CFRP层压板脱黏缺陷红外脉冲热波层析成像检测_钟佳岑.pdf

http:/DOI:10.13700/j.bh.1001-5965.2021.0555CFRP 层压板脱黏缺陷红外脉冲热波层析成像检测钟佳岑，徐浩军，魏小龙*，韩欣珉，常怡鹏(空军工程大学航空工程学院，西安710038)摘要：为实现基于红外脉冲热波成像检测碳纤维增强塑料（CFRP）层压板脱黏缺陷的三维层析成像，完善外场定量检测保障体系，提高层压板在服役过程中的安全性和可靠性，开展了红外脉冲热波层析成像方法与检测技术研究。制备了一种人工脱粘缺陷试样，采用红外脉冲热波层析成像检测技术对脱粘缺陷进行检测，分析了脱粘区和非脱粘区的表面热信号瞬态响应过程及红外脉冲热波层析成像对脱粘缺陷的检测能力。通过脱粘区与非脱粘区基于对数多项式拟合的重构热信号差，计算得到热信号极值时间图像，分析了脱粘区极值时间变化规律及缺陷状态；采用核函数模糊 C 均值聚类对相同缺陷深度对应的极值时间数组进行二分类，由此计算数组平均值作为缺陷对应极值时间；将该时间与脱粘区极值时间数组建立统计关系来构造断层图像序列，并计算其对应的缺陷深度；在此基础上，利用等值面绘制方法实现层压板脱粘缺陷三维可视化。研究表明，红外脉冲热波层析成像能够定量检测 CFRP 层压板脱粘缺陷，准确可靠显示层压板内部缺陷的分布和形貌，检测缺陷深度与实际缺陷深度的最大相对偏差低于 15%，对工程应用具有一定指导意义。关键词：碳纤维增强塑料；层压板；脱黏缺陷；红外脉冲热波成像；层析检测中图分类号：V250.2文献标志码：A文章编号：1001-5965（2023）07-1847-10碳纤维增强塑料（carbonfiberreinforcedplastic，CFRP）在航空航天飞行器制造领域的应用日益广泛1。采用 CFRP 制备的层压板由于质量轻、强度高、耐高温和耐腐蚀等特点，广泛应用于飞机主承力结构件（如机身、机翼和尾翼等）2。受制造工艺、使用条件等影响，CFRP 层压板在制造和服役过程中极易产生脱黏、分层、裂纹等内部缺陷，严重影响飞机的安全性与可靠性3。在 CFRP 层压板发生明显内部缺陷时，无法从层压板表面通过肉眼判断其缺陷状态4，因此需采用合适的检测方法对缺陷进行判定和识别，以保证层压板安全服役。由于传统无损检测技术（如超声、射线和激光全息检测等）存在主观性强、检测效率低和使用条件限制等问题5，难以满足外场保障要求。针对 CFRP 层压板内部缺陷定性、定量检测问题，寻找一种高效、易实现、高灵敏度的检测方法具有重要意义6。由于红外脉冲热波成像检测技术具有非接触、检测速度快、检测面积大、效率高、适合在线检测等突出优势，近年来，该技术引起了广泛关注7。红外脉冲热波成像检测技术对 CFRP 层压板内部缺陷具有良好的检测能力8，该技术通过闪光灯产生的瞬时高能热流加热试样表面，热量传递至缺陷区时，由于缺陷区的热传导系数小于材料本身，则缺陷区对应表面温度高于非缺陷区，采用红外热像仪实时记录试样表面热异常区变化过程，从而实现对试样缺陷的判定和识别9。红外脉冲热波成像检测获得的热图序列只能反映不同时刻断面上的二维信息，无法得到被检测对象的整体描述，因此需要三维可视化来帮助工程技术人员进行定量检测，即确定缺陷位置、形状、收稿日期：2021-09-16；录用日期：2022-01-05；网络出版时间：2022-01-2109：23网络出版地址： J.北京航空航天大学学报，2023，49（7）：1847-1856.ZHONG J C，XU H J，WEI X L，et al.Detection of debonding defect in CFRP laminates using infrared pulsethermal wave tomographyJ.Journal of Beijing University of Aeronautics and Astronautics，2023，49（7）：1847-1856（in Chinese）.2023年7月北京航空航天大学学报July2023第49卷第7期JournalofBeijingUniversityofAeronauticsandAstronauticsVol.49No.7尺寸及性质等信息10。近年来，基于红外脉冲热波的层析成像检测技术成为了该领域的研究热点11-12。例如，Melnyk 等13提出了投影动态热层析检测方法，该方法采用多方向热加载的图像融合算法实现内部结构三维可视化。