第四屆中國國際風電復合材料高峰論壇（CWPC2018）于2018年3月30日上午在江蘇省阜寧縣天鵝湖大酒店隆重召開，來自海內(nèi)外的200多個企業(yè)、600多余位風電行業(yè)、復材行業(yè)的精英參加了本屆盛會。上午的開幕式結束之后，高峰論壇分別設置了新材料、新技術專場，設計運維優(yōu)化專場，新產(chǎn)品發(fā)布會專場，技術工藝創(chuàng)新專場，產(chǎn)業(yè)鏈對話專場等多個專場，將呈現(xiàn)大量精彩內(nèi)容。
南京天數(shù)信息科技有限公司智能制造事業(yè)部總經(jīng)理頡彧在設計優(yōu)化運維專場做了題為《AI賦能無人機—助力葉片巡檢》的演講。以下為演講內(nèi)容實錄：
南京天數(shù)信息科技有限公司智能制造事業(yè)部總經(jīng)理頡彧
今天我?guī)淼淖h題是“AI賦能無人機—助力葉片巡檢”。我來自南京天數(shù)，目前我們生產(chǎn)在一個AI充斥在我們生活的各個環(huán)節(jié)中，包括我們的微信的轉文字等等之類的，實際上里面充斥著各種各樣的技術。當然今天不是來講無人駕駛的，AI這種工具怎么樣能在我們制造業(yè)、風電行業(yè)起到一定的作用，大家都知道過去葉片的檢驗方式都是通過望遠鏡。在這個過程中南京天數(shù)開發(fā)了智能葉片識別系統(tǒng)，我們通過無人機拍攝的視頻直接導入系統(tǒng)，直接把各種各樣的損傷和詳細的信息一次性全部做出來。
左邊是我們的原始的視頻拍攝到的數(shù)據(jù)，右邊綠色的是我們發(fā)現(xiàn)的一些微笑的裂紋。我們是怎么做出來的呢？我們團隊用了8個月時間對超過11萬張的照片做了標注，這里面故障超過了1萬5千張。
第一是葉片缺陷圖片，包括缺陷的種類、大小以及具體的位置。我們是怎么做出來這么一個軟件的工具，實際上我們分幾個步驟。第一個步驟是缺陷的抓取，在這個環(huán)節(jié)中我們用了11種算法，搭建超過了150層的神經(jīng)網(wǎng)絡，實現(xiàn)第一步缺陷的抓取。但是我們都知道在視頻過程中每一秒實際上有30幀的圖像，所以這個過程中存在一些問題。我們使用一些技術來規(guī)避過擬合的現(xiàn)象，我們經(jīng)過大量的調(diào)優(yōu)發(fā)現(xiàn)這個模型在具體業(yè)務中有比較良好的表現(xiàn)。
第二步我們會對圖像中具體的事務進行缺陷的聚類。
第三步就到了缺陷區(qū)域的標注，這個過程中我們也是經(jīng)過了大量的嘗試和學習，最終我們發(fā)現(xiàn)有類似的模型在這個過程中有絕佳的表現(xiàn)。大家都好奇你們用AI和無人機去看到底能達到怎么樣的準確率？我們目前準確率達到了98%，而且還有大量潛在的微小的裂紋路。
我們對裂紋和剝落要提前發(fā)現(xiàn)，我們還有SVM分類算法，從而判斷故障的類型。
接下來我們看一些比較實際的照片，我們目前對這些缺陷主要從三個維度，分別是裂紋剝落情況。這里都是機器學習的AI軟件直接判斷出來，直接生成的。這里面可以很明顯地看到有兩道裂紋，我們系列有自動把裂紋標注出來。底下的報告中還會出現(xiàn)裂紋的詳細信息。
包括這張圖片，我們看到的好像是一個很大的裂紋，但實際上只有10厘米，以望遠鏡和肉眼幾乎不能發(fā)現(xiàn)這樣的裂紋。我們的葉片的損壞往往是由這樣的小的裂紋生長出來的。所以怎么樣在非常微小的時候把缺陷源堵住，這樣可以大大降低我們維護成本。我們往往發(fā)現(xiàn)葉片在損壞之后還會不斷地接著去損壞。包括這里有一些其他的像剝落的圖片。
前面是我們對于葉片的整個系統(tǒng)的大致介紹。現(xiàn)在我們實際上對整個的風機健康都提出了更高的要求。我們都希望在故障發(fā)生初期有潛在的過程中就發(fā)現(xiàn)故障，在低成本的時候解決它。在這個時候南京天數(shù)推出了一個系統(tǒng)，目前可以比較有效地預測故障。比如說通過SVM數(shù)據(jù)提前幾天時間，提前7—8天發(fā)現(xiàn)一級軸承要出現(xiàn)損傷，這樣可以大大降低故障維修的成本，包括可以做到發(fā)動機的大部件的故障運行。
我們用葉根和螺栓來舉例，不可否認的是全行業(yè)每一個廠家都出現(xiàn)葉根螺栓斷了，如果斷了一兩根是看不出來的，但是斷得比較多會帶來比較大的問題。我們通過整個對數(shù)據(jù)影響因子的篩選，包括結合一些行業(yè)內(nèi)的專家知識，我們現(xiàn)在通過各種各樣的神經(jīng)網(wǎng)絡算法，我們已經(jīng)可以很明確、很準確地發(fā)現(xiàn)這個風機上的葉根螺栓是否已經(jīng)斷裂。包括我們前一段時間在主機廠的實踐過程中，通過預警成功地發(fā)現(xiàn)螺栓斷裂的案例，通過維修又恢復了正常，最后報警解除。
包括我們現(xiàn)在風機經(jīng)常會出現(xiàn)所謂的性能劣化，往往我們的分析過程會有很多，比如說結冰等等。我們現(xiàn)在跟其中一個業(yè)主，通過一個巨大的決策數(shù)，每一條路上有超過20個AI的模型，最終通過算法歸結到某一個問題上，這樣我們才可能解決某一個后續(xù)的問題。
包括對部件問題搜集的預測，風機運行要20年，但是實際上過程中有各種各樣的情況會導致風機的壽命會有損傷。我們都希望能看到一個風級，很清楚地了解到這個部件還能用三年或者多久，什么時間會出現(xiàn)比較重大的問題。現(xiàn)在隨著AI技術的不斷發(fā)展，我們目前在風電行業(yè)也積累了大量的實戰(zhàn)的案例，可以幫助我們有效地解決風機各種各樣的故障發(fā)生。
介紹了一些我們在這方面做了案例，南京天數(shù)主要是由硅谷回來的一群IT精英組建的團隊，目前我們做算法的工程師已經(jīng)超過150人的團隊，如果大家想有更多的了解，可以跟我們聯(lián)系。
（內(nèi)容來自現(xiàn)場速記，未經(jīng)本人審核）
