陳曉輝， 解志軍，劉春華，牟 令，賈 琦

(中國(guó)空氣動(dòng)力研究與發(fā)展中心，綿陽 621000)

磁粉與滲透檢測(cè)技術(shù)是最常用的表面無損檢測(cè)手段，在檢測(cè)前必須對(duì)工件進(jìn)行表面處理，如通過物理打磨的方法去除涂層，但打磨過程中可能使工件本體受到損傷，還存在人工成本較高、勞動(dòng)強(qiáng)度極大、粉塵污染嚴(yán)重、安全性較差、檢測(cè)效率較低、檢測(cè)周期較長(zhǎng)等缺點(diǎn)。這些缺點(diǎn)制約了設(shè)備表面無損檢測(cè)工作的開展，甚至可能因?yàn)闄z測(cè)前處理不到位和檢測(cè)靈敏度不夠，而出現(xiàn)漏檢的現(xiàn)象，在設(shè)備上留下事故隱患。對(duì)于表面缺陷檢測(cè)，電渦流脈沖熱成像檢測(cè)方法具有表面預(yù)處理簡(jiǎn)單、檢測(cè)效率高、檢測(cè)結(jié)果直觀等優(yōu)點(diǎn)，是一種具有代替常規(guī)表面缺陷檢測(cè)手段潛能的新型無損檢測(cè)技術(shù)。電渦流脈沖熱成像在檢測(cè)鐵軌、發(fā)動(dòng)機(jī)葉片、碳纖維復(fù)合材料等場(chǎng)合，已有了成功的應(yīng)用案例[1-2]。目前，針對(duì)電渦流脈沖熱成像的圖像處理算法的研究較多，也取得了豐富成果，但關(guān)于圖像序列包含的熱響應(yīng)信號(hào)特征的識(shí)別及分析較少。筆者利用搭建的檢測(cè)平臺(tái)和獨(dú)立成分分析方法[3-5]，開展了金屬表面缺陷檢測(cè)，分析處理試樣的渦流熱圖像序列，識(shí)別出了缺陷不同區(qū)域的熱響應(yīng)信號(hào)特征，并對(duì)相應(yīng)的熱過程進(jìn)行簡(jiǎn)單分析，旨在推進(jìn)電渦流脈沖熱成像檢測(cè)技術(shù)在金屬表面檢測(cè)方面的應(yīng)用。

1 檢測(cè)原理

電渦流脈沖熱成像檢測(cè)技術(shù)是通過檢測(cè)缺陷對(duì)感應(yīng)渦流分布的影響來實(shí)現(xiàn)缺陷識(shí)別的。脈沖渦流是以脈沖的方式向待測(cè)件注入電渦流熱量，利用脈沖電磁激勵(lì)的多物理時(shí)空特性，通過快速紅外熱成像方法，獲取被測(cè)件的瞬態(tài)熱傳導(dǎo)信息。加熱時(shí)，感應(yīng)渦流主要從缺陷兩端點(diǎn)處繞過，聚集在缺陷兩端，形成了高溫區(qū)域，而缺陷兩側(cè)渦流密度較低或者沒有渦流通過，即形成了低溫區(qū)域[6-8]。該高溫區(qū)域的熱量Q為

(1)

式中：x為水平方向坐標(biāo)；y為垂直方向坐標(biāo)；σ為電導(dǎo)率；φ為端點(diǎn)電勢(shì)。

(2)

式中：W為溫度;ρ為材料密度;k為材料熱導(dǎo)率;Cp為材料熱容;T為材料溫度;t為時(shí)間。

材料的密度、熱導(dǎo)率和熱容均一致時(shí)，溫度的變化速率主要取決于周圍的溫度梯度。設(shè)試件的坐標(biāo)位置分別為i(i=1,2,…,I)和j(j=1,2,…,J)，對(duì)應(yīng)某一時(shí)刻的坐標(biāo)點(diǎn)溫度記為Wi,j，并用該像素點(diǎn)輻射出的能量大小Yi,j組成一幅完整的熱圖像，缺陷特征便被包含在若干幀熱圖像中。

2 檢測(cè)平臺(tái)