Elhassnaoui 和Sahnoun14提出了基于红外脉冲热波成像的亚表层缺陷三维可视化方法，该方法通过热信号重构实现对试样厚度检测，进而得到试样三维结构。因此，基于红外脉冲热波的层析成像可以作为一种定量检测方法。针对 CFRP 试样内部缺陷的三维可视化问题，基于红外脉冲热波的动态热层析（dynamicthermaltomography，DTT）成 像 是 应 用 最 广 泛 的 方 法15。该方法采用红外脉冲热波成像检测获得的热图序列，计算得到试样表面缺陷区与非缺陷区热信号差对应的极值时间，通过确定极值时间-深度校准曲线，将该时间转换到缺陷深度表征，进而得到深度方向的断层图像序列以实现三维可视化16。Vavilov等17-18对 DTT 方法开展了深入的理论与试验验证工作，并将其用于 CFRP 层板和钢板缺陷检测，研究表明，该方法可以实现缺陷三维可视化，但其信噪比较差。在此基础上，Pawar 和 Vavilov19采用三维归一化方法抑制加热和吸收不均，试验验证了该方法在提高三维可视化精度中的有效性。Peng 等20提出了基于脉冲相位的 DDT 方法，通过脉冲相位法来提取特征图像以增强信噪比，从而提高三维可视化精度。然而，针对外场检测难以确定极值时间-深度校准曲线的情况，实现特定材料中某种缺陷三维可视化的研究尚十分匮乏，而三维可视化已经成为定量检测的关键技术。基于此，本文研究了闪光灯激励下 CFRP 层压板脱粘区的表面热信号瞬态响应过程及红外脉冲热波成像对脱粘缺陷的检测能力，通过脱黏区与非脱黏区的基于对数多项式拟合重构热信号差，计算得到热信号极值时间图像，对相同缺陷深度对应的极值时间数组进行核函数模糊 C 均值聚类（kernelfuzzyC-means,KFCM）运算，由此计算缺陷对应数组平均值并与脱黏区极值时间数组建立统计关系，以确定不同深度的断层图像，在此基础上，通过等值面绘制方法实现了 CFRP 层压板内部缺陷三维可视化。1试验方法与过程由于制备 CFRP 层压板自然脱黏的试样十分困难，在试验研究中采用平底孔作为人工脱黏缺陷以代替自然脱黏缺陷，在尺寸为 190mm100mm6.5mm 的 CFRP 层压板中制备了 39 个不同尺寸/深度的平底孔。如图 1 所示，为了方便表述，将 39 个平底孔命名为 A1A6、B1B6、C1C6、D1D6、E1E10、F1F5。如表 1 所示，A、B、C、D、E、F 分别表示平底孔直径 d 为 20，15，10，5，3，2mm，其中，A1A6、B1B6、C1C6 中的数字 16 分别表示平底孔距试样表面深度 h 为 1.5，2，2.5，3，3.5，4mm，D1D6 中的数字 16 分别表示平底孔距试样表面深度 h 为 1，1.5，2，2.5，3，3.5mm，E1E10中的数字 110 分别表示平底孔距试样表面深度h 为1，1.25，1.5，1.75，2，2.25，2.5，2.75，3，3.25mm，F1F5 中的数字 15 分别表示平底孔距试样表面深度 h 为 1，1.25，1.5，1.75，2mm。A1A2A3A4A5A6B1B3B2B4B5B6C3C2C4C5C6C1D1D3D4D2D5D6E1E2E3E4E5E6E7E8E9 E10F1F2F3F5F4190 mm100 mm6.5 mm试样表面图1含脱黏缺陷的 CFRP 层压板示意图Fig.1SketchmapofCFRPlaminatewithdebondingdefects所采用的红外脉冲热波成像检测工作站如图 2 所示，主要包括 2 个 ThermPulseC6100 型高能闪光灯、1 个非制冷焦平面阵列红外热像仪、反光罩、计算机控制及图像采集与处理系统。采用闪光灯对试样表面进行脉冲激励，2 个闪光灯水平布置在试样表面正上方，单个闪光灯单次最大脉冲能量1848北 京 航 空 航 天 大 学 学 报2023年为 3kJ，因此，2 个闪光灯单次脉冲输出最大能量为6kJ，闪光脉冲宽度为 150ms。采用红外热像仪采集试样表面热图，热像仪工作温度范围为2080oC，热灵敏度小于或等于 0.045oC，光谱响应范围为 814m。热像仪采集的热图为 16 位数字图像，单帧热图大小为 300像素400 像素，全画幅最高采集频率为 100Hz。试验时，热像仪从脉冲激励结束后采集试样表面热图，持续采集 160s 直至热图中缺陷信号消失。