项目简介：
我国风电装机容量世界第一，然而风机体积大且高度超过80米，运维难度大成本高。风机故障智能检测技术是提高风电发电效率，减少风电系统故障率的关键。本项目提出振动故障检测与无人机视觉相结合的风机故障检测方法，采用前者检测风机内部故障，后者检测风电叶片表面缺陷。在振动故障检测方面，提出了基于工况识别的环境自适应故障诊断方法，解决了多工况和变工况下的故障诊断；提出了正常数据建模与零样本识别相融合的方法，解决了故障数据不足情况下的可靠故障诊断问题。在风电叶片表面缺陷检测方面，研发无人机全自主飞行追踪算法，沿叶片拍摄获取图像，解决了风电叶片图像快速拍摄问题；提出了传统特征与深度特征相融合的图像拼接方法，解决了叶片尺寸过大导致的测量精度低的问题；提出基于样本生成和目标检测相结合的小目标缺陷检测算法，最小能检出0.5cm×0.5cm大小的缺陷。
共发表SCI检索论文3篇，申请发明专利4项，获授权发明专利1项，软著10项。
应用现状：
研发的“智能风电叶片缺陷检测仪”目前用于南方电网数个风电场，为企业带来了直接经济效益超过1000万，节支超过3000万。相比传统人工检测，使用我们的设备进行风力发电巡检可以将成本降低20%-50%，且无人机避免了人工高危巡检，可以有效降低人员受伤的风险。此外该系统可以将风力发电巡检的效率提高50%-80%，帮助企业及时发现问题从而降低风机维护成本。
