王 浩，吳易澤，王 濤

〈無損檢測〉

基于陣列熱風激勵的航發(fā)葉片近表面缺陷紅外檢測方法

王 浩1，吳易澤2，王 濤2

（1. 中國民航大學 工程技術(shù)訓練中心，天津 300300；2. 中國民航大學 航空工程學院，天津 300300）

航空發(fā)動機葉片的三維曲面結(jié)構(gòu)、復雜的材料特性和特殊的冷卻通道等，給葉片近表面缺陷的檢測帶來了困難。針對熱激勵源加熱不均導致檢測的紅外熱圖效果差、缺陷識別率低的問題，提出了一種陣列熱風激勵的主動紅外檢測方法，改進并搭建一套可調(diào)陣列熱風紅外無損檢測實驗平臺。通過設計陣列熱風激勵與局部熱風激勵的對比實驗，并采用Canny算子進行缺陷邊緣識別，證明了陣列熱風激勵主動紅外檢測方法的優(yōu)勢。通過實驗分析不同材料下含裂紋試件的溫度變化規(guī)律。實驗結(jié)果表明：隨熱擴散系數(shù)增大，溫升出現(xiàn)越早，表面最大溫度呈下降趨勢。通過利用檢測實驗平臺對航空發(fā)動機葉片進行檢測，揭示了導熱性和隔熱性缺陷的溫度分布規(guī)律；其中導熱性、隔熱性和兩者混合類型的缺陷檢出率分別達到86.7%、93.3%、90%，也表明陣列熱風激勵紅外檢測方法能有效檢測出航發(fā)葉片中的裂紋缺陷。

航空發(fā)動機葉片；陣列熱風；近表面缺陷；Canny算子

0 引言

主動紅外熱像檢測技術(shù)具有靈敏度高、檢測面積大、檢測結(jié)果直觀等特點，在近表面試件缺陷檢測方面具有良好的檢測效果[1-4]。航空發(fā)動機葉片的三維曲面結(jié)構(gòu)、復雜的材料特性和特殊的內(nèi)部冷卻通道等，嚴重影響熱激勵源的加熱效果，使葉片表面溫度分布不均，導致檢測的紅外熱圖對比度差、檢測效果不直觀，從而給缺陷定性分析、定量識別帶來困難[5-7]。因此，亟需一種提供高熱量輸入且保持高均勻度的熱激勵方法，不僅能降低背景中噪聲干擾，抑制虛假“高低溫”現(xiàn)象出現(xiàn)，而且有助于精確反映被測物體表面溫度變化。

米浩等[8]采用超聲紅外熱成像技術(shù)實現(xiàn)缺陷檢測與定位，對熱像降噪處理增強對比度，極差閾值為49時能清晰識別出缺陷特征；同時利用陣列渦流技術(shù)檢測鈦合金超聲刀，裂紋識別率均達70.2%。羅立等[9]提出了基于超聲紅外熱成像的表面裂紋識別與提取方法，運用貼合度獲取裂紋寬度和面積完成裂紋的三維重構(gòu)，裂紋識別準確率最高達85%。李科等[10]使用熱風紅外技術(shù)快速檢測航空材料損傷，采用背景差分和閾值分割技術(shù)增強信噪比且實現(xiàn)缺陷定位，檢測結(jié)果直觀。盡管以上研究工作提升了主動紅外熱像的缺陷檢測能力，但在檢測航發(fā)葉片近表面缺陷檢測領(lǐng)域，仍需要對現(xiàn)有的激勵方法進行改進，深入研究不同材料和不同裂紋對表面溫度場的影響，以達到更佳的缺陷識別效果。

本文針對航發(fā)葉片近表面缺陷檢測的技術(shù)難題，提出一種陣列熱風激勵的主動紅外檢測方法，改進并搭建陣列熱風紅外無損檢測實驗平臺，通過設計局部熱風激勵和陣列熱風激勵對比實驗，并采用Canny算子進行缺陷邊緣識別，驗證陣列熱風激勵主動紅外檢測方法的可行性，并通過實驗分析不同材料試件中裂紋檢測效果的影響規(guī)律。對含裂紋的航發(fā)葉片進行檢測驗證，分析其表面溫度分布規(guī)律和裂紋的檢出效果，為實現(xiàn)陣列熱風紅外熱像技術(shù)在航發(fā)葉片缺陷檢測方面的應用奠定了理論和實驗基礎。

