CN110907449A - 自动破损评级系统 - Google Patents
自动破损评级系统 Download PDFInfo
- Publication number
- CN110907449A CN110907449A CN201910875823.1A CN201910875823A CN110907449A CN 110907449 A CN110907449 A CN 110907449A CN 201910875823 A CN201910875823 A CN 201910875823A CN 110907449 A CN110907449 A CN 110907449A
- Authority
- CN
- China
- Prior art keywords
- video image
- coating
- loss
- cracks
- turbine engine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8422—Investigating thin films, e.g. matrix isolation method
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0016—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of aircraft wings or blades
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0083—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by measuring variation of impedance, e.g. resistance, capacitance, induction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0091—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by using electromagnetic excitation or detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2260/00—Function
- F05B2260/80—Diagnostics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8422—Investigating thin films, e.g. matrix isolation method
- G01N2021/8427—Coatings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Combustion & Propulsion (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Quality & Reliability (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Electromagnetism (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及自动破损评级系统。一种用于检查物体的系统包括成像组件、检测模块、分析模块以及存储器。成像组件可为管道镜,其进入无照明的封闭导管,以检查为涡轮发动机的构件的物体。使用人工光源来对导管进行照明并且对涡轮发动机的一个或多个物体进行照明,管道镜可获得涡轮发动机的一个或多个物体的视频图像。视频图像可用于确定一个或多个物体的破损等级。
Description
与相关申请的交叉引用
本申请要求2018年9月17日提交的美国专利申请No.16/132,904的优先权和益处,该申请以其整体结合在本文中。
技术领域
本公开涉及用于检查物体的方法和系统,更具体而言,涉及检查具有涂层的物体。
背景技术
涡轮发动机且尤其是燃气或燃烧涡轮发动机是从穿过发动机而传送到多个旋转涡轮叶片上的加压燃烧气体流提取能量的旋转式发动机。
成像组件(诸如,管道镜)通常用于检查组装的涡轮发动机的内部构件(诸如,燃气或燃烧涡轮发动机中的翼型件或盘),以便通常在不必拆卸涡轮发动机的全部或一部分的情况下,就监视构件中的破损(distress)或磨损的任何标志。所产生的图像可实时地由操作者观察或以数字形式采集,以供以后使用。可为有益的是,在涡轮发动机构件的检查的期间,收集尽可能多的数据,以使安全性和效率最大化。
发明内容
在一个方面,本公开涉及一种用于检查物体的系统,该系统包括:成像组件,其用于获得具有涂层的物体的视频图像;检测模块,其配置成在视频图像中至少识别物体中的涂层损失和任何裂纹的标识;分析模块,其配置成基于物体中的涂层损失和任何裂纹在视频图像中的标识而至少分配物体的破损等级;以及存储器,其用于至少存储视频图像中的每个物体的破损等级。
