检测机器人持续前进。当需要改
变叶片机器人的前进方向时，控制启动第三电动伸缩缸，使电动吸盘下降并吸附在叶片表
面，使四个接触吸盘均与叶片分离，启动第三带动电机，使叶片检测机器人实现换向，使叶
片检测机器人适应不同的规划路径，能够对叶片进行更加全面高效安全的检测。另外，吸盘
单元在移动时与叶片表面分离，可减少吸盘组单元磨损，延长寿命。该叶片机器人在移动时
保持一边的吸附单元与叶片表面处于吸附状态，可适应叶片检测时的复杂气候和坡度，降
低机器人侧翻、滑移、倾覆的风险。

[0092] 本发明实施例的叶片检测机器人移动孔使工形滑块5能够更加稳定的移动，限位卡板20和活动卡块18能够使伸缩气筒13移动时更加稳定顺畅，使伸缩气筒13不会脱出滑动
孔，进而使叶片检测机器人能够更加顺畅的移动，使叶片检测机器人能够更好的对叶片进
行检测，通过连接带轮24和连接皮带25，使同一边的接触吸盘10移动时更加同步，使叶片检
测机器人移动时更加平稳，能够达到更好的检测效果，使叶片检测机器人能够更加牢固的
吸附在叶片表面，使叶片检测机器人不会掉落，使叶片检测机器人使用寿命更长。

[0093] 图10是本发明实施例的一种叶片检测器人的检测控制方法的流程图。如图10所示，该检测控制系统的具体控制过程包括如下步骤：

[0094] S110：发出控制信号启动叶片检测机器人，例如启动其动力单元，使得该叶片检测机器人在待检测叶片的第一面上开始移动；在本步骤中，第一智能控制模块发出控制信号
启动叶片检测机器人的驱动电机。

[0095] S120：控制叶片检测机器人上的风速风向仪开始工作，或者，控制叶片检测机器人从风力发电机组上配置的风速风向仪中获取风速数据和风向数据，判断风速是否超出安全
工作阈值；具体地，该风速风向仪能够实时检测风力（风速）和风向，第一智能控制模块通过
评估风速和风向判断其是否超过预设的安全工作阈值，若超过该安全工作阈值则发出报警
信号，若未超过安全工作阈值，则发出检测启动信号。

[0096] S130：当风速和/或风向超出对应的安全工作阈值时，控制叶片检测机器人发出报警并使叶片检测机器人停止工作；进一步地，还可增加吸盘吸力使叶片检测机器人牢固吸
附于叶片表面；

[0097] S140：当风速未超出对应的安全工作阈值时，控制启动叶片检测机器人的检测探头，对待检测叶片的第一面进行自动扫描，获取待检测叶片的第一面上的缺陷数据。具体
地，检测叶片是否存在瑕疵、缺陷、污点等。扫描获得的叶片缺陷数据可在叶片检测机器人
的本地存储器上进行存储，或者通过移动通信网络或无线局域网络传送到维护中心服务器
或者云服务器。上述缺陷数据包括：缺陷种类、缺陷数量、缺陷在叶片上的相对位置信息中
的至少一个。其中，该检测探头包括：红外热成像仪和/或图像传感器。

[0098] S150：控制叶片检测机器人（例如其动力单元）按照规划路径继续移动，通过检测探头获取待检测叶片的缺陷数据，直到对待检测叶片的第一面完成检测；其中，第一面是压
力面或吸力面。进一步地，在检测过程中持续将获取待检测叶片的缺陷数据通过无线通信
模块向远端或云端的智能运维服务器发送。进一步地，在沿规划路径移动检测的过程中，还
可以继续执行步骤S120、S130、S140，即在移动检测过程持续监测当前的风速数据和/或风
向数据，判断是否超出相应的安全阈值，当未超出时，则控制其继续执行检测工作，当超出
时，则控制叶片检测机器人停止移动、关闭检测探头、并且增强接触吸盘的吸附力。

[0099] S160：当对待检测叶片的第一面完成检测时，与无人机通信，通知无人机对叶片检测机器人进行装载操作；

[0100] S170：当检测到叶片检测机器人与待检测叶片的第一面相分离，并且叶片检测机器人与待检测叶片的第一面之间的距离大于预设的安全距离时，与风力发电机组的主控制
器通信，请求主控制器对待检测叶片执行变桨操作，使得待检测叶片实现以变桨轴线为中
心翻转180度，从而使待检测叶片翻转至第二面水平朝上；其中，第二面是吸力面或者压力
面；

[0101] S180：在接收到主控制器反馈的用于表征所述待检测叶片翻转至第二面水平朝上的变桨翻转成功信号后，向无人机发送请求释放叶片检测机器人的释放信号；

[0102] S190：当叶片检测机器人降落于待检测叶片的180度变桨翻转后的第二面上时（例如处于第二面的安全活动范围内时），控制叶片检测机器人按照规划路径对待检测叶片的
第二面进行检测，直到待检测叶片的第二面检测完成。