1 基本原理

紅外熱波無損檢測中，熱激勵源的選取和參數(shù)控制對被測物體吸收熱量的充足程度和均勻程度至關(guān)重要，然而，單點熱風激勵模式已無法滿足缺陷檢測的要求。因此，本課題組提出一種陣列熱風激勵的主動紅外檢測方法，對原有的實驗平臺進行改進，并搭建一套可調(diào)陣列熱風紅外無損檢測實驗平臺，主要包括陣列式熱風槍、可調(diào)節(jié)支架、熱激勵控制器、紅外熱像儀、計算機圖像處理系統(tǒng)和其他輔助設備（三維運動平臺等），如圖1所示。

圖1 可調(diào)陣列熱風紅外無損檢測實驗平臺

由于不同被測物體具有不同熱擴散系數(shù)，會產(chǎn)生不同的熱傳導現(xiàn)象[11]。本實驗通過采集被測物體表面溫度場獲取缺陷特征。若試件中無缺陷，表面溫度變化均勻，如圖2(a)所示。若試件的缺陷為隔熱性缺陷，缺陷處的熱擴散系數(shù)比正常區(qū)域小，熱量堆積形成熱區(qū)，如圖2(b)所示；若試件的缺陷為導熱性缺陷，缺陷處的熱擴散系數(shù)比正常區(qū)域大，熱量削減形成冷區(qū)，如圖2(c)所示。

圖2 不同缺陷熱傳導過程

這種激勵方式創(chuàng)新之處在于：熱風槍呈陣列式分布，可根據(jù)被測試件尺寸靈活調(diào)整熱風槍激勵位置，實現(xiàn)全方位加熱；同時配有兩種激勵方法：局部激勵、陣列激勵，選取合適的激勵方法能改善因加熱不均勻?qū)е聼嵯駥Ρ榷鹊偷炔蛔悖岣呷毕輽z出率；支架上的熱風槍能根據(jù)實際檢測需求進行拆卸，被測物體表面受熱均勻有助于精準獲取表面溫度場。

2 紅外熱像實驗

2.1 試件準備

在無損檢測領(lǐng)域，常用平底孔試件模擬真實缺陷，本課題組設計4種典型金屬材料試件，尺寸信息和材料參數(shù)分別如圖3和表1[12]所示。在試件表面均勻噴涂一層很薄的黑漆，以降低表面光潔度、平整度等產(chǎn)生的噪聲，提高熱發(fā)射率增強檢測效果，發(fā)射率為0.98。

圖3 待檢測試件

表1 材料參數(shù)[12]

2.2 實驗準備

陣列式熱風槍和紅外熱像儀位于同一側(cè)，根據(jù)紅外熱像儀的視場角，調(diào)整紅外熱像儀與待測試件間距離為150mm，確保待測試件在紅外熱像儀視場中央。檢測前，校準紅外熱成像儀消除設備干擾，將紅外熱像儀固定于三腳架，確保采集清晰的熱像圖；通過熱激勵控制器選取合適的激勵方法，利用紅外熱像儀（HIKVISION非制冷型紅外熱像儀，等效噪聲溫差低于50mK，分辨率160×120，采集幀頻25Hz）采集待測試件的表面溫度場。

通過設計局部熱風激勵和陣列熱風激勵的對比實驗，以裂紋檢測效果和檢出率作為評價指標來檢驗陣列熱風激勵方法的可行性，并通過實驗分析不同材料對裂紋檢測效果的影響規(guī)律。

2.3 邊緣檢測

針對實驗采集到的紅外熱圖色調(diào)較單一，且存在噪聲，因此需要借助邊緣檢測來獲取缺陷特征[13]。由于Canny邊緣檢測具有準確度高、容噪性好、可高斯濾波等優(yōu)點[14]，能精確表征缺陷信息。

為了增強Canny算子邊緣識別效果，需先采用高斯濾波過濾圖像中高頻噪聲，減少噪聲對檢測結(jié)果的影響，高斯濾波公式如式(1)所示[15]：

式中：(,)為高斯濾波點，一般取整數(shù)；為高斯濾波器參數(shù)，決定平滑去噪的程度，通常根據(jù)圖像中噪聲情況取值。

濾波后邊緣檢測過程如圖4所示。

圖4 Canny邊緣檢測過程

3 實驗結(jié)果與分析

3.1 不同激勵方法檢測結(jié)果

設置熱風槍的激勵溫度300℃，激勵風速4.68m/s，激勵時間20s，不同激勵方法檢測效果如圖5(a)和(b)所示。

圖5(a)中紅外圖像裂紋處像素點存在忽亮忽暗現(xiàn)象，可識別出大約2個裂紋，裂紋邊緣較模糊，且存在大量噪聲，檢測效果不理想；如圖5(b)所示，陣列熱風能有效檢出4個裂紋，裂紋檢出率提高了1倍，裂紋區(qū)域亮暗對比度明顯，裂紋輪廓清晰可見，證明了陣列熱風激勵主動紅外檢測方法的可行性。

