以下為演講實錄：

 

　　我們在做無人機巡檢這一塊走了不同的技術路線，已有的基本上在做可見光的巡檢，現在我們做的是基于紅外和可見光聯合雙光譜拍照的巡檢。這一塊工作我們也是剛剛開始，所以我這一塊也是技術路徑的探究，是剛開始，這周一才拿出測試的結果，所以后面給大家展示現在的結果。

 

　　第一篇是葉片的巡檢的市場有多大和必要性，今天我從產品的可靠性角度闡述一下。大家知道葉片的可靠性的曲線，我們稱之為“浴盆曲線”或者是“微笑曲線”，微笑曲線在整個的葉片生命周期內，一開始的時候會有很大的產品失效，失效的概率多大？在這個地方我們經常要做一些檢修或者是巡檢或者是技改以及其他的突破。那在底下的這條紅線的時候葉片的質量已經比較穩定的，當然和不同的葉片，不同的風場或者是不同的工藝，橫線長短會有所區別。到了后期會出現大量的失效情況，已經在后期的檢查頻率會非常高。整個過程中，我們就需要把失效影響的可能性還有失效的模式，以及不同模式的比例、運行的時間參數在整個周期上需要考慮這么多的參數。

 

　　從整個生命周期下如果考慮葉片可靠性的問題，我們現在在做一些檢測，主要是運行、維護，葉片的結構破壞會導致力學的性能破壞，甚至有可能是氣動性或者是經濟性能的下降，它會對安全性產生影響。前面幾位專家也在講缺陷產生的可能，我在這里分成兩類：一類就是基因性質，作為生命來講它是基因，從設計角度或者是工廠里的生產角度就已經帶來這種缺陷，這種缺陷屬于基因性質的，基因性質應該是有一個專門的評判報告，無損測試等方面來評估。后面還有外部條件驅動我們稱之為后天的，像雷擊或者是運輸或者是主機沖擊載荷等影響，這些會產生額外的損傷。其實我們在這兩個階段，一個是基因性的缺陷，考慮廠里的缺陷和外部的缺陷，他們評估的角度我覺得事實上在役運行的階段缺少評估的理論，我們是以極限載荷來評估的滿足一個極限載荷的一些工藝。運行指標我認為要用葉片的剩余壽命來考慮這個事，它的缺陷，它的檢查，圍繞它的葉片運行5年，10年或者是20年它還剩多少壽命的時候，我們用這一套理論以及方法來考慮，才是我們在座各位想要開展的業務的核心的理論。以后有機會再和大家分享，因為現在還在做。在運行的階段，我們需要巡檢、檢查以及在線檢測等一系列的手段。

 

　　這里面有多種的手段傳統的巡檢模式用望遠鏡、長焦相機，出質保必須上吊蘭和葉片表面和內腔的檢查，這些看起來是專家級的經驗，外部檢查實際上是沒法檢測到內部缺陷，但是如果從人裝到內腔里頭其實也有局限性，人鉆不到的地方，葉尖主梁的一些缺陷。到了葉片運行的后期，譬如出現缺陷的時候檢查頻率會越來越高，我們無論用什么手段必然頻次會增高，這種情況系使用無人機以及智能化的缺陷識別會帶來頻次以及可靠性等等的提高。新的巡檢方式應該以儀器設備來檢查，自動化巡檢來代替人工巡檢，這應該是一個趨勢。無人機巡檢主要是基于可見光，紅外巡檢主要是用吊蘭，主動加熱，能夠做一個比較精細的檢測，但是時間、設備、人力成本還是比較高，更主要的像在地面上的巡檢成本、時間就更高了，現在比較可行的未來趨勢性的應該是基于無人機的自動化巡檢，做成可視化的圖片，然后再做一些智能化的缺陷識別，這也是做巡檢的未來趨勢。

 

