EPFL和格拉斯哥大学合作产生了一种先进的机器学习算法,可以在风力涡轮机投入使用之前有效地检测风力涡轮机复合材料叶片中隐藏的制造缺陷。有故障的风力涡轮机叶片可能会给运营这些叶片的公司带来巨大的成本,当这些缺陷被发现时已经为时已晚。这就是为什么质量保证对全球风力涡轮机制造商来说是一个如此重要的战略问题。
如今,随着这些复合材料结构从生产线下线,质量检查仅限于有限区域的表面检查。但根据EPFL和格拉斯哥大学研究人员共同创建的一种新方法,检查工程师可以使用一种新的专利雷达技术,结合人工智能助手,来检测地表下可能的异常情况。这种方法有很多优点:它是非破坏性的、非接触式的,支持灵活快速的数据采集和分析,并且操作所需的功率非常小。这项研究刚刚发表在《机械系统与信号处理》杂志上,融合了信号处理和人工智能技术。