一支叶片的智能之旅

1935年以来，全世界的叶片设计师都在利用Glauert提出的叶素动量理论（BEM）来分析螺旋桨叶片的气动性能。但近年来，随着叶片长度和柔度的增加，BEM理论已越来越不能真实地体现叶轮在运动中受到的风载，成为大叶片最优气动设计的理论桎梏。2014年，远景能源中国上海研发中心联合美国科罗拉多全球叶片创新中心，向叶片技术理论发起挑战，用三年时间打开了叶片设计的黑匣子——小叶的智能之旅开始启程。

接下来，远景能源基于智能物联网（AIoT）操作系统（EnOS™）建立的叶片设计生成和预测评估两大模块，开始发挥作用。多年数据积累厚积薄发，得益于智能管理、机器学习能力的大幅提升，模型智能寻优挖掘未被认知的气动效率，实现叶片性能、载荷、重量和噪音最优设计。

当然以上不是新闻，接下来才是亮点：远景AI系统有效控制叶片在工厂出产过程中的质量缺陷，形成研发到制造的闭环。

叶片制造过程中的诸多工序不能用机器作业来完成，叶片人工成本居高不下。比如贴涂层，不仅要用大量人工来完成，涂层表面的缺陷也不能像机械产品系统那样用公差或平面度来直接定义。换句话说，叶片的表面缺陷无法用准确的规则来表述。

一般认为，叶片涂层白斑面积超过20%，就意味着叶片制造质量不合格。可如何来衡量这20%，又怎样确认其分布形态？不仅需要叶片工厂质量专家从过程的角度来分析认知，也需要叶片设计开发专家从设计的细节作出判断。因此复杂而漫长。

现在通过AI系统，叶片制造专家和设计专家的经验和知识发现都沉淀到机器学习系统中，帮助叶片专家做出质量和原因判断，就像为医生提供了一张患者的X光照片。不仅大大提高了效率，也沉淀并验证了叶片质量控制知识和经验的有效性。

经过了智能制造的洗礼，小叶的朋友们出厂后各奔东西，赶赴不同的风场。因为身体太长了，在运输过程中往往会遇到道路、厂区受限等多个不确定因素，加大了运输安全风险，这时需要智慧物流帮忙解除各种麻烦。

远景智慧物流三维可视化解决方案从道路、运输工具、运输过程、运输过程监控等方面提供数字化解决方案，化解不确定因素，解除叶片进入风场机位点的各种麻烦，让小叶实现了从工厂到风场的安全、高效和经济之旅。

通过AIoT技术将相应的传感器安装到车辆的相关部位，再通过对当前叶片及车辆相关参数信息的分析，进而提前做出判断、规避风险，确保了运输过程的安全。

小叶很快就在安徽的一个风场落位运行了。在未来二十年的时间里，远景的数字双胞胎还将始终与小叶如影随形。

数字双胞胎的跟踪分析结果显示：通过AI系统小叶可以实现两大突破：一是叶片最佳捕获段的气动效率提升5%以上；二是改变了传统叶片设计中对刚度制约的上限，测试结果表明叶片整体刚度提升10%。

叶片外表面早期失效会带来气动噪声，叶片内部结构早期失效会带来净空均值的变化，外部极端风况也会带来叶片擦塔的风险。远景某风场的叶片AI监控系统，可以基于叶片净空变化历史数据，运用机器学习算法建立叶片画像，实现叶片结构早期失效预警；还能够通过声音频谱来判断叶片表面各种异常情况，及早对叶片外表面缺陷作出预警。AI系统还可以通过对声音数据与工作状态的挖掘，把声音与失效模式进行对应，把不能通过规则说清楚的东西，通过模式识别解决了，类似人脸识别一样。

小叶从生命孕育到二十年甚至更长的运行历程，始终保持智能的生命之旅。出身智能家族的小叶变得越来越聪明——更安全、发更多的电。

在江苏、在内蒙、在广西、在山东，如果看到风机，记得和这个能给你带来美好能源的大玩具一起拍照哦，说不定那上面就是智慧的我。