试验过程中，通过工作站中的FPGA 控制模块对热像仪的采集过程进行控制，采集的试样表面热图序列经图像压缩后实时存储在工作站中。2层压板表面热信号瞬态响应过程及表面热图预处理2.1层压板表面热信号瞬态响应试验过程中，热像仪采集的热图序列被压缩至256 帧并存储在工作站中，试验结束后，提取热图序列并对其进行处理。图 3 展示了 256 帧热图序列中的部分原始热图。在脉冲激励结束后，缺陷并非立即显示在原始热图序列中，而是经历了短暂过程后由弱到强逐渐显示在表面热图中，在第 96 帧缺陷 D1 最早显示在表面热图中，在第 192 帧可以清楚识别缺陷 A1A4、B1B4、C1C3、D1D3，在第 224 帧能够大致识别缺陷 A1A6、B1B6、C1C6，但缺陷细节特征不明显，随着降温过程进行，A1A6、B1B6、C1C6 位置处的缺陷特征逐渐变弱直至消失。在降温过程中，尺寸较小、深度较深的缺陷 D4D6、E1E10、F1F5 均无法识别。图 4 展示了在降温过程中，第 32 帧之后原始热图序列中不同尺寸/深度缺陷的几何中心点与非脱黏区任意一点对应的试样表面热信号随时间变化。脉冲激励后，脱黏区与非脱黏区热信号衰减速率不同，相比非脱黏区，脱黏区热信号衰减速率更慢，且尺寸越大、深度越深的缺陷，其热信号衰减速率越慢。最终脱黏区热信号衰减到与非脱黏区热信号接近，但存在差异，原因在于：试验过程中，受加热或表面发射率不均、热像仪灵敏度限制及噪声信号等因素的影响，使得热信号为混叠信号，不同时间段各混叠成分存在差异，即降温阶段末期脱黏区与非脱黏区热信号具有差异性。表1试样孔深度hTable1Sampleholedepthhmm编号d=20A(mm)d=15B(mm)d=10C(mm)d=5D(mm)d=3E(mm)d=2F(mm)11.51.51.511122221.51.251.2532.52.52.521.51.543332.51.751.7553.53.53.532264443.52.2572.582.7593103.25红外脉冲热波成像检测工作站电源红外热像仪闪光灯反光罩图2红外脉冲热波成像检测工作站Fig.2Detectionworkstationofinfraredpulsethermalwaveimaging第7期钟佳岑，等：CFRP 层压板脱黏缺陷红外脉冲热波层析成像检测18492.2表面热图预处理由于热像仪采集的原始热图序列中包含大量噪声，同时为了消除红外镜头反射影响及背景本身亮或暗区域影响，从提取的 256 帧热图序列中减去背景热图，相减的结果作为原始热图序列进入后处理过程。图 5 展示了减去背景热图的效果。图 5（a）为脉冲激励开始前的背景热图，此时试样近表面温度与环境温度相同，即试样在自然状态下的热图；图 5（b）为所截取热图序列的第 192 帧热图；图 5（c）为图 5（b）和图 5（a）相减的结果。可知，减背景处理后热图整体质量更加清晰，热图整体噪声明显降低，而且热图中缺陷也更加清楚。下文中所有试验涉及的原始热图序列均指提取的 256 帧热图减背景后的热图序列。(a)背景热图(b)第192帧原始热图(c)减背景热图后第192帧热图 图5原始热图减背景热图的结果Fig.5Resultsofbackgroundheatimageremovedfromoriginalheatimages在试验过程中，红外脉冲热波成像对缺陷D4D6、E1E10、F1F5 的检测能力存在局限性，而缺陷 A1A6、B1B6 可检测性最好。由于试样放在水平桌面上，表面热图包括试样和桌面边 第32帧 第64帧 第96帧 第128帧 第160帧 第192帧 第224帧 第256帧 图3脉冲激励结束后不同时刻试样表面热图Fig.3Heatimagesofsamplesurfaceatdifferenttimeafterpulseexcitation02040608010012014016012 00012 10012 20012 30012 40012 50012 60012 70012 80012 900表面热信号时间/s缺陷A2(d=20 mm)缺陷B2(d=15 mm)缺陷C2(d=10 mm)非脱黏区020406080100120140160时间/s缺陷B1(h=1.5 mm)缺陷B3(h=2.5 mm)缺陷B5(h=3.5 mm)非脱黏区图4表面热信号变化Fig.4Surfacethermalsignalschange1850北 京 航 空 航 天 大 学 学 报2023年缘 2 部分，为验证下文缺陷层析检测的可行性，将桌面边缘及除 A1A6、B1B6 之外的缺陷部分切除，裁剪后的目标图像如图 6 所示。