奥尔堡大学无人机:未来风力发电机的巡检+ 查看更多
丹麦奥尔堡大学位于繁华的风力发电机产业区的中心地带,从校园内可以看到海上风力发电场,附近的港口是欧洲最大的风力发电机出口港。
丹麦是全球绿色能源使用领先的国家。2018年,全国几乎41%的能源供应来自风力发电。但随着风力发电机安装数量的不断增加,对其检修的需求也越来越大。目前主要通过人工操作,成本相当高,而且会造成相当大的污染。由Petar Durdevic博士领导的奥尔堡大学的研究小组认为,自动化技术可以帮助更快地完成这项工作,同时能够降低成本,提高精确度,并将人们从危险的环境中解放出来。
面向实际应用且可扩展的开发技术
“我相信无人机将成为我们未来的重要组成部分。特别是在面对像风力发电机检查的活动中,无人机可以完成很多人类无法完成的任务。”Durdevic博士说。他的目标是设计一种能够完全感知环境的无人机,能够自动完成风力发电机的检测,而不需要人力的投入。Durdevic博士和他的团队也希望他们的技术在实际应用中具有可扩展性,以便它可以直接应用到与当地行业的合作中去。
为了达到这个目标,他们需要一个能够支持他们在实验室中安全的测试他们的想法的系统,完成概念的迅速开发与验证。
智能、灵活的系统支持团队专注于核心研究
他们选择了Quanser多智能体协同控制实验系统。“这是一个非常智能的系统,给了我们很多灵活性,”Durdevic博士说,“我们无须对任何硬件进行开发。相反,我们可以更加专注于我们的理论研究。通过使用QDrone,我们可以快速实现我们的一些先进技术,并最终完成测试和验证。”
作为第一步,团队开始研究如何将经典控制与基于视觉的方法相结合实现在环境中导航。这一阶段的任务是在视觉上识别风力涡轮机,然后在不使用GPS的情况下自主导航。
在最初的工作中,小组使用了Quanser开发的控制器。“我们想熟悉这个系统,同时把注意力集中在这个疯狂的想法上--使用深层神经网络来计算对我们的姿态和位置控制器的输入,”Durdevic博士说,“这对我们非常有效。”所有的计算都是在MATLAB/Simulink中完成的。学习使用自主多智能体协同控制对于团队来说是相当方便快捷的,因为和他们在其他教学和研究活动时使用的工具完全一致。
随着团队对系统的熟悉,他们开始使用神经网络搭建自己的控制器,这一次使用视觉伺服的方法,能够在离岸环境中航行,然后找到一个风力发电机并定位导航,到达指定位置后使用视觉进行检测。
他们开发了一种对摄像头的视觉输入进行分割的算法,然后使用训练好的神经网络对这些片段进行处理,以找到风力发电机,并计算无人机与风力发电机的相对位置。一旦无人机识别出风力发电机,它就会利用视觉输入来避障和偏航控制。
“我们真的很高兴我们有了Quanser的无人系统。” Durdevic博士说,“测试我们的方法和运行神经网络需要大量的GPU资源,但一切都运行得很好。”
奥尔堡大学的团队选择Quanser自主多智能体系统的另一个用途是教学。Durdevic博士指出:“我们大学鼓励基于问题和项目(PBL)的学习方式。”这意味着奥尔堡的学生要花50%的时间在项目上。“我们希望给学生提供好的项目来激励他们,教他们有用的技能。” Durdevic博士继续说,“我们选择Quanser的无人系统,因为我们不需要自己花时间在焊接和拉线上。我们的重点是开发控制算法和研究人工智能,而不是制造无人机。”
三个月内将一个想法变成一篇研究论文
奥尔堡大学的团队可以在第一天就把精力集中在开发多智能体控制上。难怪他们在“自主多智能体控制系统”交货后仅仅三个月后就提交了他们的第一份研究论文,并在2019年IFAC第十届智能自主车辆国际研讨会上发表了这篇论文。
学生们也喜欢用无人机做研究。其中有一个项目涉及设计一个最优控制器,包括作为状态反馈的电机推力动力学。据说,控制器的设计甚至比Quanser提供的示例更好。