Page 14 - 2023中国无损检测年度报告
P. 14
2023 ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ ࠛ௨ចय़ˮڥQGWખ˘ᛸˡԾࡰᤠቅ 2023
⚥㕂偽䰀唬崵䎃䏞䫣デ ⚥㕂偽䰀唬崵䎃䏞䫣デ
复合检测方法和探头，通过分析坡印廷矢量确定 损伤量变化的影响，而塑性变形和疲劳损伤均会
了探头的近场及远场特征区域，通过在两个区域 导致脉冲涡流信号峰值的显著变化，基于这些特
分别设置检测传感器，实现了脉冲涡流与脉冲涡 征和规律建立了塑性变形 - 疲劳复合损伤的脉冲
流远场信号的同步检测。基于所提探头构型和方 涡流解耦评价方法。
法，搭建了脉冲涡流近 - 远场复合检测系统，分 2.2 基于温度场和深度学习的定量红外检测方法
别提取近场检测信号峰值和远场检测差分信号峰 及热障涂层检测应用
值作为信号特征进行了缺陷成像，并利用二维离
（1）基于涡流红外方法的重燃叶片热障涂
散小波变换对两种信号特征进行了融合处理，有 层微小脱黏缺陷检出和定量评价
效提升了脉冲涡流成像结果的信噪比（见图 6）。
重型燃气轮机叶片热障涂层脱黏缺陷的高
效、高精度无损检测对重燃研发和应用非常重要。
团队创新提出基于涡流内热源激励的热障涂层微
小脱黏缺陷涡流红外检测方法，构建了可有效提
升所关注区域涡流加热温升效率、加热均匀性、
曲面适型性、视野非遮挡性等的检测系统和图像
处理方法，提高了脱黏缺陷轮廓的温度梯度，实
现了亚毫米直径微小脱黏缺陷的高效检出（见图
7）。同时，基于热成像原理，对拍摄视角带来的
畸变图像进行校正，实现了脱黏缺陷轮廓复原和
(a) 复合检测探头构型
定量评价。
(a) 涂层脱黏试件制备 (b) 0.7 mm 脱黏缺陷检出结果
图 7 涂层脱黏试件制备及 0.7 mm 脱黏缺陷检出结果
(b) 融合信号特征典型成像结果 （2）基于红外热成像大规模虚拟数据集的
红外智能缺陷识别算法
图 6 脉冲涡流近远场复合检测探头构型和融合信号
特征典型成像结果 监督式深度学习算法需要大规模数据集进行
训练和验证。为此，团队首先开发了基于界面单
（6）塑形变形 - 疲劳复合损伤脉冲涡流评价
元的红外高效数值模拟器，提出了基于数值模拟
工程中塑性变形对材料疲劳性能的影响规律
的虚拟数据集生成方法，计算获取了含不同形状、
尚不明确，同时由于两者均会导致材料电磁特性 大小、位置缺陷的信号，并考虑了激励热源的非
变化，对塑性变形与疲劳复合损伤进行解耦评价
均匀性和噪声，显著提升了数据集的多样性。其次，
较单一损伤评价更为困难。针对这一问题，实验 在深度学习智能缺陷识别算法方面，提出了一种
室制备了塑性变形、疲劳损伤以及复合损伤试件，
灵活的决策级融合策略对红外图像序列的预测结
测量了核电典型材料的疲劳曲线并研究了塑性变 果进行融合处理，包括将 TSR 系数图像序列逐帧
形对其影响的规律，开发了基于 EMD 的脉冲涡
进行 Faster R-CNN 训练，及通过非极大值抑制
流信号降噪和特征提取方法，实现了塑性变形与 算法对预测结果进行融合。该灵活决策级融合策
疲劳复合损伤的解耦评价。研究结果发现，脉冲
略能从多种后处理图像中获取缺陷信息，已在系
涡流信号峰值时间和过零时间特征几乎不受疲劳
4
