Eine defekte Windkraftanlage stellt für jedes Unternehmen, das sie betreiben will, eine enorme Kostenbelastung dar. Vor allem, wenn eine Anomalie nicht rechtzeitig erkannt wurde. Die Qualitätskontrolle während ihrer Herstellung ist daher von strategischer Bedeutung. Derzeit beschränkt sich dieser Schritt auf die Oberfläche der in der Fabrik hergestellten Elemente. Dank eines neuen Ansatzes von Wissenschaftlern der EPFL und der Universität Glasgow kann eine patentierte Radartechnologie in Kombination mit einem Assistenten für künstliche Intelligenz (KI) nun mögliche Anomalien unter der Oberfläche der Rotorblätter einer Windkraftanlage erkennen. Dieser Ansatz hat viele Vorteile: Er ist zerstörungsfrei, berührungslos, ermöglicht eine schnelle Datenerfassung und -analyse und ist energiesparend. Der Bericht über diese Forschung ist in der Elsevier-Zeitschrift Mechanical Systems and Signal Processing (MSSP) erschienen.
Verschmelzung von Signalverarbeitung und KI
Die Forschung baut auf früheren Arbeiten der beiden institutionellen Partner auf. Diese Arbeiten wurden von Olga Fink geleitet, einer Tenure-Track-Assistenzprofessorin für Bauingenieurwesen und Leiterin des Labors für intelligente Wartungs- und Betriebssysteme (IMOS) an der EPFL. In der Vergangenheit hat ihre Forschung Methoden zur Erkennung von Anomalien durch die Verarbeitung von Geräuschen, die von defekten Maschinen erzeugt werden, die Unterdrückung von Hintergrundgeräuschen in Audioaufnahmen und die Klassifizierung von Vogelstimmen entwickelt.Die Größe von Windkraftanlagen nimmt zu und ihr Design wird immer komplexer. Diese Faktoren erhöhen die Wahrscheinlichkeit, dass bei ihrer Herstellung Fehler auftreten
Olga Fink, Direktorin des Labors für Intelligente Wartungs- und Betriebssysteme (IMOS), EPFL
Heute sucht Olga Fink nach neuen Anwendungen für ihre KI-gesteuerten Systeme. "Windturbinen bestehen aus verschiedenen sogenannten Verbundwerkstoffen, wie zum Beispiel Glasfaser und Kohlefaser. Ihre Größe nimmt zu und ihr Design wird immer komplexer. Diese Faktoren erhöhen die Wahrscheinlichkeit, dass bei ihrer Herstellung Fehler auftreten", sagt die Forscherin.
Techniken zur Messung
Das Team der Universität Glasgow unter der Leitung von Professor David Flynn von der James Watt School of Engineering und Leiter der Forschungsabteilung für autonome Systeme und Konnektivität ist auf Methoden zur Gesundheitsprognose und zum Gesundheitsmanagement spezialisiert. Diese Wissenschaftler untersuchen, wie Robotik und künstliche Intelligenz (RAI) zu einer Infrastruktur mit neutraler Energiebilanz beitragen können. In dieser Studie verwendeten sie ein patentiertes frequenzmoduliertes Dauerstrichradar mit einem Roboterarm, um Proben von Rotorblättern industrieller Windkraftanlagen in Abständen von 5, 10 und 15 Zentimetern von der Probe zu untersuchen (siehe unten das von der Universität Glasgow erstellte Video).Verbesserung des Inhalts der Daten
Nachdem diese experimentellen Daten gesammelt worden waren, bestand die Herausforderung für das IMOS-Team darin, den Informationsgehalt der in diese Rohdaten eingebetteten Merkmale zu verbessern. Es stellte sich heraus, dass die vom Radar erhaltenen Signale je nach Inspektionsabstand und Material, sowohl an der Oberfläche als auch im Inneren des Blattes, variierten. Gaëtan Frusque, Postdoktorand am IMOS und Hauptautor der Studie, erklärt: "Unser Beitrag bestand darin, eine komplexwertige Darstellung der Signale zu verwenden, um die darin enthaltenen Informationen besser trennen zu können, und das Modell der künstlichen Intelligenz entsprechend anzupassen." Der daraus resultierende Algorithmus ist in der Lage, Anomalien von konformen Teilen der Windturbine zu unterscheiden.Das Team in Glasgow möchte nun weitere Daten sammeln, um die Ergebnisse des IMOS-Labors der Fakultät für natürliche Umwelt, Architektur und Bauwesen (ENAC) zu validieren. Die Wissenschaftler planen, ihre Methode an bestehenden Turbinen zu testen, indem sie den Sensor an einem Roboterarm oder an einer Drohne anbringen. Mit dieser Methode sollte es möglich sein, Herstellungsfehler in Turbinen vor der Inbetriebnahme zu erkennen oder Geräte während des Betriebs zu inspizieren. Einmal installiert, kann eine Windkraftanlage rund 20 Jahre lang betrieben werden.
