Uno studio utilizza l’intelligenza artificiale per migliorare il controllo di qualità delle turbine eoliche

- EN- DE- FR- IT
Una collaborazione internazionale tra l’EPFL e l’Università di Glasgow ha sviluppato un algoritmo avanzato di apprendimento automatico che rileva efficacemente i difetti di fabbricazione nascosti nelle pale delle turbine eoliche prima che queste vengano messe in funzione.

Una turbina eolica difettosa rappresenta un costo enorme per qualsiasi azienda che voglia gestirla. Soprattutto se il guasto non è stato rilevato in tempo. Il controllo della qualità durante il processo di produzione è quindi di importanza strategica. Attualmente, questa fase si limita alla superficie dei componenti prodotti in fabbrica. Ma grazie a un nuovo approccio guidato dagli scienziati dell’EPFL e dell’Università di Glasgow, una tecnologia radar brevettata, combinata con un assistente di intelligenza artificiale (AI), può ora rilevare eventuali anomalie sotto la superficie delle pale delle turbine eoliche. Questo approccio presenta una serie di vantaggi: non è distruttivo, non ha contatto, consente una rapida acquisizione e analisi dei dati ed è efficiente dal punto di vista energetico. Il rapporto su questa ricerca è stato appena pubblicato sulla rivista di Elsevier Mechanical Systems and Signal Processing (MSSP).

Fusione tra elaborazione del segnale e intelligenza artificiale

La ricerca si basa su un lavoro precedente dei due partner istituzionali. Questo lavoro è stato condotto da Olga Fink, professore assistente di ruolo in ingegneria civile e direttore del laboratorio Intelligent Maintenance and Operations Systems (IMOS) dell’EPFL. In passato, la sua ricerca ha sviluppato metodi di rilevamento delle anomalie attraverso l’elaborazione dei suoni prodotti da macchinari difettosi, la rimozione del rumore di fondo dalle registrazioni audio e la classificazione del canto degli uccelli, infondendo ogni volta capacità di apprendimento automatico in approcci di elaborazione del segnale ben noti e consolidati.

Le turbine eoliche stanno diventando sempre più grandi e complesse nella progettazione. Questi fattori aumentano la probabilità che si verifichino guasti durante la produzione.

Olga Fink, direttore del Laboratorio sui sistemi intelligenti di manutenzione e operazioni (IMOS), EPFL


Oggi Olga Fink è alla ricerca di nuove applicazioni per i suoi sistemi guidati dall’intelligenza artificiale. "Le turbine eoliche sono realizzate in diversi materiali compositi, come la fibra di vetro e la fibra di carbonio. Le loro dimensioni aumentano e la loro progettazione diventa sempre più complessa. Questi fattori aumentano la probabilità che si verifichino difetti durante la produzione", spiega la ricercatrice.

Tecniche di misurazione

Il team dell’Università di Glasgow, guidato dal professor David Flynn della James Watt School of Engineering e capo della Autonomous Systems and Connectivity Research Division, è specializzato in metodi di prognosi e gestione della salute. Questi scienziati stanno studiando come la robotica e l’intelligenza artificiale (RAI) possano contribuire a un’infrastruttura neutrale dal punto di vista energetico. In questo studio, hanno utilizzato un radar a onde continue a modulazione di frequenza brevettato con un braccio robotico per ispezionare campioni di pale di turbine eoliche industriali a distanze di 5, 10 e 15 centimetri dal campione (vedi sotto il video realizzato dall’Università di Glasgow).

Migliorare il contenuto dei dati

Una volta raccolti i dati sperimentali, la sfida del team IMOS è stata quella di migliorare il contenuto informativo delle caratteristiche incorporate nei dati grezzi. È emerso che i segnali ottenuti dal radar variavano a seconda della distanza di ispezione e del materiale, sia sulla superficie che all’interno della lama. Gaëtan Frusque, borsista post-dottorato presso l’IMOS e autore principale dello studio, spiega: "Il nostro contributo è stato quello di utilizzare una rappresentazione a valori complessi dei segnali per separare meglio le informazioni che contengono e adattare di conseguenza il modello di intelligenza artificiale". L’algoritmo risultante è quindi in grado di distinguere le anomalie dalle parti conformi della turbina eolica.

Il team di Glasgow vuole ora raccogliere altri dati per convalidare i risultati ottenuti dal laboratorio IMOS, parte della Facoltà di Ambiente Naturale, Architettonico e Costruito (ENAC). Gli scienziati intendono testare il loro metodo su turbine esistenti, installando il sensore su un braccio robotico o un drone. Questo metodo dovrebbe consentire di identificare i difetti di fabbricazione delle turbine prima della loro messa in funzione o di ispezionare le apparecchiature durante il funzionamento. Una volta installata, una turbina eolica può funzionare per circa vent’anni.

Riferimenti

Gaëtan Frusque, Daniel Mitchell, Jamie Blanche, David Flynn, Olga Fink, "Non-contact Sensing for Anomaly Detection in Wind Turbine Blades: A focus-SVDD with Complex-Valued Auto-Encoder Approach", Mechanical Systems and Signal Processing, 208, 15 febbraio 2024.