目标图像图6目标图像Fig.6Targetimage3热信号极值时间确定及缺陷状态分析3.1热信号极值时间确定通过热信号极值时间构造不同深度缺陷对应的断层图像以实现三维可视化。由于热信号极值时间受加热或表面发射率不均影响较大，需对原始热图序列进行拟合以消除热信号极值时间的影响因素。采用基于对数多项式的拟合方法对每个像素点对应热信号响应的冷却阶段在对数域内用式(1)作拟合：lnT()=Nn=1an(ln)n（1）每个像素点对应重构热信号可由式(2)表示：T()=expNn=1an(ln)n（2）TNNN=6式中：为重构热信号；为时间，s；为拟合阶数。其中，的取值依经验而定，一般取 5 或 6 能够准确重构热信号，经多次试算，本文检测试验的经验值。图 7 展示了不同拟合方法重构热信号对比曲m线。可知，相比其他拟合方法，基于对数多项式拟合能够很好地逼近原始热信号。选取非脱黏区的基于对数多项式拟合的重构热信号作为参考热信号，通过脱黏区重构热信号与参考热信号差极值得到脱黏区对应的热信号极值时间。图 8 展示了拟合前后脱黏区与非脱黏区热信号差随时间变化。可知，拟合后热信号差值曲线更加平滑，通过曲线极值点能够准确得到其对应的热信号极值时间。图 9 展示了热信号极值时间图像。可知，缺陷边缘受横向热扩散的影响较大。图 10 展示了缺陷深度 2mm，缺陷尺寸对缺陷中心、边缘与非脱黏区热信号差的影响。可知，对于给定缺陷深度，缺陷尺寸减小或越靠近边缘，热信号差极值减小，相应极值时间也减小。图 11 展示了极值时间图像的剖面图。由图 10 和图 11 分析可知，缺陷尺寸对热信号极值时间的影响较大，易对缺陷深度判定造成较大误差。020406080100120140160250255075100热信号差时间/s拟合前拟合后m图8拟合前后热信号差变化Fig.8Changeofthermalsignaldifferencebeforeandafterfitting图9热信号极值时间图像Fig.9Thermalsignalextremumtimeimage3.2缺陷状态分析图 12 展示了极值时间图像的三维网格图。在实际检测过程中，通过图 11、图 12 和式(3)对缺陷状态进行判定。结合 3.1 节分析可知，忽略缺陷尺寸、边缘横向热扩散对极值时间的影响，则可以判定缺陷上表面接近平面状态，即缺陷 A1-B1、A2-B2、A3-B3、A4-B4、A5-B5、A6-B6 的上表面分别位于不同深度的同一水平面。02040608010012014016010001002003004005006007008009001 000表面热信号时间/s 原始热信号 基于对数多项式拟合 6阶多项式拟合 红外热波理论模型拟合 基于差分进化算法的双指数模型拟合图7不同拟合方法重构热信号对比Fig.7Comparisonofreconstructedthermalsignalsbydifferentfittingmethods第7期钟佳岑，等：CFRP 层压板脱黏缺陷红外脉冲热波层析成像检测1851h=m2（3）=/(c)c式中：为材料热扩散率，m2/s,为材料导热系数，为材料密度，kg/m3，为材料比热容，J/(kgK)。4基于核函数模糊 C 均值聚类的极值时间数据处理由图 10、图 11 可知，对于相同深度脱黏区，其对应的热信号极值时间存在差异，因此需要得到一个确定的极值时间以便表征缺陷深度。由于脱黏区对应热信号极值时间数组界限并不明确，采用模糊 C 均值聚类（fuzzyC-means，FCM）分类方法来确定相同缺陷深度对应的热信号极值时间，即将相同缺陷深度的极值时间数组进行分类，其中分布最为集中、个数最多一类的平均值作为该深度缺陷的极值时间。采用 FCM 对极值时间图像中脱黏区对应的热信号极值时间数组进行二分类，FCM 分类结果如图 13 所示，白色部分为缺陷对应的极值时间数组，灰色部分为脱黏边缘横向热扩散对应的极值时间数组。可知，缺陷 A1-B1、A2-B2 与非脱黏区划分为一类，缺陷 A6-B6 对应极值时间数组分类效果不理想。图13FCM 分类结果Fig.13FCMclassificationresults为了提高分类精度，采用 KFCM 局部分类方法对脱黏区对应的热信号极值时间数组进行二分类，即对相同深度缺陷区域进行划分，利用核函数代替FCM 目标函数中的欧氏距离准则，将划分区域中脱黏区对应的极值时间数组映射到高维空间进行二分类。