3.2 不同材料裂紋檢測分析

熱擴散系數(shù)反映材料的熱擴散能力，在相同檢測條件下，不同材料會有不同檢測結(jié)果。采用陣列熱風激勵方法檢測試件，設置激勵溫度300℃，激勵風速4.68m/s，激勵時間20s，采集試件中裂紋尺寸7mm×1mm×1mm的溫度數(shù)據(jù)，表面溫度曲線和紅外檢測結(jié)果如圖6和圖7所示。

圖5 紅外熱像圖與邊緣檢測結(jié)果

圖6 不同材料的表面溫度曲線

如圖6所示，45鋼熱擴散系數(shù)最小，表面最大溫度持續(xù)時間較長，這是因為其傳熱速度較慢導致內(nèi)部熱量不易擴散，造成試件表面溫度較低。通過對比不同材料，發(fā)現(xiàn)7075溫升出現(xiàn)最早且傳熱速度最快，在降溫過程中呈先急速后平緩下降直到恢復至原有熱平衡狀態(tài)；由于TC4和Ni718熱擴散系數(shù)相近，TC4和Ni718溫升與溫降變化的趨勢基本相同。隨著熱擴散系數(shù)增大，傳熱速度增快，表面溫差呈下降趨勢，不利于對細微裂紋的檢測。如圖7(a)～(b)，紅外熱像圖中的裂紋從無到有再逐漸清晰，均存在明顯溫升，可以表明在此檢測條件下，通過陣列熱風加熱試件，主要是沿著試件表面進行橫向熱傳導。

4 應用驗證

采用可調(diào)陣列熱風紅外無損檢測實驗平臺對航空發(fā)動機葉片進行檢測。采用陣列熱風激勵方法，設置激勵參數(shù)：激勵溫度300℃，激勵風速4.68m/s，激勵時間20s，采集航發(fā)葉片裂紋處的溫度數(shù)據(jù)，表面溫差曲線如圖8所示。如圖9(a)中#1和#2航發(fā)葉片目視無法發(fā)現(xiàn)裂紋，然而采用金相顯微鏡對葉片放大100倍后，可觀察到#1和#2葉片中存在裂紋，此類缺陷歸為目視不可見裂紋且對航空發(fā)動機安全運行存在潛在威脅，其紅外檢測結(jié)果如圖9(b)所示。

圖7 不同材料的紅外檢測結(jié)果

圖8 不同裂紋表面溫差

圖9 不同裂紋的紅外檢測結(jié)果

如圖8所示，航發(fā)葉片#1的表面最大溫差為負值，意味著裂紋區(qū)域溫度低于正常區(qū)域，主要原因是裂紋處的熱擴散系數(shù)高于葉片本身的熱擴散系數(shù)，使裂紋上方材料表面的熱量容易快速向內(nèi)部擴散，屬于導熱性缺陷；航發(fā)葉片#2裂紋中心的表面最大溫差1.3℃，裂紋區(qū)域溫度明顯高于正常區(qū)域，屬于隔熱性缺陷。以上裂紋表面最大溫差均比當前實驗使用紅外熱像儀的分辨率0.1℃高出很多，根據(jù)熱擴散系數(shù)與溫度數(shù)據(jù)的關(guān)系，后續(xù)還能檢測更微小的裂紋。

圖9中#1航發(fā)葉片的裂紋頂端開口處亮暗對比度最顯著，裂紋在熱像圖中為暗斑，由于裂紋開口處與外界空氣發(fā)生強烈熱對流，導致裂紋邊緣堆積的熱量快速溢出，裂紋根部向內(nèi)擴展紋理較模糊，意味著裂紋根部溫差變化最小；葉片#2中裂紋區(qū)域像素點為亮斑，考慮到裂紋處熱擴散，紅外熱像中亮斑區(qū)域要比實際裂紋大，便于裂紋識別與定量分析。

為進一步定量評價陣列熱風主動紅外檢測對航發(fā)葉片裂紋的識別效果，選取與圖9中#1、#2相似的含裂紋航發(fā)葉片作為待測樣本（其中導熱性缺陷的數(shù)量15個，隔熱性缺陷的數(shù)量15個），并利用Canny算子進行缺陷邊緣識別，檢測結(jié)果如表2所示。

