劉 濤, 石 玗, 李春凱, 孫忠誠(chéng),3, 滿月娥, 呂 健
(1. 中國(guó)航發(fā)南方工業(yè)有限公司 無(wú)損檢測(cè)中心, 湖南 株洲 412002; 2. 蘭州理工大學(xué) 省部共建有色金屬先進(jìn)加工與再利用國(guó)家重點(diǎn)實(shí)驗(yàn)室甘肅 蘭州 7300502; 3. 蘭州瑞奇戈德測(cè)控技術(shù)有限公司, 甘肅 蘭州 730010)
近年來(lái),隨著航空發(fā)動(dòng)機(jī)技術(shù)的快速發(fā)展和渦輪葉片、擴(kuò)壓器、火焰筒等關(guān)鍵部件所承受工作溫度的進(jìn)一步提高,對(duì)上述部件的承溫能力和冷卻效率也提出了更為苛刻的要求[1-3].其中,葉片作為與高溫高壓燃?xì)庵苯咏佑|并反復(fù)做功的主要?jiǎng)恿Σ考籟3-6],其承溫能力和冷卻效率對(duì)整個(gè)發(fā)動(dòng)機(jī)性能的可靠性及穩(wěn)定性起著至關(guān)重要的作用.為避免葉片在高溫高壓下發(fā)生服役性能下降乃至失效、斷裂等安全事故,設(shè)計(jì)和生產(chǎn)中通常采用氣膜孔冷卻結(jié)構(gòu)來(lái)降低葉片基體的工作溫度[7-8].因而,如何保證氣膜孔的加工精度和內(nèi)部缺陷的精確識(shí)別尤為重要.
氣膜孔主要通過(guò)電火花、電液束及飛秒激光等加工手段來(lái)獲得[8-11].受制于葉片型號(hào)的多樣性和內(nèi)部結(jié)構(gòu)的復(fù)雜性,加工過(guò)程很難避免內(nèi)部缺陷的產(chǎn)生.在實(shí)際生產(chǎn)中,主要通過(guò)X射線膠片照相法對(duì)其內(nèi)部缺陷進(jìn)行檢測(cè).然而膠片照相法也存在明顯的先天不足.主要體現(xiàn)在以下幾點(diǎn):
1) 膠片照相法所采用的單角度透照工藝無(wú)法實(shí)現(xiàn)葉片內(nèi)部氣膜孔的全覆蓋透照,極易出現(xiàn)缺陷漏檢、誤判;
2) 檢測(cè)效率低、檢測(cè)周期長(zhǎng),對(duì)操作人員的經(jīng)驗(yàn)技能要求極高;
3) 膠片照相法柔性化智能化程度低,難以實(shí)現(xiàn)自動(dòng)化、智能化實(shí)時(shí)在線監(jiān)測(cè).
綜上所述,對(duì)于氣膜孔的無(wú)損檢測(cè)技術(shù)而言,開(kāi)發(fā)一種能夠?qū)崿F(xiàn)缺陷自動(dòng)檢測(cè)及識(shí)別的方法成為了亟待解決的關(guān)鍵技術(shù)難題.針對(duì)上述難題,提出了一種基于DR數(shù)字成像技術(shù)的葉片尾緣氣膜孔缺陷檢測(cè)方法;通過(guò)研究DR數(shù)字圖像與膠片圖像的等效性、透照角度對(duì)缺陷識(shí)別精度、靈敏性影響規(guī)律及檢測(cè)工藝優(yōu)化、缺陷智能識(shí)別算法等關(guān)鍵技術(shù),實(shí)現(xiàn)葉片尾緣氣膜孔缺陷的智能識(shí)別.
葉片選用中國(guó)航發(fā)南方工業(yè)有限公司生產(chǎn)的XXX型葉片.圖1為該型葉片三維結(jié)構(gòu)示意圖.該型葉片為異形曲面結(jié)構(gòu)且尾緣氣膜孔空間位置變化大.