[0103] 进一步地，叶片检测机器人发出工作完成提示信号到维护人员，表示单个叶片检测完毕。

[0104] 图11是本发明实施例的叶片检测机器人的四条路径规划示意图。如图11所示，路径规划的前提（假设）条件：目前已规划的4条机器人行走的大概路径如图11所示，并且针对
不同型号叶片均使用叶片检测机器人对这四条路径进行人工控制实验，且对实验数据进行
了分类（按叶片型号进行数据分类）和存储。路径规划方案包括：位于叶片最大弦长处的路
径起点、位于靠近叶根处的路径转折点、以及位于靠近叶尖处的路径终点；或者，位于靠近
叶尖处的路径起点、位于靠近叶根处的路径转折点、以及位于叶片最大弦长处的路径终点。
在图11中示出了四种可能的路径规划方案，从上至下依次为路径规划方案一至路径规划方
案四。在路径规划方案一和路径规划方案二中，P1为路径起点，P2、P3、P4是路径转折点，P5
是路径终点。P1与P2之间的连线、P2与P3之间的连线、P3与P4之间的连线、P4与P5之间连线
均为直线。即任意两个相邻的路径节点之间的路径是直线路径，并且，P2、P3、P4不共线，P3、
P4、P5不共线。在路径规划方案三和路径规划方案四中，P1为路径起点，P2、P3是路径转折
点，P4是路径终点，并且，P1、P2、P3不共线，P2、P3、P4不共线。

[0105] 基于机器学习原理及待检测对象叶片的特点，依据现有机器人在既定路径上的运行数据及叶片型号参数等信息，以优化检测路径为目标，构建叶片检测机器人路径规划模
型。该路径规划模型以各种叶片型号基本参数信息以及对应的路径轨迹测试数据为输入，
综合考虑机器人活动的安全性和检测的高效性，输出每种型号的叶片对应的最优路径选
择，以及无人机抓取和释放叶片检测机器人的位置。针对路径规划过程中的两个重要指标
安全性和高效性，在模型构建过程中，是秉持以安全性为基础并进一步考虑高效率检测的
原则进行整体路径规划的建模。

[0106] 从叶片检测机器人的安全角度出发，需计算出叶片检测机器人在不同类型叶片上的安全活动范围。设计安全范围主要是考虑防止机器人在被无人机释放或抓取过程中发生
突发状况带来安全隐患，例如机器人在被释放至叶片上的瞬间机体着落不稳会导致发生意
外滑落等情况，即充分保障机器人在被释放或被抓取过程中的安全性。

[0107] 图12是本发明实施例的机器人半径及安全边距示意图。如图12所示，假设检测机器人的外壳在超出待检测叶片边缘最大值 内均不会从叶片边缘滑落，假设叶片检测机器
人底部最大半径为 。在保障机器人不会滑落的情况下，机器人重心位置至叶片边缘的最近
距离称之为最小安全边距，最小安全边距 计算式如下：

[0108]

[0109] 式中，是叶片检测机器人外壳的外圆半径；是叶片检测机器人的外壳在超出待检测叶片的边缘而不会从待检测叶片的边缘滑落的最大值；

[0110] 另外，由于不同型号的叶片的尺寸以及坡面坡度等结构不同，因此不同型号叶片对应的 值是不同的，这里通过对在不同型号叶片上的历史运动轨迹进行训练，得出各类型
号叶片的最优 值。通过得到的不同型号叶片对应的 值，可计算出叶片安全边距 。根
据叶片安全边距 可以进一步确定不同型号叶片的安全活动范围。

[0111] 根据不同型号叶片的安全活动范围，确定无人机抓取或释放叶片检测机器人的位置。无人机抓取和释放机器人的位置需保证在安全活动范围以内，以某叶片型号为例，安全
范围示意图如图13所示，其中，边界Z1限定的内部区域为安全范围。最后，依据安全活动范
围确定无人机释放（投放）叶片检测机器人的安全位置，和/或，依据安全活动范围确定叶片
检测机器人的行走路径，对其行走路径进行约束。

[0112] 在优选的实施例中，值的训练过程可以包括如下步骤：

[0113] 首先，对于每一型号的叶片，利用在叶片检测机器人在该型号的叶片上的历史运动轨迹中叶片检测机器人重心位置坐标数据 以及叶片边缘坐标数据
，计算历史运动轨迹中各轨迹点对应的叶片检测机器人重心至叶片边缘的空间距离 ：

[0114]

[0115] 在多个所述历史运动轨迹数据中，计算所述叶片检测机器人重心至叶片边缘的空间距离 的平均空间距离 :

[0116]

