• Добавить в закладки
  • Facebook
  • Twitter
  • Telegram
  • VK
  • Печать
  • Email
  • Скопировать ссылку
09.09.2025, 11:18
ПНИПУ
79

Пермяки научили робота находить и устранять дефекты на лопатках турбин

❋ 4.5

Лопатки — это ключевые элементы конструкции турбин в авиационной и энергетической отрасли. Они преобразуют поток энергии в механическое вращение вала двигателя. Их качеству и надежности предъявляют чрезвычайно высокие требования. Особое значение при производстве лопаток имеет процесс дефектоскопии после их обработки. Выявление брака происходит вручную, что требует высокой концентрации, много времени и осложняется нестандартной формой детали. Ученые Пермского Политеха разработали автоматизированную систему управления процессом полировки лопаток турбин с использованием интеллектуальной видеоаналитики. Новая технология позволяет в реальном времени контролировать качество обработки поверхности, с точностью 96% выявлять дефекты и автоматически корректировать процесс без участия человека.

Ученые научили робота видеть брак при полировке турбинных лопаток / © Ansel Huang, Unsplash

Статья опубликована в журнале «Инженерный вестник Дона». Лопатки турбин имеют сложную геометрическую форму с аэродинамической поверхностью. Сегодня их полировка происходит на специальных станках или с помощью роботизированного манипулятора. Деталь устанавливают в устройство и через программу задается базовая траектория движения полировального инструмента. Но после обработки оператор-контролер должен визуально тщательно исследовать всю поверхность на поиск царапин и различных дефектных следов. Осмотреть ее со всех углов человеку крайне сложно и неудобно. Это занимает много времени и в случае недосмотра существует риск попадания детали с браком на следующий этап производства.

Ученые разработали комплексную нейросетевую модель с видеоаналитикой, которая объединяет эти процессы в один этап – новая система сочетает в себе обработку лопатки и контроль дефектов в одном автоматизированном цикле. Это значительно повышает точность и скорость производства ключевых компонентов авиационных и промышленных двигателей.

— В основе нашего программного обеспечения лежит искусственный интеллект, способный распознавать различные виды дефектов. Система представляет собой комплекс аппаратных и программных решений: специальная видеокамера закреплена на руке промышленного робота-манипулятора, выполняющего полировку. По заранее рассчитанной траектории происходит ее движение и осмотр лопатки со всех необходимых ракурсов, даже в труднодоступных местах.

Далее в реальном времени мощный вычислительный комплекс обрабатывает видеопоток с помощью обученной нейросети. Все малейшие аномалии – царапины, сколы, неровности полировки – фиксируются, и по окончании сканирования о них формируется детальный отчет для оператора. Он в свою очередь может запустить дополнительную полировку именно тех участков, где необходимо устранить изъян, — объясняет Даниил Курушин, доцент кафедры информационных технологий и автоматизированных систем ПНИПУ, кандидат технических наук.   

Для анализа видеопотока ученые выбрали и адаптировали одну из самых современных архитектур нейронных сетей — YOLO11. Ее обучение проводили на обширной базе данных — более 1500 изображений лопаток разных форм и с различными типами дефектов, снятых под несколькими углами и в условиях специальной ультрафиолетовой подсветки. 

Уже разработан прототип интерфейса программы. После закрепления лопатки в рабочей зоне, оператору нужно только выбрать тип лопатки в системе – ему уже соответствует своя математическая модель и программа движений робота. После запуска на экран в удобной форме выводится поле с найденными дефектными объектами и полный отчет о проведенном анализе.

— Съемка эталонных дефектов для обучения нейронной сети и тестирование прототипа проводились непосредственно на производственной площадке моторостроительного предприятия. Это обеспечило высокую практическую значимость и соответствие системы реальным производственным задачам. Точность распознавания составила 96%, что говорит о высокой способности модели правильно классифицировать состояние полировки. А полнота – 94%, что указывает на способность выявлять большинство дефектов, — поделился Алексей Духанин, аспирант кафедры информационных технологий и автоматизированных систем ПНИПУ.  

Новая интеллектуальная система, основанная на глубоком машинном обучении и компьютерном зрении, оптимизирует процесс полировки лопаток турбины с учетом их геометрии и свойств материала. Технология позволяет в реальном времени обнаруживать микроскопические дефекты поверхности, что значительно повышает качество и эффективность производства критически важных компонентов. Сейчас идут обсуждения о внедрении технологии на одно из промышленных предприятий.

В дальнейшем коллектив разработчиков планирует расширить базу данных для повышения точности распознавания, добавить 3D-модели лопаток для создания более информативных отчетов, а также масштабировать архитектуру системы, расширить область ее применения и интегрировать с новыми передовыми технологиями. Это оптимизирует производственные процессы и повысит конкурентоспособность на рынке.

