由于风机叶片是风机传动链中的关键部件，一旦损坏风机将停止运行，现有情况下客户风机维护人员通过现场图片方式去准确识别叶片缺陷耗时又耗力；另外齿轮箱是风机传动链上的重要部件，现有维修方式还是定期状态修，一旦损坏，维修周期长且费用高昂，而且严重影响风机正常发电。客户需要构建风机的数字孪生模型，实现风机预测性维护，保障风电场的正常运营。

通过构建风机智能维护系充，协助客户风机维保人员利用人工智能技术实现对叶片异常图片的快速自动分析和故障定位，预测故障发生率，为客户提供适时的维修与更换决策；
通过构建齿轮箱的数字孪生模型并实现预测性维护，协助客户根据其劣化趋势、故障点位置、严重程度等因素，合理安排维修调度作业，最小限度地影响风电场正常发电和企业安全运营。

通过应用风电智能维护系统，客户风机维护人员实现对叶片故障的快速自动分析和缺陷的精准定位，节省大量的人力投入；同时实现风机齿轮箱的预测性维护，确保风机传动链的正常稳定的工作，保证风电场的正常发电和企业安全生产。