1935年以來，全世界的葉片設計師都在利用Glauert提出的葉素動量理論（BEM）來分析螺旋槳葉片的氣動性能。但近年來，隨著葉片長度和柔度的增加，BEM理論已越來越不能真實地體現(xiàn)葉輪在運動中受到的風載，成為大葉片最優(yōu)氣動設計的理論桎梏。2014年，遠景能源中國上海研發(fā)中心聯(lián)合美國科羅拉多全球葉片創(chuàng)新中心，向葉片技術理論發(fā)起挑戰(zhàn)，用三年時間打開了葉片設計的黑匣子——小葉的智能之旅開始啟程。

?

接下來，遠景能源基于智能物聯(lián)網（AIoT）操作系統(tǒng)（EnOS?）建立的葉片設計生成和預測評估兩大模塊，開始發(fā)揮作用。多年數據積累厚積薄發(fā)，得益于智能管理、機器學習能力的大幅提升，模型智能尋優(yōu)挖掘未被認知的氣動效率，實現(xiàn)葉片性能、載荷、重量和噪音最優(yōu)設計。

?

當然以上不是新聞，接下來才是亮點：遠景AI系統(tǒng)有效控制葉片在工廠出產過程中的質量缺陷，形成研發(fā)到制造的閉環(huán)。

?

葉片制造過程中的諸多工序不能用機器作業(yè)來完成，葉片人工成本居高不下。比如貼涂層，不僅要用大量人工來完成，涂層表面的缺陷也不能像機械產品系統(tǒng)那樣用公差或平面度來直接定義。換句話說，葉片的表面缺陷無法用準確的規(guī)則來表述。

?

一般認為，葉片涂層白斑面積超過20%，就意味著葉片制造質量不合格?？扇绾蝸砗饬窟@20%，又怎樣確認其分布形態(tài)？不僅需要葉片工廠質量專家從過程的角度來分析認知，也需要葉片設計開發(fā)專家從設計的細節(jié)作出判斷。因此復雜而漫長。

?

現(xiàn)在通過AI系統(tǒng)，葉片制造專家和設計專家的經驗和知識發(fā)現(xiàn)都沉淀到機器學習系統(tǒng)中，幫助葉片專家做出質量和原因判斷，就像為醫(yī)生提供了一張患者的X光照片。不僅大大提高了效率，也沉淀并驗證了葉片質量控制知識和經驗的有效性。

?

經過了智能制造的洗禮，小葉的朋友們出廠后各奔東西，趕赴不同的風場。因為身體太長了，在運輸過程中往往會遇到道路、廠區(qū)受限等多個不確定因素，加大了運輸安全風險，這時需要智慧物流幫忙解除各種麻煩。

?

遠景智慧物流三維可視化解決方案從道路、運輸工具、運輸過程、運輸過程監(jiān)控等方面提供數字化解決方案，化解不確定因素，解除葉片進入風場機位點的各種麻煩，讓小葉實現(xiàn)了從工廠到風場的安全、高效和經濟之旅。

?

通過AIoT技術將相應的傳感器安裝到車輛的相關部位，再通過對當前葉片及車輛相關參數信息的分析，進而提前做出判斷、規(guī)避風險，確保了運輸過程的安全。

?

小葉很快就在安徽的一個風場落位運行了。在未來二十年的時間里，遠景的數字雙胞胎還將始終與小葉如影隨形。

?

數字雙胞胎的跟蹤分析結果顯示：通過AI系統(tǒng)小葉可以實現(xiàn)兩大突破：一是葉片最佳捕獲段的氣動效率提升5%以上；二是改變了傳統(tǒng)葉片設計中對剛度制約的上限，測試結果表明葉片整體剛度提升10%。

?

葉片外表面早期失效會帶來氣動噪聲，葉片內部結構早期失效會帶來凈空均值的變化，外部極端風況也會帶來葉片擦塔的風險。遠景某風場的葉片AI監(jiān)控系統(tǒng)，可以基于葉片凈空變化歷史數據，運用機器學習算法建立葉片畫像，實現(xiàn)葉片結構早期失效預警；還能夠通過聲音頻譜來判斷葉片表面各種異常情況，及早對葉片外表面缺陷作出預警。AI系統(tǒng)還可以通過對聲音數據與工作狀態(tài)的挖掘，把聲音與失效模式進行對應，把不能通過規(guī)則說清楚的東西，通過模式識別解決了，類似人臉識別一樣。

?

小葉從生命孕育到二十年甚至更長的運行歷程，始終保持智能的生命之旅。出身智能家族的小葉變得越來越聰明——更安全、發(fā)更多的電。

?

在江蘇、在內蒙、在廣西、在山東，如果看到風機，記得和這個能給你帶來美好能源的大玩具一起拍照哦，說不定那上面就是智慧的我。