Внедрение технологии ученых Пермского Политеха на предприятия авиационного и энергетического машиностроения увеличит качество продукции за счет стопроцентного автоматизированного управления и исключения человеческого фактора, сократит время контроля по сравнению с традиционными методами визуального осмотра и снизит затраты на брак и доработку изделий.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
ПНИПУ
Пермский национальный исследовательский политехнический университет (национальный исследовательский, прошлые названия: Пермский политехнический институт, Пермский государственный технический университет) — технический ВУЗ Российской Федерации. Основан в 1960 году как Пермский политехнический институт (ППИ), в результате объединения Пермского горного института (организованного в 1953 году) с Вечерним машиностроительным институтом. В 1992 году ППИ в числе первых политехнических вузов России получил статус технического университета.
Подписывайтесь на нас в Telegram, Яндекс.Новостях и VK
Предстоящие мероприятия
13 августа, 15:29
Татьяна Зайцева

Молодая женщина, возвращения которой из мертвых местное общество, по-видимому, сильно опасалось, имела скандинавские корни и поэтому могла считаться чужестранкой, предположили авторы нового исследования. Ученые также смогли установить много других интересных подробностей о жизни и смерти девушки.

12 августа, 20:52
Марк Чернов

Качественное дошкольное образование закладывает прочный фундамент успехов на долгие годы вперёд — вплоть до выпускного класса. Двадцатилетнее исследование показало, что дети, которые в возрасте четырех лет перед поступлением в школу посещали бесплатные государственные подготовительные классы, учатся существенно лучше сверстников, посещавших обычные детские сады с упором на простой присмотр или оставшихся на домашнем воспитании.

12 августа, 14:39
Илья Гриднев

Эксперимент физиков из ЦЕРН позволил рассмотреть поведение глюонов внутри атомных ядер с беспрецедентной точностью. При сверхвысоких плотностях эти элементарные частицы переставали размножаться и начинали объединяться. Это помогло найти подтверждение теории «глюонного насыщения», а не принятого «ядерного затенения» для определенного диапазона сверхвысоких энергий.

9 августа, 19:34
Марк Чернов

Американская компания Firebird официально запустила в городе Раздан крупный центр обработки данных и фабрику искусственного интеллекта. На сегодняшний день это самый масштабный технологический хаб подобного уровня в СНГ, а после завершения всех этапов строительства он войдет в пятерку самых мощных вычислительных кластеров в мире.

12 августа, 14:39
Илья Гриднев

Эксперимент физиков из ЦЕРН позволил рассмотреть поведение глюонов внутри атомных ядер с беспрецедентной точностью. При сверхвысоких плотностях эти элементарные частицы переставали размножаться и начинали объединяться. Это помогло найти подтверждение теории «глюонного насыщения», а не принятого «ядерного затенения» для определенного диапазона сверхвысоких энергий.

11 августа, 12:44
МАИ

Со стороны профессия летчика-испытателя часто выглядит как череда опасных полетов, требующих бесстрашия и способности мгновенно импровизировать. В действительности ее основу составляют методика, дисциплина, технические знания и умение честно рассказать о каждой особенности машины. Его задача — не просто поднять самолет в воздух, но и понять, насколько точно он выполняет команды, предсказуемо ли ведет себя на сложных режимах и какие изменения необходимо внести в конструкцию или систему управления.

31 июля, 14:12
Андрей Серегин

Долгое время считалось, что до прихода европейцев тропические леса Амазонии были заселены сравнительно плохо. Однако выяснилось, что плотная растительность скрывает большинство следов древних обществ. С помощью воздушного лазерного сканирования ученые обнаружили сотни неизвестных земляных сооружений и предположили, что около двух тысяч лет назад население юго-западной части Амазонии могло достигать трех миллионов человек.

9 августа, 19:34
Марк Чернов

Американская компания Firebird официально запустила в городе Раздан крупный центр обработки данных и фабрику искусственного интеллекта. На сегодняшний день это самый масштабный технологический хаб подобного уровня в СНГ, а после завершения всех этапов строительства он войдет в пятерку самых мощных вычислительных кластеров в мире.

19 июля, 20:09
Александр Березин

Очереди на заправках стали привычным явлением в России, а на фоне информационного вакуума от властей о конкретных показателях производства бензина в июне население вынуждено ориентироваться на слухи. Все это выглядит довольно странно, но есть нюанс: скорее всего, кризис уже начинает выдыхаться. Как именно мы это выяснили?

[miniorange_social_login]

Комментарии

Написать комментарий