基于機(jī)器學(xué)習(xí)預(yù)測3D打印風(fēng)力渦輪機(jī)葉片制造缺陷

2025年7月16日，南極熊獲悉，來自格羅寧根大學(xué)的研究人員開發(fā)了一種低成本、可擴(kuò)展的方法，利用 3D打印模型、振動(dòng)分析和機(jī)器學(xué)習(xí)來檢測風(fēng)力渦輪機(jī)葉片的故障。這項(xiàng)研究展示了如何使用 PLA 制造的 NREL 5MW 葉片的縮放復(fù)制品來模擬損壞場景，并使用支持向量機(jī)和 K 最近鄰算法對結(jié)構(gòu)故障進(jìn)行準(zhǔn)確分類，準(zhǔn)確率超過 94%。

△NREL 5MW 葉片幾何尺寸縮放圖。圖片來自格羅寧根大學(xué)。

風(fēng)力渦輪機(jī)葉片承受著持續(xù)的機(jī)械應(yīng)力和惡劣的環(huán)境條件，因此早期損傷檢測對于確保結(jié)構(gòu)完整性和降低維護(hù)成本至關(guān)重要。傳統(tǒng)的檢測方法通常成本高昂且勞動(dòng)密集。在本研究中，研究人員使用Bambu Lab 的 3D打印機(jī)制造了一個(gè) 300 毫米的 NREL 5MW 葉片比例模型，并在葉片根部、跨中和過渡區(qū)等關(guān)鍵區(qū)域引入了五種類型的裂紋損傷。

△比例縮放的 NREL 5MW 葉片的幾何形狀。

為了評估故障對結(jié)構(gòu)的影響，研究團(tuán)隊(duì)進(jìn)行了有限元法 (FEM) 模擬，并使用錘擊試驗(yàn)裝置通過實(shí)驗(yàn)?zāi)B(tài)分析驗(yàn)證了結(jié)果。研究發(fā)現(xiàn)，振動(dòng)模式 3、4 和 6 的共振頻率對結(jié)構(gòu)異常尤為敏感。與健康葉片相比，這些模式的頻率偏移高達(dá) 3 Hz。

△歸一化振型突出顯示了多種損傷場景以及傳感器和撞擊位置。圖片來自格羅寧根大學(xué)。

特征提取和機(jī)器學(xué)習(xí)

研究人員從時(shí)域和頻域中提取特征，并通過方差分析（ANOVA）篩選出統(tǒng)計(jì)顯著性最高的特征。這些特征隨后被用于訓(xùn)練多種機(jī)器學(xué)習(xí)模型，包括隨機(jī)森林、支持向量機(jī)、K最近鄰和樸素貝葉斯分類器。其中，KNN和SVM的分類準(zhǔn)確率最高，超過94%。

研究結(jié)合了3D打印、仿真和機(jī)器學(xué)習(xí)，為風(fēng)力渦輪機(jī)葉片的結(jié)構(gòu)健康監(jiān)測提供了一種可重復(fù)且經(jīng)濟(jì)有效的方法。研究團(tuán)隊(duì)計(jì)劃將這一方法擴(kuò)展到多葉片系統(tǒng)和更復(fù)雜的故障配置，旨在將其集成到實(shí)時(shí)監(jiān)測系統(tǒng)中，以實(shí)現(xiàn)預(yù)測性維護(hù)。

△用于故障分類的特征值密度分布。圖片來自格羅寧根大學(xué)。

3D打印在風(fēng)能研究中的應(yīng)用

這項(xiàng)研究與風(fēng)能研究的最新發(fā)展相一致，包括NREL的MADE3D 項(xiàng)目，重在探索增材制造如何增強(qiáng)渦輪葉片的結(jié)構(gòu)和空氣動(dòng)力學(xué)性能。

此外，3D打印正越來越多地被用于延長風(fēng)力渦輪機(jī)部件的生命周期。在最近的一個(gè)案例中，一個(gè)退役的風(fēng)力渦輪機(jī)葉片被利用增材制造技術(shù)改造成一座模塊化人行天橋。項(xiàng)目展示了如何利用重復(fù)使用的葉片材料和3D打印連接器構(gòu)建可持續(xù)的民用基礎(chǔ)設(shè)施，進(jìn)一步凸顯了風(fēng)能與數(shù)字制造的融合。

隨著增材技術(shù)在大型風(fēng)電部件中的應(yīng)用越來越廣泛，用于故障檢測和設(shè)計(jì)優(yōu)化的數(shù)字工具研究對可再生能源領(lǐng)域變得越來越重要