在另一方面,本公开涉及一种用于检查涡轮发动机的发动机构件的系统,该系统包括:至少一个涡轮发动机构件,其具有带涂层表面;成像组件,其用于获得至少一个涡轮发动机构件的带涂层表面的视频图像;检测模块,其配置成在视频图像中至少识别至少一个涡轮发动机构件中的涂层损失和任何裂纹的标识;分析模块,其配置成基于至少一个涡轮发动机构件中的涂层损失和任何裂纹在视频图像中的标识而至少分配至少一个涡轮发动机构件的破损等级;以及存储器,其用于至少存储视频图像中的至少一个涡轮发动机构件的破损等级。
在又另一方面,本公开涉及一种用于检查容纳于腔内的带涂层物体的方法,该方法包括:采集腔中的带涂层物体的视频图像;在所采集的视频图像中识别带涂层物体的涂层损失和任何裂纹;基于视频图像中的所识别的涂层损失和任何裂纹而分配带涂层物体的破损等级;以及存储视频图像中的带涂层物体的破损等级。
技术方案1. 一种用于检查物体的系统,包括:
成像组件,其用于获得具有涂层的所述物体的视频图像;
检测模块,其配置成在所述视频图像中至少识别所述物体中的涂层损失和任何裂纹的标识;
分析模块,其配置成基于所述物体中的所述涂层损失和任何裂纹在所述视频图像中的所述标识而至少分配所述物体的破损等级;以及
存储器,其用于至少存储所述视频图像中的每个物体的所述破损等级。
技术方案2. 根据技术方案1所述的系统,其特征在于,所述物体是涡轮发动机的构件。
技术方案3. 根据技术方案1所述的系统,其特征在于,所述成像组件包括用于获得无照明的封闭导管内的所述视频图像的管道镜,所述管道镜包括:细长探头,其具有在所述细长探头的第一端处位于所述封闭导管内的透镜;人工光源,其对所述封闭导管内的靠近所述透镜的空间进行照明;以及与所述透镜进行数据通信的成像装置,其使来自所述透镜的光转换成所述物体的所述视频图像。
技术方案4. 根据技术方案1所述的系统,其特征在于,所述涂层可为热障涂层或环境涂层之一。
技术方案5. 根据技术方案1-4中的任一项所述的系统,其特征在于,所述检测模块进一步至少包括颜色检测能力。
技术方案6. 根据技术方案5所述的系统,其特征在于,所述颜色检测能力基于类似像素的分组。
技术方案7. 根据技术方案6所述的系统,其特征在于,所述类似像素的分组基于像素颜色或位置中的至少一个。
技术方案8. 根据技术方案1-4中的任一项所述的系统,其特征在于,所述分析模块配置成测量在所述物体中识别的任何裂纹的长度。
技术方案9. 根据技术方案1-4中的任一项所述的系统,其特征在于,所述分析模块配置成测量所述物体中的任何所识别的裂纹的表面面积。
技术方案10. 根据技术方案1-4中的任一项所述的系统,其特征在于,所述分析模块配置成测量所识别的涂层损失的长度和宽度。
技术方案11. 根据技术方案1-4中的任一项所述的系统,其特征在于,所述分析模块配置成将所述视频图像映射到三维模型。
技术方案12. 根据技术方案1-4中的任一项所述的系统,其特征在于,所述破损等级基于所述物体中的涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量。
技术方案13. 根据技术方案12所述的系统,其特征在于,所述至少两个维度中的至少一个维度是面积、长度、宽度、深度或所述破损区域中的冷却孔数量之一。
技术方案14. 一种用于检查涡轮发动机的发动机构件的系统,所述系统包括:
至少一个涡轮发动机构件,其具有带涂层表面;
成像组件,其用于获得所述至少一个涡轮发动机构件的所述带涂层表面的视频图像;
检测模块,其配置成在所述视频图像中至少识别所述至少一个涡轮发动机构件中的涂层损失和任何裂纹的标识;
分析模块,其配置成基于所述至少一个涡轮发动机构件中的所述涂层损失和任何裂纹在所述视频图像中的所述标识而至少分配所述至少一个涡轮发动机构件的破损等级;以及
存储器,其用于至少存储所述视频图像中的所述至少一个涡轮发动机构件的所述破损等级。
技术方案15. 根据技术方案14所述的系统,其特征在于,所述成像组件包括用于获得无照明的封闭导管内的所述视频图像的管道镜,所述管道镜包括:细长探头,其具有在所述细长探头的第一端处位于所述封闭导管内的透镜;人工光源,其对所述封闭导管内的靠近所述透镜的空间进行照明;以及与所述透镜进行数据通信的成像装置,其使来自所述透镜的光转换成所述至少一个涡轮发动机构件的所述视频图像。
技术方案16. 根据技术方案14所述的系统,其特征在于,所述涂层可为热障涂层或环境涂层之一。
技术方案17. 根据技术方案14所述的系统,其特征在于,所述分析模块配置成将所述视频图像映射到三维模型。
技术方案18. 根据技术方案14-17中的任一项所述的系统,其特征在于,所述破损等级基于所述至少一个涡轮发动机构件中的涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量。
技术方案19. 根据技术方案14-17中的任一项所述的系统,其特征在于,所述至少一个涡轮发动机构件包括叶片、导叶、护罩或燃烧器中的至少一个。
技术方案20. 一种用于检查容纳于腔内的带涂层物体的方法,所述方法包括:
