智能应用 影音
DTResearch
event

结合爬行机器人与无人机的检测系统 可及早发现风力发电机叶片损坏

Sandia国家实验室运用爬行机器人检测潜藏在风力涡轮发电机叶片的瑕疵。Sandia国家实验室

风力涡轮发电机叶片巨大、运送难、造价高、检测维修不易,美国Sandia国家实验室(Sandia National Labs)运用配备特殊扫描技术的爬行机器人(crawling robot)与无人机(drone),可自主检测叶片潜藏的瑕疵、简化维护程序,有助于延长叶片寿命、降低维护与风力发电成本。

根据TechCrunch报导,风力涡轮发电机生产优质的洁净能源,塔座须稳定矗立多年耐受恶劣气候、极端气温、雷击、正常的磨损,而叶片生命周期历经约1百万个负载循环(load cycle),期间可能受到冰雹、湿气、闪电、风雨等天候影响而逐渐磨损,严重的话甚至导致灾难性后果,因此需要定期检测与维修以确保再生能源基础建设的正常运转。

不过风力涡轮发电机通常安置于离岸等遥远或难以到达的地区,维护人员除了要置身恶劣的天候与环境,还必须到数百英尺高且潜藏危机的巨大叶片位置执行检修作业。此外现有的检测方式困难且易流于形式,仅止于透过肉眼或配备望远镜头的照相机拍摄照片,以视觉方式检查叶片表面,但通常发现到问题时实际损坏已经相当严重,处理的时间与成本极可观。

更周详与深入的检测是不可或缺,Sandia国家实验室借助航空电子与机器人,结合先进扫描技术,提供业界可行的非侵入性叶片内部检测解决方案,可侦测出目视无法发现的损坏,有助于缩小维修规模与成本、延长叶片寿命。计画一为爬行机器人配备摄影机与扫描仪以侦测叶片表面与内部瑕疵;计画二为无人机配备传感器,运用阳光的热能侦测损坏。

Sandia国家实验室、International Climbing Machines、Dophitech合作开发配备摄影机与超音波扫描仪的爬行机器人,能几乎完全自主的沿叶片移动完整检测每个部分,提供实时、高传真影像以发现叶片表面的裂缝与磨损,而相位阵列式(phase array)超音波成像可穿透到叶片内部发现潜藏的损坏,远早于外观出现可被检测的瑕疵。

无人机早已广泛应用在检测桥梁、纪念碑等人类不易到达或有危险性的建筑结构。Sandia国家实验室的无人机配备高分辨率摄影机与红外线传感器,运用热相法(thermography)可侦测深达叶片内部0.5英寸的损坏。当阳光的热能透过叶片的材料扩散时,叶片表面下有损坏的位置由于热特性出现变化,因此会造成不规则扩散,便能藉此发现瑕疵处。

随著爬行机器人与无人机检测系统的自动化程度日益改善,将开创更安全的新作业模式,亦即先派出无人机进行第一阶段检测,确认需要后续处理的风力发电塔,再由内建常驻于风力涡轮发电机的爬行机器人接手第二阶段的深入检测,当维护人员到达现场进行实际维修时,便已掌握到更完整的信息知道从何下手。

目前爬行机器人移动还相当缓慢且需要人类监督,未来维护人员可望只需在每个叶片配置爬行机器人,等候爬行机器人数小时或数日完成作业后,再返回针对机器人标记需要进一步处理的区域进行详细检测。日后或许可以直接将爬行机器人内建常驻于风力涡轮发电机内,能定期自主外出检测每一个叶片。

气流的冲击与过大压力会造成厚重、采用复合材料的叶片表面下损坏,相位阵列式超音波能检测到隐藏在叶片内部每一层的瑕疵,扫描仪自动分析超音波反射的讯号特征变化来辨识损坏位置,在进一步恶化前处理有助于避免叶片故障或需要替换叶片,缩短风力涡轮发电机运转中断时间。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 机器人 巡检机器人