表2 含裂紋航發(fā)葉片的檢出率

5 結(jié)論

本文針對熱激勵不均勻?qū)е聶z測的紅外熱圖效果差、缺陷檢出率較低的問題，提出一種陣列熱風激勵的主動紅外檢測方法，并在現(xiàn)有平臺上改進并搭建了可調(diào)陣列熱風紅外無損檢測實驗平臺。通過設計對比實驗分析了局部熱風激勵和陣列熱風激勵的檢測能力，揭示了不同材料試件的溫度變化規(guī)律。利用檢測實驗平臺對含裂紋的航發(fā)葉片進行檢測，并分析了其表面溫度場和裂紋檢測效果，得到結(jié)論如下：

①通過采用陣列熱風激勵方法檢測含裂紋試件時，發(fā)現(xiàn)裂紋檢出率比局部熱風激勵時提高了1倍，紅外檢測效果好且噪聲少，從而證明了陣列熱風激勵主動紅外檢測方法的可行性。

②實驗表明：材料的熱擴散系數(shù)越大，傳熱速度也越快，表面最大溫度變化呈下降趨勢，越不利于檢測細微裂紋。

③檢測結(jié)果表明：航發(fā)葉片#1中裂紋為導熱性缺陷，其裂紋區(qū)域的熱擴散系數(shù)高于葉片本體的熱擴散系數(shù)；航發(fā)葉片#2中裂紋為隔熱性缺陷，裂紋處有充足熱量堆積且能很好檢測出來，也表明了陣列熱風紅外在航發(fā)葉片缺陷檢測上具有良好的檢測能力。其中導熱性、隔熱性和兩者混合類型的缺陷檢出率分別達到86.7%、93.3%，90%，同時能較好判斷裂紋存在和定位，為陣列熱風紅外熱成像在航發(fā)葉片缺陷檢測上的應用奠定了基礎。

[1] 呂事桂, 劉學業(yè). 紅外熱像檢測技術(shù)的發(fā)展和研究現(xiàn)狀[J]. 紅外技術(shù), 2018, 40(3): 214-219.

LYU Shigui, LIU Xueye. Development and research status of infrared thermal image detection technology[J]., 2018, 40(3): 214-219.

[2] 魏嘉呈, 劉俊巖, 何林, 等. 紅外熱成像無損檢測技術(shù)研究發(fā)展現(xiàn)狀[J]. 哈爾濱理工大學學報, 2020, 25(2): 64-72.

WEI Jiacheng, LIU Junyan, HE Lin, et al. Recent progress in infrared thermal imaging nondestructive testing technology[J]., 2020, 25(2): 64-72.

[3] 習小文, 蘇清風, 袁雅妮, 等. 超聲紅外熱成像技術(shù)在航空發(fā)動機葉片裂紋的對比研究[J]. 紅外技術(shù), 2021, 43(2): 186-191.

XI Xiaowen, SU Qingfeng, YUAN Yanni, et al. Comparative study of using ultrasonic infrared thermography for detecting aeroengine blade cracks[J]., 2021, 43(2): 186-191.

[4] 孫吉偉, 馮輔周, 張麗霞, 等. 渦流脈沖熱像檢測中金屬疲勞裂紋的生熱分析[J]. 紅外技術(shù), 2019, 41(4): 383-387.

SUN Jiwei, FENG Fuzhou, ZHANG Lixia, et al. Thermal analysis of metal fatigue cracks in eddy current pulsed thermography[J]., 2019, 41(4): 383-387.

[5] Selvathi D, NithillaI H, Akshay N. Image processing techniques for defect detection in metals using thermal images[C]//3(ICOEI),, 2019: 939-944.

[6] 高治峰, 董麗虹, 王海斗, 等. 振動紅外熱成像技術(shù)用于不同類型缺陷檢測的研究進展[J]. 材料導報, 2020, 34(9): 9158-9163.

GAO Zhifeng, DONG Lihong, WANG Haidou, et al. Research progress and prospect of vibrothermography in different defect types[J]., 2020, 34(9): 9158-9163.

[7] Souridi P, Chrysafi A P, Athanasopoulos N, et al. Simple digital image processing applied to thermographic data for the detection of cracks via eddy current thermography[J]., 2019, 98: 174-186.

[8] 米浩, 楊明, 于磊, 等. 基于超聲紅外熱成像的缺陷檢測與定位研究[J]. 振動·測試與診斷, 2020, 40(1): 101-106, 205-206.

MI Hao, YANG Ming, YU Lei, et al. Defect detection and location of based on ultrasonic infrared thermal imaging[J]., 2020, 40(1): 101-106, 205-206.

