Inspection d'éoliennes avec un scanner 3D aéroporte

Wind turbine analysis using LiDAR mounted UAVs

• Auteur / Autrice : Chems Eddine Himeur
• Direction : Loïc Barthe, Nicolas Mellado
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 18/12/2024
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique de Toulouse (1995-....)
• Partenaire(s) de recherche : Etablissement de délivrance conjointe : Université Toulouse 3 Paul Sabatier (1969-2024)
• Jury : Président / Présidente : Georges Da Costa
• Jury : Examinateurs / Examinatrices : Noura Faraj
• Jury : Rapporteurs / Rapporteuses : Franck Hétroy, Guillaume Lavoué

Mots clés

Mots clés contrôlés

Lidar

Nuages de points

Surveillance

Éoliennes

Mots clés libres

Traitememt de nuages de points 3D

Traitement de géométrie

Appariement 3D

Analyse de fomes et de deplacement

Eoliennes

LiDAR

3D Point cloud processing

Geometry processing

3D Registration

Shape and motion analysis

Wind turbine

LiDAR

Résumé

La surveillance des éoliennes est essentielle pour optimiser la production d'énergie des parcs éoliens, améliorer l'efficacité économique et soutenir le secteur de l'énergie propre. Alors que le réchauffement climatique et le changement climatique s'intensifient, les sources d'énergie renouvelables comme l'énergie éolienne deviennent de plus en plus importantes. Les systèmes de surveillance efficaces maximisent la production d'énergie et réduisent les coûts de maintenance, rendant l'énergie éolienne plus viable. Les avancées technologiques permettent de mieux prédire les pannes et les besoins de maintenance, améliorant ainsi la fiabilité et la durabilité des parcs éoliens. Ce travail propose une nouvelle approche de surveillance sans contact des éoliennes utilisant des drones équipés de LiDAR. Notre pipeline traite les données de l'acquisition à l'estimation détaillée des paramètres, permettant une mesure précise et à distance des composants des éoliennes et réduisant le besoin d'inspections manuelles. Les données subissent une segmentation, un nettoyage, une réduction du bruit et un alignement, suivis d'une analyse computationnelle avancée. Notre méthode améliore la sécurité, augmente la fréquence et la précision de la surveillance, et améliore la planification de la maintenance. Scientifiquement, nous avons développé une nouvelle formulation de l'algorithme Iterative Closest Point (ICP), appelée General Temporal Iterative Closest Point (GT-ICP), qui résout simultanément les problèmes d'enregistrement et de compensation de la déformation de l'obturateur roulant entre les trames LiDAR successives. Industriellement, nous avons créé un outil pour détecter efficacement les erreurs d'angle de pas, assurant une production d'énergie et une efficacité plus élevées. Les travaux futurs évalueront des paramètres supplémentaires tels que la distribution de l'angle de torsion des pales et le mouvement de la tour, améliorant encore l'évaluation et l'optimisation des performances.

Wind turbine monitoring is vital for optimizing wind farm energy production, enhancing economic efficiency, and supporting the clean energy sector. As global warming and climate change intensify, renewable energy sources like wind power are increasingly important. Effective monitoring systems maximize energy output and reduce maintenance costs, making wind energy more viable. Advances in technology enable better prediction of failures and maintenance needs, improving the reliability and sustainability of wind farms. This work proposes a novel non-contact wind turbine monitoring approach using LiDAR-equipped UAVs. Our pipeline processes data from acquisition to detailed parameter estimation, allowing precise, remote measurement of turbine components and reducing the need for manual inspections. The data undergoes segmentation, cleaning, noise reduction, and alignment, followed by advanced computational analysis. Our method enhances safety, increases monitoring frequency and accuracy, and improves maintenance scheduling. Scientifically, we developed a new formulation of the ICP, denoted General Temporal Iterative Closest Point GT-ICP, an algorithm that emph{simultaneously} solves the registration and the emph{rolling shutter deformation} compensation problems between successive LiDAR frames. Industrially, we created a tool to detect pitch angle errors, ensuring higher energy production and efficiency. Future work will evaluate additional parameters like blade twist angle distribution and tower motion, further enhancing performance assessment and optimization.