　　我們和另外一個公司聯合開發這個產品，這個產品的主題詞就是無人機的自動巡檢，多數據源的融合以及人工的智能識別，還有云服務，把數據傳到云端之后進行缺陷的識別和排查，最后形成一個研究報告。這里覆蓋了整個風機葉片全壽命周期的管理，多維度的鉆營。葉片的出廠檢測，葉片裝機之后的一個檢測，運維過程中的檢測。檢測方式除了無人機、大型機器人以及人工，傳感器主要是使用超聲、紅外、可見光等等，尤其在紅外、超聲可能需要采用主動以及被動加熱的措施。外邊裂紋以及內部褶皺等等這些都要進行判斷。現在開始的階段是在最下面的葉片缺陷檢測方法實驗研究的階段，這個階段要對溫度特性、地域特性、季節、時段對于檢測條件進行研究，還有在缺陷特定這方面進行可見光和紅外光的檢測的精度的識別以及相機的分辨率、檢測距離做一些測試方案。最后形成無人機的一鍵巡檢的方案以及智能巡檢識別的方案。最后系統應該是基于企業云服務，由巡檢單位使用左邊這種無人機巡檢機器人等措施，一起手持終端來檢測，最終上傳云端。

 

　　這里面的關鍵技術有幾項：一個是無人機進行自動巡檢路線的規劃，這個規劃也是很難的一件事，因為和環境（風速、逆光）等等，無人機巡檢路線規劃是很麻煩的一件事，需要靠自動識別。它繞葉片巡檢之后產生三維圖，這些三維圖的缺陷已經識別出來的，要進行三維圖片的融合技術，既然想要做智能化的巡檢，那要求我們做這種圖片要求標準化，這是非常關鍵的，就是圖像是要標準的，我們如何做標準化圖像之后有標準化識別。然后缺陷數據庫以及圖像缺陷的深度學習，我們還要對這些缺陷進行評級，我們看到這些評級方法，還有葉片在出廠過程中我們把所有的數據積累起來之后會有一個大數據技術的壽命周期的評估方法，這樣積累的十年、二十年的數據之后，我們才真正能做到這個葉片出現了什么缺陷，它的壽命有多長，我們才能夠有一個準確的評估數據支持。

 

　　葉片缺陷數據分類可以分為致命的缺陷：生命周期在半年范圍內；嚴重缺陷生命周期一般在1-5年；一般缺陷是不用修理，缺陷生存周期為5-10年，在不同的位置應該有缺陷的分級的數據庫的支持。這是做的頁面，選中機組之后巡檢的次數、維修狀態、缺陷狀態應該給一個圖式化的界面，這里有一個缺陷，我們除了選葉片之外，它的可見光圖片以及紅外圖片以及融合圖片都應該有一個顯示，這個差不多要有一年的時間才能做完，現在是剛剛開始。

 

　　后面給了幾個圖片，就像題目里說的，雙光譜的巡檢措施產生的一些結果，這些結果拿到其實到很困難，我們做了將近2個月的時間才真正找到合適的角度，找到合適的排查的經驗，一開始都識別不了。左邊是蒙皮褶皺。我們在風場也發現了其他的缺陷，這里列出的有代表性的例子，這個例子就是在地面上，我們很輕松地看到那個鼓包，實際上在無人機巡檢的時候就沒有發現，因為無人機的角度原因有些區域是沒有拍攝到。這個是葉片修補，在紅外這一塊有顏色比較深的對應上的葉片修補實際上就是顏色不一樣的。這個是尾緣開裂的照片，這個照片是在地面上，我們整套方案都是有經驗的人員先把整個風場進行檢查，然后每個葉片都有什么樣的缺陷都知道，但是這張照片實際上是人檢的時候就沒有查到，主要是角度問題，人沒有檢查到，但是無人機查到了，看紅外的那張圖也很好地表達出這個缺陷尾緣開裂的情況。還有一個缺陷可見光沒有任何問題，在主梁上有兩個大的陰影，那肯定是有缺膠的現象，不用紅外的話是看不出來的。還有一個是G58機組，這個機組那邊是主梁，在外面看不到任何缺陷，當時涂膠的時候不是滿涂的，在紅外可以很好地展示出來。

 

　　說一下結論，我們也是剛剛接觸這種葉片檢測的領域，在外場的檢查發現從人工到無人機可見光、紅外包括人上葉片去巡檢有很多互補性。基于紅外可見光雙光拍照技術，能夠更詳細地作出外場葉片缺陷識別，很多都是數據處理出來的。未來的趨勢還是自動大巡檢，智能化的缺陷識別以及周期數據積累和可靠性評估，這是未來的趨勢。剛才也說其實我們在外場的測試過程中才剛剛開始起步，需要有更多的識別缺陷的人來參與，我們歡迎在座的各位專家、各位業主以及第三方運維公司和我們一起合作，把這個事情研究做下去，把這個產品開發好。謝謝各位。

 

　　（內容來自現場速記，未經本人審核，如有不妥請聯系修改）