設(shè)計(jì)的電渦流脈沖熱成像檢測(cè)系統(tǒng)如圖1所示，該檢測(cè)系統(tǒng)主要由感應(yīng)加熱系統(tǒng)、數(shù)據(jù)采集系統(tǒng)、控制系統(tǒng)等組成。感應(yīng)加熱系統(tǒng)包括感應(yīng)加熱器、加熱線圈和冷卻系統(tǒng)等。感應(yīng)加熱器和加熱線圈直接作用于試件以獲得感應(yīng)加熱效果，冷卻系統(tǒng)主要用于給加熱線圈降溫。數(shù)據(jù)采集系統(tǒng)為高精度的紅外熱成像儀，用于記錄試件從感應(yīng)加熱開始到結(jié)束整個(gè)過程的紅外圖像序列信息。控制系統(tǒng)采用高性能計(jì)算機(jī)，主要作用是控制感應(yīng)加熱設(shè)備并使得紅外熱成像系統(tǒng)保持同步記錄，并且能夠存儲(chǔ)紅外熱成像信息。圖2所示為搭建的電渦流脈沖熱成像檢測(cè)試驗(yàn)裝置。感應(yīng)加熱系統(tǒng)包括EASYHEAT 0224型感應(yīng)加熱器(最大功率為2.4 kW，頻率為150 kHz400 kHz)及加熱線圈，并配備水-氣熱交換器(型號(hào)為FLOWMAX-230)用于冷卻加熱線圈。紅外熱像儀的最大成像分辨率為640像素×512像素。

圖1 電渦流脈沖熱成像檢測(cè)系統(tǒng)示意

圖2 電渦流脈沖熱成像檢測(cè)現(xiàn)場(chǎng)

3 獨(dú)立成分分析

獨(dú)立成分分析(ICA)是近年來由盲源分離(BSS)技術(shù)發(fā)展起來的一項(xiàng)技術(shù)。BSS就是在傳輸信道不清楚的情況下，在混合觀測(cè)信號(hào)中，通過統(tǒng)計(jì)多個(gè)獨(dú)立信號(hào)來分離出源信號(hào)的信息處理技術(shù)，是一種通過最大化地、多維地觀察混合信號(hào)中向量元素的統(tǒng)計(jì)獨(dú)立性，實(shí)現(xiàn)線性變換的方法。在圖像去噪、圖像分離、遙感圖像處理、圖像特征提取、人臉識(shí)別、字符識(shí)別等圖像處理方面應(yīng)用廣泛[9-10]。筆者主要采用一種基于獨(dú)立成分分析的紅外熱圖像序列特征分析方法對(duì)實(shí)際圖像序列熱響應(yīng)特征進(jìn)行了分析，獲得了很好的效果。

可采用“潛在變量”模型來嚴(yán)格地定義ICA，即設(shè)x1,x2,…,xn表示n維隨機(jī)觀測(cè)混合信號(hào)，s1,s2,…,sm表示m個(gè)未知源信號(hào)，且m個(gè)未知源信號(hào)通過線性組合可得到n維隨機(jī)觀測(cè)混合信號(hào)。為了不失一般性，設(shè)n維隨機(jī)觀測(cè)混合信號(hào)和m個(gè)未知獨(dú)立源信號(hào)都具有零均值。忽略時(shí)間參數(shù)t，則ICA的線性混合模型可表示為

(3)

式中:A=[a1,a2,…,am]為一滿秩的n×m矩陣，稱為混合矩陣。

式(3)可寫為矩陣形式

(4)

由此可知，各觀測(cè)數(shù)據(jù)xi是由獨(dú)立源信號(hào)si經(jīng)不同aij線性加權(quán)得到的。其中，獨(dú)立分量si和混合矩陣A是未知的，由于僅僅知道隨機(jī)變量xi，因此，要用xi估計(jì)出aij和si還需要附加一些基本假設(shè)和約束條件。

(1) 該模型為簡(jiǎn)化模型，混合矩陣A為一個(gè)方陣，即源信號(hào)數(shù)與觀測(cè)信號(hào)數(shù)相等(n=m)。

(2) 源信號(hào)各分量si都是零均值的實(shí)隨機(jī)變量，且在任意時(shí)刻均相互統(tǒng)計(jì)獨(dú)立源信號(hào)。

(3) 各分量si必須為非高斯分布或者至多只有一個(gè)為高斯分布。

ICA算法的原理框圖如圖3所示。

圖3 ICA算法原理框圖

4 金屬表面缺陷檢測(cè)試驗(yàn)與分析

4.1 試件規(guī)格

為了觀察金屬表面線性缺陷的熱響應(yīng)特征，設(shè)計(jì)了帶人工線性缺陷的平板型試件。材料為20#鋼；試件尺寸為200 mm×25 mm×10 mm(長(zhǎng)×寬×高)；人工缺陷類型為貫穿試件表面的線性缺陷；缺陷寬度約為0.5 mm；缺陷深度約為1 mm；缺陷長(zhǎng)度為25 mm。