核函数如式(4)所示，其对应的目标函数如式(5)所示：k(x,y)=exp(xy222)（4）J(U,P)=nk=1ci=1ik(xk)(pi)2（5）x、yUPik()式中：为特征向量；为径向基核参数；为隶属度矩阵；为中心矩阵；为隶属度；为基于核函数的特征映射。=300采用 KFCM 局部分类方法对脱黏区进行二分类，试验过程中设定的加权指数为 5，最大迭代次数为 1000，目标函数的迭代阈值为1106，径向基核参数。KFCM 分类结果如图 14 所示。可知，KFCM 局部分类后，缺陷对应热信号极值时间数组很好地划分为一类，分类精度有所提高。02040608010012014016020020406080100热信号差时间/s 缺陷尺寸20 mm,中心 缺陷尺寸15 mm,中心 缺陷尺寸20 mm,边缘 缺陷尺寸15 mm,边缘 图10缺陷中心、边缘热信号差变化Fig.10Changeofthermalsignaldifferenceatdefectcenterandedge0448813217622026430820406080100120140160180200热信号极值时间/s像素值 剖面A-A 剖面B-B ABAB图11热信号校准时间剖面图Fig.11Profileofextremumtimeimage050100150200250300020406080100100050100150200250300204060801000100(a)正面(b)背面图12热信号极值时间三维网格图Fig.12Threedimensionalgriddiagramofextremumtimeimage1852北 京 航 空 航 天 大 学 学 报2023年局部二分类图14KFCM 分类结果Fig.14KFCMclassificationresults5断层图像及缺陷深度确定5.1断层图像确定Ai(i=1,2,6)mAi(i=1,2,6)根 据 图 14 所 示 的 KFCM 分 类 结 果，缺 陷对应的热信号极值时间分布最为集中、个数最多，因此计算相同缺陷深度对应极值时间数组的平均值作为该缺陷深度 mAi(i=1,2,6)m(x,y)对应的极值时间。通过如图 15 所示的流程，建立与脱黏区对应极值时间之间的统计关系得到不同深度缺陷对应的二值化断层图像。对断层图像分析可发现，缺陷边缘存在“毛刺”，并且图像中包含砂眼噪声。由于开运算处理后的图像只保留结构元素平移时能够填入其内部的部分，闭运算作为开运算的对偶运算相当于对原图像补集进行开运算，开闭运算可以在不明显改变物体面积和形状的情况下平滑物体边界，同时砂眼噪声相当于图像补集的孤立噪点。因此，闭运算可以去除砂眼噪声。选取直径为2 的方形结构元素，对断层图像进行开运算再进行闭运算，经形态学处理后的断层图像序列如图16 所示。5.2缺陷深度确定 mAi(i=1,2,6)Bi(i=1,2,6)mBi(i=1,2,6)根据 5.1 节获取的方法计算得到缺陷对应的极值时间。为了减小缺陷尺寸对极值时间计算缺陷深度的影响，利用式(6)计算各断层图像对应的缺陷深度，经计算得到的缺陷深度和实际缺陷深度如表 2 所示。开始结束layer(x,y)=1layer(x,y)=0热信号极值时间m图像二值化断层图像脱黏区对应极值时间m值m(x,y)计算不同缺陷深度对应极值时间平均值mAij=i1 mj(x,y)mAi?m(x,y)mAi?i=1i=i+1i 7?layer(x,y)=1layer(x,y)=0NNYYYN图15断层图像获取流程Fig.15Tomographicimagesacquisitionprocedure第7期钟佳岑，等：CFRP 层压板脱黏缺陷红外脉冲热波层析成像检测1853h=mAi2(mAi mBi)2,i=1,2,6（6）6三维可视化图 16 所示的二值化断层图像序列在 MATLAB环境下通过等值面绘制方法实现三维可视化，由于断层图像只对脱黏区与非脱黏区做了区分，无法绘制试样外部轮廓，在进行等值面绘制前对断层图像边界数据赋值为 1 以便对试样轮廓进行绘制。三维可视化流程如图 17 所示。利用 isosurface 函数计算断层图像序列在显示平面的累计投影，再利用patch 函数指定所有顶点坐标、各小面片顶点及颜色来创建面片，以图形对象的形式显示出来。