超声红外热像无损检测技术在航空材料缺陷检测中的设计应用.pdf

中文科技期刊数据库（引文版）工程技术 74 超声红外热像无损检测技术在航空材料缺陷检测中的设计应用 王景海 张敬彤 李 进 陕西飞机工业有限责任公司，陕西 汉中 723213 摘要：摘要：随着科学技术的不断发展，航空制造业对于航空材料缺陷检测的要求越来越高。超声红外热像无损检测技术是将超声热激励技术和红外热像技术结合使用的一种检测方法，旨在通过两种技术的协同作用，对被检测材料表面的温度分布进行全面、准确地检测和分析，从而发现被检测材料的内部缺陷。因此，本文展开了超声红外热像无损检测技术在航空材料缺陷检测中的设计应用研究，结合多方面研究提出航空材料缺陷检测的具体方案，以期为航空材料缺陷检测技术的改进和发展提供一定的参考。关键词：关键词：无损检测；锁相处理；序列采集；特征识别 中图分类号：中图分类号：TH878 0 引言 航空材料缺陷检测是航空工程中至关重要的一项工作，是保障飞机飞行安全和延长其使用寿命的重要手段。传统的缺陷检测方法存在着检测范围窄、效率低、误差大等问题，难以满足实际检测需求。超声红外热像无损检测技术是一种通过检测超声波信号的出射和接收判断被检测物体内部缺陷的一种非破坏性的检测技术，具有非接触、高精度、高效率等优点。同时，超声红外热像无损检测技术可以提供更加精确、全面的缺陷信息，能够检测到微小的缺陷，并能通过红外热像技术进行热分析，从而更好地定位和评估被检测材料的缺陷1。本文进行了超声红外热像无损检测技术在航空材料缺陷检测中的设计应用研究，从红外图像序列采集、锁相处理、提取特征信号以及航空材料缺陷典型红外热像特征识别四个要点展开探讨，旨在通过合理的检测设计和精准的数据分析，提高航空材料缺陷检测的准确性和精确性，降低飞行安全隐患。期望通过本文的研究和分析，进一步促进超声红外热像无损检测技术的应用和推广，为航空工程实践提供更加可靠的技术支持。1 航空材料的主要缺陷及检测流程 航空材料在制造和使用过程中，受其成分、结构、性能等方面的原因的影响，主要表现为以下 6 种缺陷类型：裂纹：航空材料中的裂纹是一种常见缺陷，主要是由于材料的疲劳和应力集中导致的，裂纹的存在会导致材料的强度和刚度下降。气泡：航空材料中的气泡主要是由于材料中的气体无法完全排出导致的，气泡的存在会影响航空材料的韧性。残余应力：在航空材料制造和处理过程中，受温度和变形等因素的影响，会在材料内部产生残余应力，这些应力会导致材料的疲劳和损伤。氧化和腐蚀：航空材料在飞行过程中会受到氧化和腐蚀的影响，导致航空材料表面的损伤和腐蚀，影响材料的性能和使用寿命。疏松：疏松是指航空材料中的孔洞分布较为密集，表现为材料内部的微观结构比较松散，影响材料的强度和韧性。脱层：脱层是指材料层之间的分离或剥离，主要由于材料之间粘接不良、过度应力或材料疲劳等原因引起，脱层会降低航空材料的结构完整性和机械性能2。以上 6 种缺陷是航空材料缺陷的主要类型，需要通过无损检测技术进行及时识别和修复。航空材料缺陷检测的具体流程包括以下6个步骤，如图 1 所示。序序列列采采集集提提取取特特征征信信号号缺缺陷陷识识别别锁锁相相处处理理检检测测样样品品准准备备热热激激励励图 1 航空材料缺陷检测流程图 中文科技期刊数据库（引文版）工程技术 75 检测材料准备：清理被检测材料表面的杂质和其他不良物质，去除样品涂层等，方便进行检测操作。热激励：超声设备激励被检测材料，为红外图像序列采集做准备。红外图像序列采集：使用红外热像仪对被检测材料进行扫描，采集红外图像序列。锁相处理：将采集到的红外图像数据进行锁相处理，消除环境噪声和其他干扰信号。提取特征信号：完成锁相处理后，需要从处理后的信号中提取特征信号，得到被检测材料的缺陷信息。缺陷识别：最后一步是对特征信号进行分析，识别被检测材料中的缺陷。2 超声红外热像无损检测技术在航空材料缺陷检测中的应用要点 超声红外热像检测技术由超声枪、超声控制器、红外热像仪和计算机四部分组成实现，具体构造如图 2所示：红外热像仪红外热像仪超声控制器超声控制器超声枪超声枪计算机计算机 图 2 超声红外热像检测技术 其中，超声热激励采用铭创 MC-8342 超声仪，超声频率为 83kHz，红外热像仪采用福禄克 Fluke TiS60+热像仪，内置 CoaXPress 2.0 高速图像采集卡，工作波段为 5.77.8m，图像大小为 640480 像素，采集频率与采集时间可以实时调整。