為了觀察金屬表面孔狀缺陷的熱響應(yīng)特征，設(shè)計(jì)了帶人工閉孔缺陷的平板型試件，材料為Q345R鋼。人工缺陷類型為試件表面的閉孔缺陷，其缺陷尺寸為1.0 mm×1.0 mm(直徑×深度)。Q345R單孔缺陷試件實(shí)物如圖4所示。

圖4 平板型Q345R單孔缺陷試件實(shí)物

4.2 試驗(yàn)過程

試驗(yàn)時(shí)脈沖電渦流加熱能量不宜過大或過小。因?yàn)槟芰窟^大時(shí)，試件中脈沖渦流影響范圍大，缺陷周邊升溫快，圖像背景噪聲大，不易消除；而能量過小時(shí)，脈沖渦流影響范圍小，溫度變化緩慢，試件熱響應(yīng)特征微弱，不易識(shí)別。因此，平板型試件的電渦流脈沖熱成像試驗(yàn)參數(shù)設(shè)置如下：加熱功率為500 W；頻率為200 kHz；感應(yīng)加熱器采用脈沖的方式控制加熱線圈中的電流，以便在試件中形成合適的脈沖渦流，從而產(chǎn)生熱量。加熱線圈加熱時(shí)間約為4 s。紅外熱像儀在加熱線圈加熱前就開始采集紅外熱像數(shù)據(jù)，加熱結(jié)束后繼續(xù)采集紅外熱像數(shù)據(jù)，試驗(yàn)持續(xù)時(shí)間約為18.2 s。開始加熱的時(shí)間約為2 s(對(duì)應(yīng)熱圖像序列約為10幀)；停止加熱的時(shí)間約為6 s(對(duì)應(yīng)熱圖像序列約為110幀)。紅外熱圖像序列起始幀為42幀；紅外熱圖像序列終止幀為420幀。

4.3 試驗(yàn)結(jié)果與分析

紅外熱圖像序列的算法處理方式為獨(dú)立成分分析(ICA)，對(duì)比函數(shù)選擇高斯函數(shù)，經(jīng)處理后平板型試件的紅外缺陷熱響應(yīng)信號(hào)特征與熱響應(yīng)趨勢(shì)線如圖5所示，其熱響應(yīng)信號(hào)分為圖5(a)，5(c)，5(e)，5(g)所示的4個(gè)混疊向量，圖5(b)，5(d)，5(f)，5(h)為4個(gè)混疊向量所示的試件區(qū)域?qū)?yīng)的熱響應(yīng)趨勢(shì)曲線(橫坐標(biāo)為熱像序列的幀數(shù)，縱坐標(biāo)是熱像序列數(shù)據(jù)處理后的結(jié)果，無量綱，不代表實(shí)際物理量，僅表示溫度變化的趨勢(shì))。

圖5(b)對(duì)應(yīng)的圖5(a)的混疊向量1所代表的試件區(qū)域在加熱階段，幀數(shù)先是迅速上升到100幀左右，然后上升速度減慢持續(xù)一小段時(shí)間，停止加熱后迅速下降至最低點(diǎn)，然后有少量回溫。可見混疊向量1強(qiáng)化的是試件線性缺陷區(qū)域特征。因?yàn)榫€性缺陷區(qū)域距離加熱線圈比較近，熱量可以很快到達(dá)，但是當(dāng)其熱量達(dá)到一定值，由于線性缺陷有一定深度，溫度上升會(huì)減慢，加熱結(jié)束后線性缺陷區(qū)域的高溫?zé)崃繒?huì)散失到缺陷附近其他區(qū)域，而呈現(xiàn)下降趨勢(shì)，同時(shí)由于熱傳導(dǎo)吸收周圍區(qū)域熱量，產(chǎn)生了回溫現(xiàn)象，表現(xiàn)出了如圖5(b)所示的熱響應(yīng)趨勢(shì)。另外，第一個(gè)圖的峰態(tài)系數(shù)和其余圖有明顯差異，也說明了圖5(a)分離重構(gòu)出來的混疊向量代表的是試件線性缺陷區(qū)域的特征。