考慮到該型葉片尾緣氣膜孔結(jié)構(gòu)為異形曲面且氣膜孔空間位置差異性較大,設(shè)計(jì)了7自由度X射線數(shù)字成像檢測(cè)系統(tǒng),該系統(tǒng)能夠360°范圍內(nèi)采集并獲取尾緣氣膜孔透照數(shù)字圖像.葉片夾持工裝和檢測(cè)設(shè)備如圖2所示.設(shè)備配置見(jiàn)表1.
圖2 X射線數(shù)字成像檢測(cè)系統(tǒng)Fig.2 X-ray digital radiography detection system
表1 設(shè)備參數(shù)Tab.1 Equipment parameter
由于DR數(shù)字成像技術(shù)采用DDA探測(cè)器,其成像原理與膠片技術(shù)存在顯著差異.需對(duì)該方法替代傳統(tǒng)膠片技術(shù)識(shí)別氣膜孔缺陷的等效性進(jìn)行研究.
考慮到影響圖像缺陷識(shí)別能力的因素主要由圖像分辨率、對(duì)比靈敏度、圖像歸一化信噪比決定,因此從上述三方面評(píng)價(jià)指標(biāo)對(duì)葉片氣膜孔DR數(shù)字圖像與膠片圖像的等效性進(jìn)行分析.上述三個(gè)評(píng)價(jià)指標(biāo)通過(guò)像質(zhì)計(jì)進(jìn)行測(cè)定和表征.膠片照相技術(shù)所選用的曝光條件為:采用愛(ài)克發(fā)D2膠片,膠片系統(tǒng)等級(jí)為C1/Special,在150 kV、5 mA、0.027 mm Pb F/B 增感屏、1000 mm FDD條件下曝光330 s(曝光量為342 mGy);加工條件為:使用AGFA NDT-S洗片機(jī),顯影時(shí)間8 min.數(shù)字化條件為:膠片采用Primescan 7100鼓式掃描儀對(duì)膠片進(jìn)行數(shù)字化,像素中心距為10 μm、光圈21 μm,平均像素尺寸低至50 μm(ISO 14096,DS-8),掃描圖像灰度范圍16 bit.DR成像技術(shù)的設(shè)備指標(biāo)見(jiàn)表1.
圖3為膠片照相法和DR數(shù)字成像技術(shù)獲取的的葉片圖像.對(duì)內(nèi)部部分區(qū)域進(jìn)行了遮擋,保留葉片尾緣氣膜孔區(qū)域.
圖3 膠片照相技術(shù)與DR成像技術(shù)檢測(cè)圖像Fig.3 Detection image of film photography and digital radiography
圖4、圖5分別為兩種成像技術(shù)下雙絲像質(zhì)計(jì)的對(duì)比度和線型像質(zhì)計(jì)的對(duì)比度.可以看出膠片圖像與DR數(shù)字圖像的雙絲像質(zhì)對(duì)比度相差不大、分別為32.5%和22.4%,因而兩種技術(shù)的圖像分辨率指標(biāo)基本一致,都可標(biāo)記為13D+;線型像質(zhì)計(jì)的對(duì)比度則出現(xiàn)了明顯的差異,膠片法和DR數(shù)字圖像可識(shí)別的16#鋼絲直徑分別為0.1 mm和0.05 mm,對(duì)應(yīng)的靈敏度分別為1.3%和0.6%,這表明DR數(shù)字圖像的對(duì)比靈敏度優(yōu)于膠片圖像3個(gè)像質(zhì)計(jì)等級(jí);圖像歸一化信噪比以基本空間分辨率為50 μm進(jìn)行計(jì)算,膠片法與DR數(shù)字圖像技術(shù)分別為296和1 081,DR數(shù)字成像明顯優(yōu)于膠片成像.
