Вітрова енергетика є одним із найважливіших та найперспективніших джерел екологічно чистої відновлювальної енергії. Для підвищення надійності та безпечності експлуатації вітрових турбін, а також для зниження витрат через технічне обслуговування та простої у неробочому стані, необхідно застосовувати сучасні методи моніторингу стану великогабаритних та високонавантажених деталей вітрових електростанцій з використанням інформаційних технологій. Розглянуто основні види дефектів та їхню класифікацію. Проаналізовано вплив швидкості обертання турбіни та наявності тріщини у лопаті на власні частоти коливання робочого тіла. Наведено основні види і методи неруйнівного контролю (НК). Детально розглянуто акустичний метод, оскільки він стрімко розвивається та є перспективним для галузі зеленої енергетики. На основі опрацьованої літератури подано класифікацію акустичних методів НК. Проведено аналітичний огляд публікацій, що розглядають методи НК для діагностики лопатей вітрових турбін, у тому числі з використанням безпілотних літальних апаратів (БПЛА). Для кожного з методів наведено його переваги та недоліки. Здійснено аналіз підходу до НК вітрових електричних станцій з використанням машинного навчання на основі Гаусівських процесів для прогнозування власних частот коливань однієї лопаті за статистичними даними розподілу власних частот коливання сусідніх лопатей та температури навколишнього середовища. Наведено опис повного циклу функціонування системи від збирання даних до прийняття рішення про можливу наявність дефекту в конструкції. Розглянуті підходи можуть слугувати базою для побудови нових високонадійних методів виявлення небезпечних дефектів у матеріалі лопаті на ранніх стадіях їх розвитку.
1. Rudavskyi, D. V. (2011). Residual resource of metal structural elements in Hydrogen-containing environments. Kyiv: Naukova Dumka. [in Ukrainian].
2. Andreykiv, O. Y., Pustovyi, V. M., Rudavskyi, D. V., Dolinska, I. Y., Semenov, P. O. (2017). Methods of assessing residual strength and durability of structural elements based on non-destructive testing data: Handbook. Lviv: Prostir-M [in Ukrainian].
3. Nazarchuk, Z. T., Koshoviy, V. V., Skalsky, V. R., Edited by Panasyuk, V. V. (2001). Fracture mechanics and strength of materials: Handbook. Vol. 5: Non-destructive testing and technical diagnostics. Lviv FMI [in Ukrainian].
4. Klyuev, V. V., Sosnin, F. R., Filippov V.N., Edited by Klyuev, V. V. (1996). Mechanical engineering: Encyclopedia. Vol. 3: Measurements, control and diagnostics. Mashinostroenie [in Russian].
5. Klyuev, V. V., Sosnin, F. R., Filippov V.N., Edited by Klyuev, V. V. (1995). Non-destructive testing and diagnostics: Handbook. Mashinostroenie [in Russian].
6. Aleshyn, N. P., Shcherbinskyi, V. G. (1991). Radiographic, ultrasonic and magnetic defectoscopy of metal products: Textbook for vocational schools. Vyisshaya shkola [in Russian].
7. Ermolov, I. N., Ostanin, Y. Y. (1988). Methods and tools of non-destructive quality control: Textbook for engineering and technical specialized universities. Vysshaya Shkola [in Russian].
8. Gurvich, A. K., Dovnar, B. P., Kozlov, V. B.; Edited by Gurvich A.K. (1983). Non-destructive inspection of rails during operation and repair. Transport [in Russian].
9. Shcherbinsky V.G., Feoktistov, V. A., Polevik, V. A.; Edited by Shcherbinsky, V. G. (1987). Methods of defectoscopy of welded joints. Mashinostroenie [in Russian].
10. Goncharov, I. B., Matangin, K. M. (1990). Equipment defectoscopy in the coal industry: Reference guide. Nedra [in Russian].
11. State Standard of Ukraine. DSTU 2865-94. Non-destructive testing. Terms and Definitions. (1995).
12. Zolotarev, S., Vengrinovich, V., Tillack, G.-R. (1998). Finite series expansion method modified for multi-step reconstruction from limited number of projections and views // 2nd Int. Conf. on Computer Methods and Inverse Problems in Non-destructive Testing and Diagnostics, Minsk, 20-23 Oct. 1998: Proc. - Berlin: DGZFP.
13. Andreykiv, A. E., Lysak, N. V. (1989) Acoustic emission method in the study of destruction processes. Kyiv: Naukova Dumka [in Russian].
14. Nazarchuk, Z. T., Skalsky, V. R. (2009). Acoustic emission diagnostics of structural elements: scientific and technical manual: In 3 volumes - Volume 1: Theoretical foundations of the acoustic emission method. Naukova Dumka [in Ukrainian].
15. Paton, B. E., Lobanov, L. M., Nedoseka, A. Y. (2003). Technical diagnostics: yesterday, today, and tomorrow. Technical Diagnostics and Non-Destructive Testing, 4, 6-10.
16. Nedoseka, A. Y. (2005). Control of critical stress state using the acoustic emission method. In the World of Non-Destructive Testing, 1(27), 14-16.
17. Kim, D.Y., Kim, H.-B., Jung, W.S., Lim, S., Hwang, J.-H., Park, C.-W. (2013). Visual testing system for the damaged area detection of wind power plant blade, IEEE ISR 2013, 1-5.
https://doi.org/10.1109/ISR.2013.6695675
18. Poozesh, P., Baqersad, J., Niezrecki, C., Avitabile, P., Harvey, E., Yarala, R. (2017). Large-area photogrammetry based testing of wind turbine blades. Mechanical Systems and Signal Processing, 86, 98-115.
https://doi.org/10.1016/j.ymssp.2016.07.021
19. Zhang, D., Burnham, K., Mcdonald, L., Macleod, C., Dobie, G., Summan, R., Pierce, G. (2017). Remote inspection of wind turbine blades using UAV with photogrammetry payload. 56th Annual British Conference of Non-Destructive Testing-NDT 2017.
