Hacı Elmas/Unsplash
Лопатки турбин — это критически важные компоненты в авиационных и энергетических двигателях, отвечающие за преобразование энергии потока в механическое вращение. Их надежность напрямую влияет на безопасность и эффективность всей системы, поэтому к качеству их изготовления предъявляются исключительно высокие стандарты. Особенно важен этап дефектоскопии после финишной обработки. Традиционно он выполняется вручную, что требует от оператора предельной концентрации, значительного времени и сопряжено с трудностями из-за сложной аэродинамической формы детали. Ученые Пермского национального исследовательского политехнического университета (ПНИПУ) представили инновационное решение — автоматизированную систему управления полировкой лопаток, основанную на интеллектуальной видеоаналитике. Эта технология позволяет в режиме реального времени контролировать качество поверхности, с точностью до 96% выявлять дефекты и автоматически корректировать процесс, минимизируя участие человека.
Статья опубликована в журнале «Инженерный вестник Дона», 2025.
Проблемы традиционного контроля
Лопатки турбин обладают сложной пространственной геометрией. Их полировка сегодня осуществляется на специализированных станках или с помощью роботизированных манипуляторов, где по заданной программе инструмент следует по базовой траектории. Однако после обработки вся ответственность за выявление брака — царапин, сколов, неровностей — ложится на оператора-контролера. Ему приходится вручную и визуально осматривать деталь со всех сторон, что является крайне трудоемкой, субъективной и не всегда надежной процедурой. Риск пропустить дефект и допустить бракованную деталь на дальнейшие этапы сборки двигателя остается высоким.
Единый автоматизированный цикл
Разработка пермских ученых принципиально меняет этот подход, объединяя два процесса — обработку и контроль — в один непрерывный автоматизированный цикл. Это достигается за счет комплексной нейросетевой модели с видеоаналитикой, что ведет к значительному повышению как скорости, так и точности производства ключевых компонентов двигателей.
— Ядром нашего программного обеспечения является искусственный интеллект, обученный распознавать разнообразные типы дефектов.
Обратите внимание: Ученые Пермского Политеха разработали инновационный тренажер для безопасного обучения электриков в виртуальной реальности.
Система представляет собой интеграцию аппаратных и программных компонентов: специальная видеокамера закреплена непосредственно на руке промышленного робота-манипулятора, который выполняет полировку. Двигаясь по рассчитанной траектории, робот не только обрабатывает поверхность, но и осматривает лопатку со всех необходимых ракурсов, включая труднодоступные зоны. Получаемый видеопоток в реальном времени анализируется мощным вычислительным комплексом с помощью обученной нейронной сети. Все обнаруженные аномалии фиксируются, и по завершении сканирования для оператора формируется детализированный отчет. На его основе можно немедленно инициировать дополнительную полировку именно тех участков, где были выявлены изъяны, — поясняет Даниил Курушин, доцент кафедры информационных технологий и автоматизированных систем ПНИПУ, кандидат технических наук.Технологическая основа и точность
Для анализа изображений ученые выбрали и адаптировали одну из передовых архитектур нейронных сетей — YOLO11. Обучение модели проводилось на обширной базе данных, включающей более 1500 изображений лопаток различных конфигураций с разными типами дефектов. Съемка велась под несколькими углами и в условиях специальной ультрафиолетовой подсветки, что повысило контрастность и детализацию дефектов.
Уже создан рабочий прототип программного интерфейса. После фиксации лопатки в рабочей зоне оператору достаточно выбрать ее тип в системе — для каждой модели заранее подготовлена соответствующая математическая модель и программа движений робота. В процессе работы на экран в удобном формате выводятся помеченные дефектные области и полный аналитический отчет.
— Съемка эталонных дефектов для обучения нейросети и тестирование прототипа проводились непосредственно на производственной площадке моторостроительного предприятия. Это обеспечило высокую практическую значимость разработки и ее полное соответствие реальным производственным задачам. Точность распознавания модели составила 96%, что свидетельствует о высокой способности правильно классифицировать состояние поверхности. А показатель полноты (выявляемости) достиг 94%, что означает способность системы обнаруживать подавляющее большинство существующих дефектов, — делится результатами Алексей Духанин, аспирант кафедры информационных технологий и автоматизированных систем ПНИПУ.
Перспективы и экономический эффект
Новая интеллектуальная система, основанная на глубоком машинном обучении и компьютерном зрении, позволяет оптимизировать процесс полировки с учетом индивидуальной геометрии лопатки и свойств материала. Технология обеспечивает обнаружение микроскопических дефектов поверхности в реальном времени, что кардинально повышает качество и эффективность производства критически важных компонентов. В настоящее время ведутся переговоры о внедрении этой разработки на одном из промышленных предприятий.
В планах коллектива — дальнейшее расширение базы данных для повышения точности, интеграция 3D-моделей лопаток для формирования еще более информативных отчетов, а также масштабирование архитектуры системы для применения в других областях. Это позволит оптимизировать производственные процессы и усилит конкурентоспособность предприятий на глобальном рынке.
Внедрение технологии ученых Пермского Политеха в авиационной и энергетической отраслях позволит существенно повысить качество конечной продукции за счет полной автоматизации контроля и исключения человеческого фактора, сократить время проверки по сравнению с традиционным визуальным осмотром, а также снизить финансовые потери, связанные с браком и последующей доработкой изделий.
Больше интересных статей здесь: Производство.
Источник статьи: Ученые Пермского Политеха создали умную дефектоскопию лопаток турбин.