圖4 雙絲像質(zhì)計(jì)對(duì)比度
圖5 線型像質(zhì)計(jì)對(duì)比度Fig.5 Contrast of linear image quality meter
綜上所述,與膠片照相技術(shù)相比,DR數(shù)字成像技術(shù)在圖像歸一化信噪比、圖像分辨率兩方面要優(yōu)于膠片法且在曝光時(shí)間上遠(yuǎn)遠(yuǎn)低于膠片,這表明DR數(shù)字成像技術(shù)能夠替代膠片照相技術(shù).
通過(guò)1.1節(jié)對(duì)葉片結(jié)構(gòu)及氣膜孔空間分布位置分析可知,膠片照相法所采用的單一透照角度無(wú)法實(shí)現(xiàn)葉片內(nèi)部氣膜孔的全覆蓋透照且極易出現(xiàn)缺陷誤判和漏檢.DR數(shù)字成像技術(shù)可實(shí)現(xiàn)多角度透照,但不同透照角度對(duì)缺陷識(shí)別的影響規(guī)律及如何選取透照工藝需進(jìn)行研究和分析.
為了定性研究透照角度對(duì)缺陷識(shí)別的影響規(guī)律,首先利用三維設(shè)計(jì)軟件在葉片模型中植入了未打通、打偏、損傷內(nèi)壁三類典型缺陷,并對(duì)0°~360°旋轉(zhuǎn)角度下透視圖像進(jìn)行了分析.在仿真中規(guī)定垂直于尾緣氣膜孔軸面為0°,逆時(shí)針旋轉(zhuǎn).
圖6為透照角度為0°、12°、20°、30°時(shí)的透照?qǐng)D像,從上到下依次未打通、孔打偏、損傷內(nèi)壁缺陷.從圖中可以看出,對(duì)于未打通和損傷內(nèi)壁缺陷而言,所有旋轉(zhuǎn)角度下均可實(shí)現(xiàn)缺陷特征的識(shí)別,但在透照角度垂直于尾緣氣膜孔軸面(即旋轉(zhuǎn)角度為0°)時(shí)上述兩種缺陷特征最為明顯;對(duì)于孔打偏缺陷而言,在0°和12°時(shí)容易誤判為未打通缺陷.
圖6 不同角度下模擬透視圖像
通過(guò)上述分析,在實(shí)際檢測(cè)工藝中未打通和損傷內(nèi)壁缺陷的最佳透照角度為垂直于尾緣氣膜孔軸面;而孔打偏缺陷需要通過(guò)多角度透照才能準(zhǔn)確識(shí)別.
為實(shí)現(xiàn)葉片氣膜孔缺陷的自動(dòng)識(shí)別,利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法和模型開(kāi)發(fā)了一套缺陷智能識(shí)別系統(tǒng).構(gòu)建該智能系統(tǒng)的主要流程包含以下四個(gè)部分和步驟:
1) 樣本獲取.在所設(shè)計(jì)的專用X射線數(shù)字成像檢測(cè)系統(tǒng)上,對(duì)100件含有三類典型氣膜孔缺陷的葉片進(jìn)行了檢測(cè).采用靜態(tài)檢測(cè)法,即葉片每旋轉(zhuǎn)0.25°采集1幅積分圖像,每個(gè)葉片共采集1 440張靜態(tài)檢測(cè)圖像,采集圖像分辨率為1 012×1 024.圖7為旋轉(zhuǎn)角度為0°獲取的一幅典型葉片X射線數(shù)字圖像;
圖7 透照角度為0°的數(shù)字圖像
2) 缺陷人工標(biāo)注.對(duì)所采集的部分葉片透照?qǐng)D像(約200張)樣本內(nèi)的三類典型缺陷進(jìn)行人工標(biāo)注(如圖8所示);
圖8 葉片氣膜孔缺陷的人工標(biāo)注Fig.8 Air film holes defects marked by manual work
3) 模型訓(xùn)練.選用Faster R-CNN模型作為葉片缺陷識(shí)別的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型.模型分為三部分:特征提取、候選框生成、位置回歸分類.采用“模型訓(xùn)練-目標(biāo)自動(dòng)標(biāo)注-人工標(biāo)注修正-模型更新”的迭代運(yùn)行方式實(shí)現(xiàn)模型訓(xùn)練.