2.1 红外图像序列采集 利用超声红外热像无损检测技术检测航空材料缺陷时，首先使用超声枪激励被检测材料表面，当超声脉冲通过超声枪激发到被检测材料中后,携带能量的超声波会在被检测材料中快速传输，达到激励效果3。超声热激励效果用公式（1）表示：QA i t（1）其中，Q 为超声热激励效果，为超声吸收系数，A 为超声波作用面积，i 为超声波强度，t 为激励时间，超声热激励使得被检测材料的温度更加均匀，减小温度梯度的影响，为后续红外图像序列采集做准备。进行红外图像序列采集前，对红外热像仪的扫描参数进行预先设置，以便更好地满足采集操作需求，提高图像采集的效率和质量，根据航空材料的特性，红外热像仪的扫描参数如表 1 所示。表 1 红外热像设备波长和频率设置 被检测材料的特性 波长设置/m 频率设置/HZ 铝合金 35 713 钛合金 714 1430 碳纤维复合材料 812 16 塑料 714 713 检测人员启动红外热像设备后，将红外热像设备对准被检测材料表面，进行红外图像采集操作，采集过程中保持恒定的环境温度和湿度，避免外界干扰。红外热像仪利用红外传感器捕捉被检测材料发射的红外辐射能量，通过内部聚焦，形成红外图像原始数据，其中，聚焦的计算公式如式（2）所示：12111FnRR（2）其中 f 为透镜焦距，n 为透镜折射率，R1和 R2为透镜的两个曲率半径。将采集到的红外图像原始数据直接加载到计算机 Internal Storagene 内部存储器中，借助数字编码器将红外图像原始数据的连续范围划分为有限数量的离散级别，然后将数字值映射到最接近的量化级别上，完成红外图像序列采集操作，映射过程的具体计算公式如式（3）所示：AVAMDVAS（3）其中，DV 为映射后的数字信号值，AV 为采集原始数据，AM 为模拟信号最小值，AS 为模拟信号的步长参数。通过红外图像序列采集，可以获得被检测材料的温度分布、热量分布、热流动等方面的信息，是后续识别缺陷问题的基础。2.2 锁相处理 航空材料缺陷检测中，受扫描误差、信号噪声以及其它干扰因素的影响，使得红外图像序列采集得到的原始图像数据中存在部分噪点信息，锁相处理的目的是减小数据中噪声影响，提高红外图像数据的精确性，从而提高超声红外热像无损检测的性能和效果4。中文科技期刊数据库（引文版）工程技术 76 锁相处理需要一个参考图像数据来进行相位比较和同步操作，使用发生器产生一个标准的图像数据作为参考图像信号，通过信号放大器将原始图像数据放大到适合比较的大小程度，便于后续的处理分析。采用相位鉴频法将原始图像数据与标准图像数据进行相位比较，二者的相位差计算公式如式（4）所示：2x（4）其中，为相位差，为两个数据的距离长度，为数据波长，当两个数据的距离差为一个波长时，说明二者的相位完全相同；当两个数据的距离差为半个波长时，说明二者的相位完全相反，此时需要 PID比例积分微分控制对相位误差进行控制，其计算公式如式（5）所示 0tpidde tu tK e tKe t dtKdt（5）其中，为 PID 输出参数，为增益系数，为时间权重系数，微分时间系数，目标值与当前值的差值。利用巴特沃斯低通滤波法对经过上述处理后的图像数据进行灰度化处理，低通滤波计算公式如式（6）所示：211nH iw（6）其中，为频率为 i 的频域分量的幅度响应，w为截止频率，n 为阶数。巴特沃斯低通滤波法使图像转换为灰度图像，简化图像的复杂性，有助于后续的图像分析和处理。锁相处理是一种高精度、高可靠性的图像处理方法，可以提高图像的精度和可靠性，为全面分析待测信号的特征和性质做铺垫。2.3 提取特征信号 提取特征信号是从经过锁相处理后的图像数据中，提取出具有代表性和区分度的特征信息，其目的是为了在尽可能保留识别信息的前提下，降低特征空间的维数，确保选择的特征具有代表性且能够有效区分不同的缺陷类别，以达到有效检测对于复杂的航空材料缺陷检测任务5。特征提取是识别和表征缺陷信号的前提，首先使用傅里叶变换方法将图像数据转换为频域表示，转换公式如式（7）所示：iwtwtFfedt （7）其中，wF为频域表示，tf为图像数据周期函数，w为角频率。使用 Harris 角点检测算法提取图像数据中的特征信号，它通过计算图像中每个像素的响应函数确定角点的位置，角点是图像中突出的、具有明显变化的特征点，计算公式如式（8）所示：2detRMKtrace M（8）其中，R 为响应函数的值，det(M)为协方差矩阵 M的行列式，k 为经验参数，trace(M)为主对角线元素的和，经过以上步骤，从图像数据中提取出被检测材料的纹理、形状、边缘等特征信号。