Автоматическая классификация повреждений лопастей ветряных турбин с использованием сверточной нейронной сети на основе A-сканирования

Automatic Discontinuity Classification of Wind-turbine Blades Using A-scan-based Convolutional Neural Network

Последние тенденции развития ветроэнергетики повысили значимость безопасной эксплуатации лопастей ветряных турбин. Для реализации этой задачи необходимо проверять лопасти на предмет каких-либо дефектов до того, как они будут введены в эксплуатацию. Однако традиционные методы диагностики дефектов зачастую довольно сложные для реализации, поскольку пространственная кривизна, которая характеризует структуры лопастей, должна обеспечивать точный и надежный контроль. Более того, особенно ценится возможность классификации дефектов и их анализа по результатам инспекции автоматизированной системой.

Чтобы решить эту проблему, авторами данной статьи была разработана конструкция ультразвуковой тестовой платформы с фазированной решеткой, адаптирующейся к давлению и форме, которая управляется операционной системой нанодвигателя для проверки лопастей ветряных турбин на наличие внутренних дефектов. Автоматический классификатор был разработан для обнаружения повреждений в лопастях с помощью сверточной нейронной сети (CNN) на основе A-сканирования. Предлагаемая конструкция классификатора CNN демонстрирует точность классификации почти 99%. Результаты исследования показывают, что предложенный классификатор CNN способен автоматически определять неоднородности структуры лопастей с высокой точностью, все из которых могут рассматриваться как кандидаты на повреждения.