Systematische Ursachenforschung von Erosionsschäden an Windenergieanlagen mittels Computertomographie (XRM) als Basis zur Schadensminimierung und Serviceoptimierung (SUrfErCut) : Schlussbericht vom 30.09.2022

Im Projekt wurde erstmalig das µ-CT und XRM-Verfahren zur zerstörungsfreien Charakterisierung mehrfach zyklisch belasteter Probekörper angewandt und das an realgroßen Probekörper mit Auflösungen bis zu einem Mikrometer. Die bildbasierte Prüfmethode ermöglicht die Identifizierung, Verortung und Charakterisierung der prozessbedingten- und künstlichen Fehlstellen. Die Anwendung der Röntgenverfahren auf die mehrfach zyklisch belasteten Probekörper ermöglicht die Identifizierung und Bewertung von initial Schädigungen “Efects of defects” und in Abhängigkeit von Position, Fehlergröße auf das Bauteilversagen. Am Ende der Untersuchungen steht ein Katalog von aufzufinden Fehler, die in der Produktion zu vermeiden sind und nach der Produktion sowie in der Anwendung der WEA aufgefunden werden müssen.
Ein wesentlicher Aspekt war die Entwicklung von automatisierte Auswerteverfahren der µ-CT und XRM-Bilddaten. Im Projekt wurden Methoden der Künstliche Intelligenz (KI) in Form von „machine learning“ und „deep learning“ erprobt und angewandt. Dazu wurden Verfahren wie das „Random Forest Classification“ (machine Learning) zur Erzeugung von annotierten Datensätzen zum Training von neuronalen Netzen angewandt sowie Untersuchung möglicher und relevanter Architekturen und Formen von neuronalen Netzen (z.B. U-Net und Sensor 3D) durchgeführt. An ausgewählten Proben wurden Vergleiche zwischen dem U-Net und Sensor 3D hinsichtlich Fehlstellenerkennung durchgeführt wobei sich das Sensor 3D als das geeignetere zeigte. Auch wurden Verfahren zur Visualisierung der Entwicklung der Fehlstelle nach zyklischer Erosionsbelastung entwickelt und angewandt.
Im Projekt wurde erstmalig aktive Thermografie zur Defektdetektion an rotorblattähnlichen, mehrfach zyklisch mit Regen belasteten Probekörpern erfolgreich angewandt. Es wurde gezeigt, dass aktive Thermografie, insbesondere Langpuls-Thermografie auch ohne besonders starke und komplizierte Datenverarbeitung ein mächtiges Tool bei der Defektdetektion an thermisch trägen Materialien darstellt, speziell bei der Qualitätssicherung Wartung von Rotorblättern an Windenergieanlagen.