Jak wynika z raportu projektu badawczo-rozwojowego Innovate UK, roboty i sztuczna inteligencja są o 14 proc. dokładniejsze w wykrywaniu usterek w turbinach wiatrowych

Początkowo dwuletni projekt realizowany przez Perceptual Robotics i Uniwersytet w Bristolu, został przedłużony o jeden rok przez DNV.

Polega on na włączeniu w pełni zautomatyzowanego wykrywania wad powierzchniowych do procesu przetwarzania danych podczas inspekcji turbin wiatrowych.

Jak twierdzą partnerzy projektu, chociaż przechwytywanie obrazów wykonanych podczas inspekcji było już wcześniej zautomatyzowane, to po raz pierwszy przetwarzanie obrazów zostało przeprowadzone w pełni automatycznie.

Projekt wykazał, że system zwiększył dokładność wykrywania usterek o 14 proc. w porównaniu z ekspertami - ludźmi przeprowadzającymi te same inspekcje.

– To był zaszczyt pracować nad tym projektem z Uniwersytetem w Bristolu i DNV, aby zademonstrować zalety i możliwości w pełni zautomatyzowanych inspekcji turbin wiatrowych – powiedział dyrektor naczelny Perceptual Robotics, Kostas Karachalios.

– Do tej pory operatorzy turbin wiatrowych nie wiedzieli, jakie są możliwości w pełni zautomatyzowanych inspekcji w porównaniu z inspekcjami manualnymi, ponieważ brakowało analizy porównawczej – kontynuował dyrektor.

– Wykazaliśmy, że włączenie w pełni zautomatyzowanego systemu wykrywania wad powierzchniowych do naszego systemu Dhalion zwiększa powtarzalność i szybkość bieżących kontroli turbin wiatrowych, znacznie obniżając koszty, podnosząc jakość i zmniejszając obawy związane z bezpieczeństwem. Posiadanie tak wyraźnych danych, które pokazują wartość w pełni zautomatyzowanych inspekcji, dowodzi, że przyszłość badań turbin będzie należeć do robotyki – podsumował Karachalios.

Pierwsze dwa lata projektu koncentrowały się na inspekcjach turbin wiatrowych na morzu, a następnie projekt został przedłużony o kolejny rok w celu uwzględnienia walidacji wyników zarówno w środowisku lądowym, jak i w morskim ekstremalnym środowisku.

Partnerzy skupili się na zademonstrowaniu możliwości systemu inspekcji poprzez przeprowadzenie kompleksowej walidacji i weryfikacji systemu danych.

Określili, w jaki sposób proces gromadzenia danych może być audytowalny i identyfikowalny, oraz przeanalizowali sposób pomiaru wyników, aby zapewnić, że są one jak najdokładniejsze i zgodne z oczekiwaniami klientów.

Zaangażowanie DNV w trzecim, przedłużonym roku projektu dostarczyło fachowych wskazówek, które pozwoliły partnerom na obiektywną ocenę systemu inspekcji i danych.

Źródło: DNV; Perceptual Robotics