[9] 羅立, 王瀚藝. 基于超聲紅外熱成像的復合材料表面裂紋識別[J]. 激光雜志, 2020, 41(12): 146-150.

LUO Li, WANG Hanyi. Surface crack identification of composite materials based on ultrasonic infrared thermal imaging[J]., 2020, 41(12): 146-150.

[10] 李科, 鐘安彪, 李玉杰, 等. 基于熱風激勵的紅外成像檢測技術(shù)研究[J]. 激光與紅外, 2016, 46(7): 823-826.

LI Ke, ZHONG Anbiao, LI Yujie, et al. Research on infrared imaging detection based on hot wind heating[J]., 2016, 46(7): 823-826.

[11] 康爽, 陳長征, 周勃, 等. 基于溫度閾值風電葉片缺陷識別的紅外檢測研究[J]. 太陽能學報, 2020, 41(8): 337-341.

KANG Shuang, CHEN Changzheng, ZHOU Bo, et al. Research on infrared detection of wind turbine blade defect recognition based on temperature threshold[J]., 2020, 41(8): 337-341.

[12] 楊正偉, 謝星宇, 李胤, 等. 激光掃描熱成像無損檢測關(guān)鍵參數(shù)影響分析[J]. 紅外與激光工程, 2019, 48(11): 91-101.

YANG Zhengwei, XIE Xingyu, LI Yin, et al. Influence analysis of key parameters in laser scanning thermography nondestructive testing[J]., 2019, 48(11): 91-101.

[13] 唐慶菊, 劉俊巖, 王揚, 等. 基于模糊C均值聚類和Canny算子的紅外圖像邊緣識別與缺陷定量檢測[J]. 紅外與激光工程, 2016, 45(9): 281-285.

TANG Qingju, LIU Junyan, WANG Yang, et al. Infrared image edge recognition and defect quantitative determination based on the algorithm of fuzzy C-means clustering and Canny operator[J]., 2016, 45(9): 281-285.

[14] Ratsakou A, Skarlatos A, Reboud C, et al. Shape reconstruction of delamination defects using thermographic infrared signals based on an enhanced Canny approach[J]., 2020, 111: 103527.

[15] 王福斌, 孫海洋, TU Paul. 邊緣擴展的皮帶撕裂支持向量機視覺檢測[J]. 中國機械工程, 2019, 30(4): 455-460.

WANG Fubing, SUN Haiyang, TU Paul. Visual inspection for extended edge belt tearing based on SVM[J]., 2019, 30(4): 455-460.

Infrared Detection of Near Surface Defects of Aeroengine Blade Based on Array Hot Air Excitation

WANG Hao1，WU Yize2，WANG Tao2

(1.,,300300,;2.,,, 300300,)

The three-dimensional curved structure, complex material properties and special cooling channels of the aeroengine blades have brought difficulties to the detection of the near surface defects of the blades. Aiming at the problem that the uneven heating of the thermal excitation source leads to poor detection of infrared heat maps and low defect recognition, an active infrared detection method based on array hot air excitation is proposed, and a set of adjustable array hot air infrared non-destructive testing experimental platform is improved and built. By designing a comparative experiment between array hot air excitation and local hot air excitation, and using the canny operator to identify the edge of defects, the advantages of the array hot air excitation active infrared detection method are proved. The temperature variation law of the cracked specimens under different materials is analyzed through experiments. The experimental results show that as the thermal diffusion coefficient increases, the earlier the temperature rise occurs, and the maximum surface temperature shows a downward trend. Through the use of testing experimental platform to detect the aeroengine blades, the temperature distribution law of thermal conductivity and thermal insulation defects is revealed; the thermal conductivity, thermal insulation, and two mixed types of defects are detected The rates reached 86.7%, 93.3%,and 90% respectively. It also shows that the array hot-air excitation infrared detection method can effectively detect the crack defects in the blades of the aeroengine.

aeroengine blade, array hot air, near surface defect, Canny algorithm

TG115.28；TN219

A

1001-8891(2022)10-1112-06

2021-08-04；

2021-09-13.

王浩（1985-），男，碩士，副教授，研究方向為航空發(fā)動機熱端部件深度檢測。E-mail：hbgdwh@vip.126.com。

王濤（1979-），男，博士，教授，研究方向為激光增材制造、航空部件數(shù)字化制造與修復。E-mail：wangtaotdme@163.com。

中央高?？蒲谢緲I(yè)務費（3122017017）；天津市研究生科研創(chuàng)新項目（2020YJSS064）。