圖5(d)中，對(duì)應(yīng)的圖5(c)混疊向量2始終保持上升趨勢(shì)，在加熱階段上升速度較冷卻階段上升速度快，在250幀左右緩慢上升至300幀，保持高度基本不變，可見混疊向量2強(qiáng)化的是試件邊緣區(qū)域特征。因?yàn)樵嚰吘墔^(qū)域在開始加熱時(shí)會(huì)吸收一定熱量，但由于距離加熱線圈有一定距離，溫度上升沒有缺陷及附近區(qū)域溫度上升明顯，上升較為緩慢；加熱結(jié)束后，由于缺陷及其他區(qū)域會(huì)散熱，所以邊緣區(qū)域溫度繼續(xù)上升到最高值，直至基本保持不變，因此表現(xiàn)出了如圖5(d)所示的熱響應(yīng)趨勢(shì)。

圖5 20#鋼平板試件的線性缺陷熱響應(yīng)信號(hào)特征與熱響應(yīng)趨勢(shì)曲線

圖5(f)中，對(duì)應(yīng)的圖5(e)混疊向量3在開始加熱時(shí)以最大的上升速率迅速上升到最高點(diǎn)，結(jié)束加熱后溫度下降迅速，至250幀左右緩慢下降直至平穩(wěn)，最后和開始加熱前保持相近?？梢娀殳B向量3強(qiáng)化的是激勵(lì)線圈的區(qū)域特征。因?yàn)樵诩訜犭A段，線圈作為熱源一直處于加熱狀態(tài)，上升最明顯，當(dāng)加熱結(jié)束時(shí)，沒有了熱源激勵(lì)，溫度立即開始下降，表現(xiàn)出了如圖5(f)所示的熱響應(yīng)趨勢(shì)。由于激勵(lì)線圈正下方的溫度梯度大于其邊緣區(qū)域的溫度梯度，溫度下降速率也相對(duì)較高，當(dāng)下降一段時(shí)間后周圍溫差減小，下降速率減慢?；殳B向量3應(yīng)是接近線圈正下方區(qū)域的特征。

圖5(h)中，對(duì)應(yīng)的圖5(g)混疊向量4在加熱階段上升達(dá)到最大值，隨后在冷卻階段緩慢下降(下降速率沒有上升速率大)，且一直保持下降趨勢(shì)?？梢娀殳B向量4強(qiáng)化的是試件線性缺陷附近區(qū)域。因?yàn)樵嚰€性缺陷附近區(qū)域距離加熱線圈和缺陷都比較近，熱量可以很快到達(dá)，會(huì)快速上升；加熱結(jié)束后，該區(qū)域會(huì)對(duì)周圍的區(qū)域進(jìn)行熱傳導(dǎo)，同時(shí)會(huì)吸收缺陷傳來的熱量，所以曲線緩慢下降且保持下降趨勢(shì)，因此表現(xiàn)出了如圖5(h)所示的熱響應(yīng)趨勢(shì)。

平板型Q345R鋼單孔缺陷試件的紅外檢測(cè)可視化結(jié)果(ICA處理)如圖6所示。

圖6 平板型Q345R鋼單孔缺陷試件中檢測(cè)可視化結(jié)果

上述試驗(yàn)結(jié)果表明，采用獨(dú)立成分分析方法對(duì)試樣的渦流熱圖像序列進(jìn)行分析和處理，可有效地識(shí)別出缺陷不同區(qū)域的熱響應(yīng)信號(hào)特征。重構(gòu)后的檢測(cè)結(jié)果直觀明了，實(shí)現(xiàn)了金屬構(gòu)件表面線性缺陷和微小開孔缺陷的可視化檢測(cè)。

5 結(jié)語

針對(duì)渦流熱成像檢測(cè)過程序列圖像，采用獨(dú)立成分分析法識(shí)別出缺陷、線圈、缺陷及線圈附近、試件邊緣等不同區(qū)域的熱響應(yīng)特征，缺陷區(qū)域中熱圖像清晰。試驗(yàn)結(jié)果表明，檢測(cè)平臺(tái)可有效檢測(cè)出寬度為0.5 mm、深度為1 mm的金屬表面線性缺陷以及直徑為1 mm、深度為1 mm的金屬表面開孔缺陷，實(shí)現(xiàn)了金屬構(gòu)件表面線性缺陷和微小開孔的可視化檢測(cè)。該技術(shù)成果不僅能為武器裝備的動(dòng)能毀傷評(píng)估以及試驗(yàn)設(shè)備的運(yùn)行維修保養(yǎng)等提供重要技術(shù)支撐，在航天器防熱材料快速檢測(cè)、超高速撞擊試驗(yàn)評(píng)估等領(lǐng)域也具有重要意義。