[0117] 其中，其中，表示所述历史运动轨迹数据有 组， 表示由第 组所述历史运动轨迹数据计算得出叶片检测机器人重心至叶片边缘的空间距离；

[0118] 通过结合叶片检测机器人重心至边缘的平均空间距离 和叶片检测机器人外壳的外圆半径 ，可计算风电叶片检测机器人的外壳在超出待检测叶片的边缘而不
会从待检测叶片的边缘滑落的最大值β：

[0119] 。

[0120] 在可替换的实施例中，为实现精细化控制且兼顾安全性，将叶片划分为多个区域，然后确定叶片的每个区域内对应的β值。例如，可将叶片划分为叶根区域、叶中区域、叶尖区
域，分别确定叶片在叶根区域、叶中区域、叶尖区域对应的β1、β2、β3。本领域技术人员可以据
此设置更多的叶片区域和相应更多的β值。

[0121] 在叶根区域，将β1确定为： 。

[0122] 在叶中区域，将β2确定为： ；其中，Min_d是历史运动轨迹中各轨迹点对应的叶片检测机器人重心至叶片边缘的空间距离 的最小值。

[0123] 在叶尖区域，将β3确定为： ；其中，Max_d是历史运动轨迹中各轨迹点对应的叶片检测机器人重心至叶片边缘的空间距离 的最大值。

[0124] 在优选的实施例中，上述安全活动范围的确定具体包括如下步骤：

[0125] 假设叶片检测机器人重心位置坐标数据为 时，对应侧的待检测叶片边缘坐标数据为 ，依据叶片检测机器人重心至待检测叶片边缘的空间距离 和叶
片检测机器人的重心位置至待检测叶片边缘的最小安全边距 可知：若满足
，则叶片检测机器人处于安全活动范围，否则叶片检测机器人处于非安全活动范
围。

[0126] 图14是本发明实施例的叶片检测机器人的路径规划方法的流程图。如图14所示，在以上安全活动范围内，进一步考虑高效性，这里首先需要通过对叶片检测机器人运行轨
迹数据进行综合效率特征 的提取，然后通过使用逻辑回归模型从现有
标记数据中训练得到对应特征的权重，再通过计算综合效率得分来确定不同型号的叶片适
合的最优检测路径。

[0127] 利用下述第一步至第五步迭代获取的最优检测路径，包括：

[0128] 第一步：提取综合效率特征 ，其中 表示与效率相关的具体特征，具体如下：

[0129] 特征 ：叶片检测机器人沿规划路径实际行走长度，该数值越小越好；

[0130] 特征 ：叶片检测机器人沿规划路径实际行走时长，该数值越小越好；

[0131] 特征 ：规划路径上无人机释放叶片检测机器人的难度，以释放耗时和/或无人机的返航距离为参考标准，该数值越小越好；其中，释放耗时是指：无人机将叶片检测机器人
从目标安全位置释放到上述规划路径的预设位置（例如起点）所消耗的时长。上述目标安全
位置是指：在待检测叶片的变桨转动范围以外的预设的位置，其包括：在竖直方向上，上述
目标安全位置是叶片检测机器人与待检测叶片的第一面或第二面之间的竖直距离大于预
设的第一安全距离时所处的位置；和/或，在水平方向上，上述目标安全位置是叶片检测机
器人与待检测叶片的前缘或后缘之间的水平距离大于预设的第二安全距离时所处的位置。
在可能的实施例中，在风电机组的轮毂（执行叶片检测时轮毂处于锁定状态）或者机舱上设
置有无人机的紧急降落点，无人机将叶片检测机器人从目标安全位置释放到上述规划路径
的预设位置后，返航到该紧急降落点，该返航距离与该规划路径的预设位置与紧急降落点
之间的距离相关联。例如，如果规划路径的预设位置是起点，而起点位于待检测叶片的不同
位置时，无人机的返航距离各不相同。路径起点位于叶尖部时的返航距离大于路径起点位
于叶根部时的返航距离。

[0132] 特征 ：规划路径上无人机抓取叶片检测机器人的难度，以抓取耗时和/或无人机的飞行距离为参考标准，该数值越小越好；其中，抓取耗时是指：无人机将叶片检测机器人
从规划路径上的预设位置（例如终点）抓取到目标安全位置所消耗的时长。无人机完成释放
叶片检测机器人的任务后，将返航到上述的轮毂或机舱上的紧急降落点，当接收到抓取指
令后，无人机从紧急降落点起飞，飞到叶片检测机器人的上方，将叶片检测机器人从规划路
径的预设位置抓取到上述的目标安全位置，并检测确定无人机的飞行距离，该飞行距离与
规划路径上的预设位置与紧急降落点之间的距离相关联。例如，如果规划路径的预设位置
是终点，终点位于待检测叶片的不同位置时，无人机的飞行距离各不相同。路径终点位于叶
尖部时的飞行距离大于路径起点位于叶根部时的飞行距离。