三维可视化效果如图 18 所示。可知，缺陷边缘受横向热扩散的影响较大，缺陷深度越深，缺陷上表面边缘的连续性越差。数据规则化网格的划分等值面散点的计算三角面片绘制三角面片法向量的计算图17三维可视化流程Fig.173Dvisualizationprocedure高度/mm宽度/mm长度/mm642050403030609012015018020100图18三维可视化效果Fig.183Dvisualization7结论1）红外脉冲热波层析成像检测技术能为提高CFRP 层压板在服役期间的安全性、实现外场定量检测等需求提供解决方案。2）基于对数多项式的拟合方法能很好地重构原始热信号，通过脱黏区重构热信号与非脱黏区参考热信号差，计算得到热信号极值时间及其图像。分析表明，在给定缺陷深度条件下，缺陷尺寸减小或越靠近边缘，对应极值时间减小，忽略缺陷尺寸对极值时间的影响，由此判定缺陷 A1-B1、A2-B2、A3-B3、A4-B4、A5-B5、A6-B6 的上表面接近平面状态，且分别位于不同深度的同一水平面。3）核函数模糊 C 均值聚类局部分类方法有效提高了缺陷区极值时间数组的分类精度，通过计算数组平均值并与缺陷区极值时间数组建立统计关系，获得了不同深度的断层图像。4）实现了基于红外脉冲热波成像检测 CFRP层压板脱黏缺陷的三维层析重构。结果表明，红外脉冲热波层析成像能够实现缺陷分布及形貌的准确检测，层析检测缺陷深度与实际缺陷深度的最大相对偏差低于 15%。参考文献（References）尚金龙,李思海,陈贻明.纤维增强塑料在航空航天领域中的应用J.塑料工业,2019,47(1):148-151.SHANGJL,LISH,CHENYM.ApplicationoffiberreinforcedplasticinaerospacefieldJ.ChinaPlasticsIndustry,2019,47(1):148-151（inChinese）.1薄纯强.碳纤维机翼缺陷的锁相红外无损检测研究D.哈尔滨:哈尔滨工业大学,2019:1.BOCQ.Non-destructivetestingresearchofCFRPairfoildefects2表2缺陷深度计算结果Table2Calculationresultsofdefectdepth编号实际缺陷深度/mm计算缺陷深度/mm绝对误差/mm相对误差/%A6、B644.3760.3769.40A5、B53.53.8350.3359.57A4、B433.4020.40213.40A3、B32.52.7730.27310.92A2、B222.1650.1658.25A1、B11.51.6720.17211.47图16断层图像序列Fig.16Tomographicimagessequence1854北 京 航 空 航 天 大 学 学 报2023年basedonlock-ininfraredthermographyD.Harbin:HarbinInsti-tuteofTechnology,2019:1(inChinese).梁涛.复合材料脱粘缺陷红外热成像无损检测定量分析研究D.成都:电子科技大学,2017:1.LIANG T.Quantitative analysis of infrared thermal imagingnondestructivetestingfordebondingdefectsofcompositemateri-alsD.Chengdu:UniversityofElectronicScienceandTechnologyofChina,2017:1(inChinese).3李晓霞,伍耐明,段玉霞,等.碳纤维层合板低速冲击后的红外热波检测分析J.复合材料学报,2010,27(6):88-93.LIXX,WUNM,DUANYX,etal.Infraredthermalwaveima-gingforcarbonfiberlaminatedboardsafterlowvelocityimpactJ.ActaMateriaeCompositaeSinica,2010,27(6):88-93（inChinese）.4PENGW,WANGF,MENGXL,etal.Dynamicthermaltomo-graphybasedoncontinuouswavelettransformfordebondingdetec-tionofthehighsiliconoxygenphenolicresincladdinglayerJ.In-fraredPhysics&Technology,2018,92(5):115-121.5赵洪宝,马丹,马超群,等.