20. Ren, Y., Qu, F., Liu, J., Feng, J., Li, X. (2017). A universal modeling approach for wind turbine condition monitoring based on scada data. 6th Data Driven Control and Learning Systems (DDCLS), 265-269.
https://doi.org/10.1109/DDCLS.2017.8068080
21. Larrañaga-Valsero, B., Smith, R.A., Tayong, R.B., Fernández-López, A., Güemes, A. (2018). Wrinkle measurement in glass-carbon hybrid laminates comparing ultrasonic techniques: A case study. Composites Part A: Applied Science and Manufacturing, 114, 225-240.
https://doi.org/10.1016/j.compositesa.2018.08.014
22. Tiwari, K.A., Raisutis, R., Samaitis, V. (2017). Hybrid signal processing technique to improve the defect estimation in ultrasonic non-destructive testing of composite structures. Sensors, 17, 1-21.
https://doi.org/10.3390/s17122858
23. Tiwari, K.A., Raisutis, R. (2018). Post-processing of ultrasonic signals for the analysis of defects in wind turbine blade using guided waves. The Journal of Strain Analysis for Engineering Design, 53, 546-555.
https://doi.org/10.1177/0309324718772668
24. Lizaranzu, M., Lario, A., Chiminelli, A., Amenabar, I. (2015). Non-destructive testing of composite materials by means of active thermography-based tools. Infrared Physics & Technology, 71, 113-120.
https://doi.org/10.1016/j.infrared.2015.02.006
25. Hwang, S., An, Y.-K., Sohn, H. (2017). Continuous line laser thermography for damage imaging of rotating wind turbine blades. Procedia Engineering, 188, 225-232.
https://doi.org/10.1016/j.proeng.2017.04.478
26. Garcea, S.C., Wang, Y., Withers, P.J. (2018). X-ray computed tomography of polymer composites. Composites Science and Technology, 156, 305-319.
https://doi.org/10.1016/j.compscitech.2017.10.023
27. Jasinien, E., Raiutis, R., Voleiis, A., Vladiauskas, A., Mitchard, D., Amos, M. (2019). NDT of wind turbine blades using adapted ultrasonic and radiographic techniques. Insight-Non-Destructive Testing and Condition Monitoring, 51, 477-483.
https://doi.org/10.1784/insi.2009.51.9.477
28. Mikkelsen, L.P. (2019). Visualizing composite materials for wind turbine blades using x-ray tomography. Abstract from Materials for Tomorrow.
29. Moll, J., Simon, J., Malzer, M., Krozer, V., Pozdniakov, D., Salman, R., Durr, M., Feulner, M., Nuber, A., Friedmann, H. (2018). Radar imaging system for in-service wind turbine blades inspections: Initial results from a field installation at a 2 mw wind turbine. Progress In Electromagnetics Research, 162, 51-60.
https://doi.org/10.2528/PIER18021905
30. Gómez, C., García, F., Arcos, A., Cheng, L., Kogia, M., Mohimi, A., Papaelias, M. (2017). A heuristic method for detecting and locating faults employing electromagnetic acoustic transducers. Eksploatacja i Niezawodność 2017, 19.
https://doi.org/10.17531/ein.2017.4.1
31. Tang, J., Soua, S., Mares, C., Gan, T.-H. (2017). A pattern recognition approach to acoustic emission data originating from fatigue of wind turbine blades. Sensors, 17, 2507.
https://doi.org/10.3390/s17112507
32. Fuentes, R., Dwyer-Joyce, R., Marshall, M., Wheals, J., Cross, E. (2020). Detection of sub-surface damage in wind turbine bearings using acoustic emissions and probabilistic modelling. Renewable Energy, 147, 776-797.
https://doi.org/10.1016/j.renene.2019.08.019
33. Ye, Y., Ma, K., Zhou, H., Arola, D., Zhang, D. (2019). An automated shearography system for cylindrical surface inspection. Measurement, 135, 400-405.
https://doi.org/10.1016/j.measurement.2018.11.085
34. Zhao, Q., Dan, X., Sun, F., Wang, Y., Wu, S., Yang, L. (2018). Digital shearography for NDT: Phase measurement technique and recent developments. Applied Sciences, 8, 2662.
https://doi.org/10.3390/app8122662
35. Márquez, F.P.G., Chacón, A.- M. (2020). A Review of Non-Destructive Testing on Wind Turbines Blades. Renewable Energy, 161, 998-1010.
https://doi.org/10.1016/j.renene.2020.07.145
36. Chandrasekhar, K., Stevanovic, N., Cross, E. J., Dervilis, N., Worden, K. (2021). Damage detection in operational wind turbine blades using a new approach based on machine learning. Renewable energy, 168, 1249-1264.
https://doi.org/10.1016/j.renene.2020.12.119
37. Nelder, J. A., Mead, R. (1965). A simplex method for function minimization. The computer journal, 7(4), 308-313.
https://doi.org/10.1093/comjnl/7.4.308
38. Eldeeb, A. E., El-Arabi, M. E., Hussein, B. A. (2020). Effect of cracks in wind turbine blades on natural frequencies during operation. Journal of engineering and applied science, 67, 1995-2012.
39. Cormen, T. H., Leiserson, C. E., Rivest, R. L., Stein, C. (2002). Introduction to algorithms. Second edition. McGraw-Hill Book Company.