[0133] 特征 ：叶片检测机器人沿规划路径发生移动方向改变的次数，该数值越小越好。移动方向改变是指叶片检测机器人的移动方向由沿着第一直线移动改变为沿着第二直线
移动，第一直线与第二直线具有非零度夹角。可选地，移动方向改变的次数可以通过第三带
动电机42的转动次数来确定。第三带动电机42每次转动需要的角度即可改变叶片检测机器
人的移动方向。

[0134] 在可选的实施例中，还包括：

[0135] 特征 ：叶片检测机器人沿规划路径发生滑动状况的次数，该数值越小越好。具体地，由于叶片的表面存在坡度，可能导致叶片检测机器人沿规划路径移动时发生滑动或滑
移，从而发生路径偏离。叶片检测机器人在不同的规划路径上移动时，可能某些路径上发生
的滑动次数，某些路径上发生的滑动次数少，当滑动次数多时，表明该路径不是合适的路
径。因此，通过检测其滑移次数或路径偏离次数，可衡量效率特征。例如通过叶片检测机器
人上配置的定位模块可监测其发生路径偏离的次数。相应地，在后续的权重矩阵Y中还包括
与 相对应的权重值 。

[0136] 进一步地，在执行第一步之前，还执行数据预处理步骤。

[0137] 第二步：对特征进行归一化处理。

[0138] 为了提高模型的训练速度和分类准确度，需要进一步对提取的上述特征进行归一化处理，归一化处理有利于提高模型的训练速度，本发明实施例选取的归一化方法可以为
Min‑Max normalization 方法（离差标准化方法）：

[0139]

[0140] 该方法实现对原始特征数据的等比例缩放，  为归一化后的特征数据，为原始特征数据， 分别为原始特征数据中的最大值和最小值。归一化后数
据均在[0,1]之间。

[0141] 第三步：获取特征权重。

[0142] 由于不同效率相关指标的参考价值不一，因此在考虑高效性过程中除了对效率相关的特征进行选择外还需要对不同特征的权重进行训练，具体步骤如下：

[0143] 首先，需要随机选取少量（预设比例例如为30%）现有叶片检测机器人历史运行轨迹数据进行预处理工作，获得标记的特征数据，即通过对该部分路径数据的效率评价进行
标记“效率高于预设阈值”或“效率低于所述预设阈值”，其中“效率高于预设阈值”的历史运
行轨迹数据对应标签为1，“效率低于所述预设阈值”的历史运行轨迹数据对应标签为‑1。人
工标记效率高与低的标准可以是根据叶片检测机器人完整检测一支叶片所用的综合时长
进行区分，所述综合时长不包含叶片检测机器人规避恶劣天气而执行的停工时间。

[0144] 然后通过逻辑回归对上述标记的特征数据进行训练，得到“效率高”分类所对应的上述特征的权重，即通过逻辑回归方法对已知数据进行曲线拟合，这样会得到如下的曲线
方程：

[0145]

[0146] 式中 为逻辑回归生成的曲线函数，也代表叶片检测机器人运行效率水平，为常数， 、 、 、 、 分别为 对应的权重；

[0147] 通过上述方程，可进一步获取综合效率特征 所对应的权重矩阵：

[0148] 。

[0149] 在可选的实施例中，第二步中的归一化处理步骤，其执行顺序可调整为处于第三步的标记预处理步骤之后，即先进行标记预处理步骤，然后执行归一化处理步骤，再执行通
过逻辑回归对经过标记预处理和归一化处理之后的特征数据进行训练，得到曲线方程的步
骤。

[0150] 第四步：计算综合效率得分。

[0151] 在得到各个特征对应的权重之后，对剩下70%的现有叶片测检机器人运行轨迹数据进行得分计算，得到每组数据的综合得分 ，分值越低则表示效率越高， 具
体计算如下：

[0152]

[0153] 第五步：根据综合效率得分自动选择最优路径。

[0154] 第六步：执行所述最优检测路径，并生成运行轨迹数据，作为叶片检测机器人自我学习，迭代计算最优检测路径的新样本数据。

[0155] 针对不同型号叶片，自动在其所对应的 得分范围内选择得分最低的路径作为该次检测的最优检测路径。

[0156] 因此，在综合考虑到安全要素和效率要素后，通过上述步骤，可以最终实现针对每种型号叶片智能地选择最优路径，并确定无人机定点投放或抓取的位置。另外后续运行数
据会由系统实时存储，作为后续的训练数据，不断对安全范围以及最优路径选择过程的参
数进行优化。

[0157] 虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤
执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以
按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理
的环境，甚至为分布式数据处理环境)。

[0158] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可
以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,
凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的
保护范围之内。