航空用碳纤维复合材料典型缺陷无损检测技术研究J.电子制作,2020(24):35-37.ZHAOHB,MAD,MACQ,etal.Studyonnondestructivetest-ingtechnologyoftypicaldefectsofaviationcarbonfibercompo-sites for aviationJ.Practical Electronics,2020(24):35-37（inChinese）.6南方,肖鹏.复合材料结构表面状态的红外热成像检测影响研究J.航空制造技术,2019,62(14):83-87.NAN F,XIAO P.Research of composites surface influence onthermographydetectiontechnologyJ.AeronauticalManufacturingTechnology,2019,62(14):83-87（inChinese）.7王扬,李科,刘俊岩.CFRP复合材料层板缺陷的红外热波成像检测方法J.航空制造技术,2016,59(4):36-42.WANG Y,LI K,LIU J Y.Nondestructive testing and eva-luation(NDT&E)forCFRPlaminatewithsubsurfacedefectsusinginfrared thermal wave imagingJ.Aeronautical ManufacturingTechnology,2016,59(4):36-42（inChinese）.8张金玉,杨正伟,田干,等.红外热波检测及其图像序列处理技术M.北京:国防工业出版社,2015:16-17.ZHANGJY,YANGZW,TIANG,etal.Infraredthermalwavetesting and images sequence processing technologyM.Beijing:NationalDefenseIndustryPress,2015:16-17(inChinese).9姜千辉,姜长胜,葛庆平,等.红外热波序列图像的图像分割与三维显示J.无损检测,2008,30(2):100-103.10JIANGQH,JIANGCS,GEQP,etal.Segmentationand3Ddis-play of infrared thermal imageJ.Nondestructive Testing,2008,30(2):100-103（inChinese）.TOIVANEN J M,TARVAINEN T,HUTTUNEN J M J,et al.ThermaltomographyutilizingtruncatedFourierseriesapproxima-tionoftheheatdiffusionequationJ.InternationalJournalofHeatandMassTransfer,2017,108:860-867.11TAVAKOLIANP,SIVAGURUNATHANK,MANDELISA.En-hanced truncated-correlation photothermal coherence tomographywithapplicationtodeepsubsurfacedefectimagingand3-dimen-sionalreconstructionsJ.JournalofAppliedPhysics,2017,122(2):023103.12MELNYKSI,MELNYKSS,TULUZOVIG.Methodofprojec-tiondynamicthermaltomography(PDTT)C/InternationalConfer-enceonQuantitativeInfraredThermography.S.1.:s.n.,2012:1-6.13ELHASSNAOUIA,SAHNOUN S.A three-dimensional recon-structionalgorithmforpulsedthermographyJ.JournalofMateri-alsandEnvironmentalScience,2014,5(4):983-988.14VAVILOV V P,NESTERUK D A,SHIRYAEV V V,et al.Thermal(infrared)tomography:Terminology,principalprocedures,andapplicationtonondestructivetestingofcompositematerialsJ.RussianJournalofNondestructiveTesting,2010,46(3):151-161.15彭伟.