2.4 航空材料缺陷典型红外热像特征识别 标准差缩放模型对提取的特征信号进行标准化处理，以确保所提取的特征在相同的尺度上，方便进行后续特征识别，标准差缩放模型计算公式如式（9）所示：xx（9）其中，x为缩放后的数据向量，x 为原始数据向量，为数据各个维度的均值向量，为数据各个维度的标准差向量。标准差缩放使得数据具有相同的尺度，消除数据之间的量级差异，使得不同特征之间的权重更加平衡。使用训练集的特征向量和对应的标签进行训练，支持向量机 SVM 通过最大化间隔来寻找一个超平面，将不同类别的缺陷特征分开，实现航空材料缺陷典型红外热像特征的有效识别6。3 实验验证 3.1 实验准备 进行超声红外热像无损检测技术在航空材料缺陷检测中的设计应用实验，本次实验旨在测试本设计中超声红外热像无损检测技术在航空材料缺陷检测方面的速度及准确度。本平台使用 AMD Ryzen 9 5900X处理器，内存频率为 DDR4-3600MT/s，主频为 3.7Ghz，支持实验过程中的数据处理和计算需求。配置 1 台VMware ESXi虚拟化服务器，应用Windows Server 2019 操作系统，用于模拟实际运行环境，测试超声红外热像无损检测技术在航空材料缺陷检测中的应用效果，选用Oracle Database数据库，以提供对比参数及存储和管理实验数据。保留检测站原用的激光检测技术作为对比方案，用于与超声红外热像无损检测方法进行比较，评估超声红外热像无损x u tpKpKiK e t H i中文科技期刊数据库（引文版）工程技术 77 检测技术的检测效果。对比检测数据应该具有代表性，模拟真实的航空材料缺陷检测过程，保证测试结果具有可分析性。3.2 实验结果 选取缺陷大小为0.02*0.1mm的航空材料作为测试对象，使用超声红外热像检测技术与激光检测技术分别对其进行检测，测试结果如表 2 所示。表 2 超声红外热像无损检测、激光检测结果 检测类型 缺陷大小/m 准确率/%检测速度（m/s）超声红外热像无损检测 0.02*0.1 97.7 21.2 0.02*0.1 97.6 21.1 0.02*0.1 97.22 22.0 0.02*0.1 98.37 20.7 0.02*0.1 99.45 20.6 激光检测 0.02*0.1 93.7 28.2 0.02*0.1 92.4 27.5 0.02*0.1 93.52 29.0 0.02*0.1 94.35 27.8 0.02*0.1 93.65 30.1 表1中测试结果显示，当缺陷大小不变的情况下，激光检测技术的平均准确率为 93.52%、平均检测速度为 28.52m/s，而超声红外热像无损检测技术的平均准确率为 98.06%、平均检测速度为 21.12m/s，表明使用超声红外热像无损检测技术进行航空材料缺陷检测的速度更快、准确率更高。4 结束语 综上所述，航空材料缺陷检测对于确保航空器飞行的安全性和可靠性具有重要的现实意义。本文对超声红外热像无损检测技术在航空材料缺陷检测中的设计应用展开深入研究与思考，从红外图像序列采集、锁相处理、提取特征信号，以及航空材料缺陷典型红外热像特征识别四个方面进行了详细设计。实验表明，超声红外热像无损检测技术具有高效、高精度的特点，能够有效地检测出航空材料中的缺陷并进行精准定位，为保证航空安全提供了重要支持。参考文献 1蔡亮.基于超声红外热波成像的桥梁结构损伤识别方法J.现代交通技术,2022,19(06):55-59.2冯辅周,朱俊臻,李志农.超声红外热像技术发展现状及其在航空材料缺陷检测中的应用J.航空制造技术,2022,65(20):36-53.3温飞娟,温奇飞,龙樟等.基于超声红外热波技术的再 制 造 零 件 裂 纹 检 测 研 究 现 状 J.材 料 导报,2023,37(06):169-176.4邓琨,温启良,张渊渊.基于超声红外热像的电缆终端 局 部 放 电 缺 陷 检 测 方 法 J.红 外 技术,2022,44(09):972-978.5林丽,刘新,朱俊臻等.基于 CNN 的金属疲劳裂纹超声红外热像检测与识别方法研究J.红外与激光工程,2022,51(03):475-483.6杨忠华,付泽宇,付海霞.泵塔区钢结构焊缝表面缺陷 的 超 声 红 外 热 成 像 检 测 J.无 损 检测,2021,43(11):53-57.