第一步:將一定數(shù)量(約200張)的葉片缺陷人工標(biāo)注圖像(整幅圖像)作為輸入,訓(xùn)練得到葉片缺陷自識(shí)別模型;
第二步:將一定數(shù)量的未標(biāo)注圖像輸入到第一步中訓(xùn)練的葉片缺陷自識(shí)別模型中進(jìn)行缺陷識(shí)別,獲取系統(tǒng)自動(dòng)標(biāo)住缺陷結(jié)果;
第三步:對(duì)第二步得到的自動(dòng)標(biāo)住缺陷進(jìn)行人工審核修正,得到修正后的缺陷標(biāo)注圖像;
第四步:將修正后的缺陷標(biāo)注圖像作為輸入,重新訓(xùn)練缺陷自識(shí)別模型,得到精度更好的自識(shí)別模型;
第五步:自動(dòng)識(shí)別效果若不理想,重復(fù)第一步至第四步,直到模型精度達(dá)到理想.
4) 模型評(píng)估和系統(tǒng)測(cè)試.在所訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)缺陷預(yù)測(cè)模型的基礎(chǔ)上,利用一定數(shù)量未標(biāo)注的葉片透照?qǐng)D像樣本對(duì)模型的識(shí)別能力進(jìn)行測(cè)試.
在所訓(xùn)練的深度學(xué)習(xí)模型基礎(chǔ)上,隨機(jī)選取了未標(biāo)注的12 000張葉片氣膜孔透照?qǐng)D像進(jìn)行缺陷自動(dòng)化智能標(biāo)注與識(shí)別,并對(duì)該識(shí)別系統(tǒng)的識(shí)別率和識(shí)別時(shí)間進(jìn)行測(cè)試.圖9為自動(dòng)識(shí)別和標(biāo)注的一張葉片透照?qǐng)D像中的典型損傷內(nèi)壁缺陷.通過(guò)測(cè)試發(fā)現(xiàn),該系統(tǒng)對(duì)上述三類缺陷的識(shí)別準(zhǔn)確率能夠達(dá)到86%,單幅圖像的識(shí)別時(shí)間約0.2 s.目前,尾緣氣膜孔缺陷自動(dòng)識(shí)別還不能達(dá)到90%以上,這主要受制于現(xiàn)階段人工標(biāo)注缺陷樣本數(shù)量的限制.后續(xù)需要通過(guò)增加缺陷樣本人工標(biāo)注數(shù)量來(lái)改善系統(tǒng)的識(shí)別率.
圖9 自動(dòng)識(shí)別的葉片尾緣氣膜孔缺陷Fig.9 Air film holes defects marked by artificial intelligence
1) 與膠片照相技術(shù)相比,DR數(shù)字成像技術(shù)在圖像歸一化信噪比、圖像分辨率兩方面要優(yōu)于膠片法且在曝光時(shí)間上遠(yuǎn)遠(yuǎn)低于膠片,DR數(shù)字成像技術(shù)能夠替代膠片照相技術(shù).
2) 未打通和損傷內(nèi)壁缺陷的最佳透照角度為垂直于尾緣氣膜孔軸面;而孔打偏缺陷需要通過(guò)多角度透照才能準(zhǔn)確識(shí)別.
3) 該系統(tǒng)對(duì)單幅圖像缺陷的識(shí)別時(shí)間僅為0.2 s且缺陷識(shí)別率高達(dá)86%.
致謝:本文得到蘭州理工大學(xué)紅柳優(yōu)秀青年人才支持計(jì)劃的資助,在此表示感謝.