药柱包覆层缺陷红外脉冲成像及动态层析检测技术研究D.哈尔滨:哈尔滨工业大学,2020:79-80.PENGW.Studyoninfraredpulseimaginganddynamicchromato-graphydetectiontechnologyforcoatingdefectsofgrainD.Harbin:HarbinInstituteofTechnology,2020:79-80(inChinese).16VAVILOVV,MALDAGUEX,DUFORTB,etal.Thermalnon-destructivetestingofcarbonepoxycomposites:DetailedanalysisanddataprocessingJ.NDT&EInternational,1993,26(2):85-95.17VAVILOVV.Dynamic thermal tomography:Recent improve-mentsandapplicationsJ.NDT&EInternational,2015,71:23-32.18PAWARSS,VAVILOVVP.Applyingtheheatconduction-based3Dnormalizationandthermaltomographytopulsedinfraredther-mographyfordefectcharacterizationincompositematerialsJ.In-ternationalJournalofHeatandMassTransfer,2016,94:56-65.19PENGW,WANGF,LIUJY,etal.Pulsephasedynamicthermaltomographyinvestigationonthedefectsofthesolid-propellantmis-sileenginecladdinglayerJ.InternationalJournalofThermophy-sics,2018,39(4):48-59.20第7期钟佳岑，等：CFRP 层压板脱黏缺陷红外脉冲热波层析成像检测1855Detection of debonding defect in CFRP laminates using infrared pulsethermal wave tomographyZHONGJiacen，XUHaojun，WEIXiaolong*，HANXinmin，CHANGYipeng(SchoolofAeronauticalEngineering，AirForceEngineeringUniversity，Xian710038，China)Abstract：To achieve the three-dimensional tomography for detecting debonding defects of carbon fiberreinforced plastic(CFRP)laminates based on infrared pulse thermal wave imaging,consummate the out-fieldquantitativedetectionguaranteesystem,andimprovethesafetyandreliabilityoflaminatesinservice,researchoninfraredpulsethermalwavetomographymethodanddetectiontechnologyiscarriedout.Aspecimenwithartificialdebondingdefectswasprepared,infraredpulsethermalwa