Améliorer le contrôle-qualité des éoliennes grâce à l'IA

Une collaboration internationale entre l'EPFL (Lausanne) et l'Université de Glasgow a permis de développer un algorithme avancé d'apprentissage automatique qui détecte efficacement les défauts de fabrication dissimulés dans les pales des éoliennes.

Mots clés: #EPFL, #offshore, #éolienne

Lire plus

research

( Photo: fokkebok - 123RF )

ENGINEERINGNET.BE - Une éolienne défectueuse représente un coût énorme pour toute entreprise qui souhaite l’exploiter. Surtout si une anomalie n’a pas été détectée à temps. Le contrôle-qualité lors de leur fabrication est donc stratégique.

Actuellement, cette étape se limite à la surface des éléments produits en usine. Mais grâce à une nouvelle approche menée par des scientifiques de l'EPFL et de l'Université de Glasgow, une technologie radar brevetée, combinée à un assistant d’intelligence artificielle (IA), peut désormais détecter d'éventuelles anomalies sous la surface des pales d’une éolienne.

Cette approche présente de nombreux avantages: elle est non destructive, sans contact, permet une acquisition et une analyse rapides des données et est peu gourmande en énergie.

Le compte-rendu de cette recherche vient de paraître dans la revue Elsevier Mechanical Systems and Signal Processing (MSSP).

Ces travaux de recherche ont été menés par Olga Fink, directrice du Laboratoire des Systèmes intelligents de maintenance et d'opérations (IMOS) à l’EPFL.

Olga Fink: «La taille des éoliennes augmente et leur design se complexifie. Les éoliennes sont composées de différents matériaux dits composites, à l’exemple de la fibre de verre et de la fibre de carbone. Ces éléments accroissent la probabilité que des défauts apparaissent lors de leur fabrication.»

D’où la nécessité de recourir à de nouveaux systèmes de détection par l’IA. (Auteur: Sandrine Perroud - Source: EPFL)