采集所述腔中的所述带涂层物体的视频图像;
在采集的视频图像中识别所述带涂层物体的涂层损失和任何裂纹;
基于所述视频图像中的所识别的涂层损失和任何裂纹而分配所述带涂层物体的破损等级;以及
存储所述视频图像中的带涂层物体的所述破损等级。
技术方案21. 根据技术方案20所述的方法,其特征在于,所述视频图像的所述采集进一步包括将承载透镜的探头插入到导管中。
技术方案22. 根据技术方案20-21中的任一项所述的方法,其特征在于,所述在采集的视频图像中识别所述一个带涂层物体的涂层损失和任何裂纹进一步包括颜色检测能力。
技术方案23. 根据技术方案22所述的方法,其特征在于,所述颜色检测能力使用像素颜色或位置中的至少一个来对类似像素进行分组。
技术方案24. 根据技术方案20-21中的任一项所述的方法,其特征在于,进一步包括将采集的视频图像映射到三维模型。
技术方案25. 根据技术方案24所述的方法,其特征在于,所述三维模型提供所述带涂层物体中的所述涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量。
技术方案26. 根据技术方案20-21中的任一项所述的方法,其特征在于,进一步包括基于所述带涂层物体中的涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量而分配所述破损等级。
附图说明
在附图中:
图1是用于飞行器的涡轮发动机的示意横截面图。
图2示意性地示出用于检查图1的涡轮发动机的一部分的系统,为了清楚起见,涡轮发动机的所有的其它部分都被去除。
图3示出从图2的成像组件获得的二维图像。
图4示出至少部分地基于图3的二维图像的三维模型。
图5示出用于检查涡轮发动机中的物体的方法。
图6示出用于将破损等级分配给涡轮发动机中的物体的方法。
具体实施方式
本公开包括用于检查涡轮发动机的构件的系统和方法。涡轮发动机构件可为叶片、导叶、燃烧器、护罩或其中涂层损失或裂纹的检测有用的任何其它合适的发动机构件。
该系统可包括将管道镜用作成像组件。然而,将理解,本公开并非如此受限,而是可以在发动机或其中可期望成像检查的任何其它合适的构件内以及在非飞行器应用(诸如,其它移动式和非移动式工业、商业以及住宅应用)中具有普遍适用性。进一步理解,成像组件可包括能够获得待检查的物体的视频图像的任何数量的光学、机械、结构或电气构件。
飞行器发动机检查通常在发动机依然安装到飞行器上时执行,并且因而,管道镜可包含柔性导向件,以允许观察隐藏在外部观察者的视线外的发动机构件。
虽然将描述“一组”各种元件,但将理解,“一组”可包括任何数量的相应的元件(包括仅一个元件)。所有的方向参照(例如,径向、轴向、近端、远端、上部、下部、向上、向下、左边、右边、侧向、前面、后面、顶部、底部、上方、下方、竖直、水平、顺时针、逆时针、上游、下游、前部、后部等等)都仅出于标识目的而使用,以帮助读者理解本公开,而不造成限制(尤其是,关于本文中所描述的本公开的方面的位置、取向或使用的限制)。除非另外指示,否则连接参照(例如,附接、联接、连接、固定、紧固以及联结)将被宽泛地解释,并且可在一批元件之间包括中间部件且在元件之间包括相对移动。照此,连接参照不一定推断出两个元件直接地连接并且彼此处于固定关系。示例性的附图仅出于示出的目的,并且,附图中所反映的尺寸、位置、顺序以及相对大小可变化。
图1是用于飞行器的燃气涡轮发动机10的示意横截面图。发动机10具有从前部14延伸到后部16的大体上纵向地延伸的轴线或中心线12。发动机10以向下游串流的关系包括:风扇区段18,其包括风扇20;压缩机区段22,其包括增压器或低压(LP)压缩机24和高压(HP)压缩机26;燃烧区段28,其包括燃烧器30;涡轮区段32,其包括HP涡轮34和LP涡轮36;以及排气区段38。
风扇区段18包括环绕风扇20的风扇外壳40。风扇20包括围绕中心线12径向地安置的多个风扇叶片42。HP压缩机26、燃烧器30以及HP涡轮34形成发动机10的发动机核心44,发动机核心44产生燃烧气体。发动机核心44被核心外壳46环绕,核心外壳46可与风扇外壳40联接。
HP轴或轴管(spool)48(其围绕发动机10的中心线12同轴地安置)使HP涡轮34驱动地连接到HP压缩机26。LP轴或轴管50(其在较大直径的环形HP轴管48内围绕发动机10的中心线12同轴地安置)使LP涡轮36驱动地连接到LP压缩机24和风扇20。轴管48、50可围绕发动机中心线旋转,并且联接到多个可旋转元件,这些可旋转元件可共同地限定转子51。
LP压缩机24和HP压缩机26分别包括多个压缩机级52、54,其中,一组压缩机叶片56、58相对于对应的一组静态压缩机导叶60、62而旋转,以使穿过该级的流体流压缩或加压。在单个压缩机级52、54中,多个压缩机叶片56、58可设成环,并且可相对于中心线12而从叶片平台径向地向外延伸到叶片尖端,而对应的静态压缩机导叶60、62定位于旋转叶片56、58的上游并且定位成与其相邻。注意到,图1中所示出的叶片、导叶以及压缩机级的数量仅出于说明性的目的而选择,且其它数量是可行的。
压缩机的一个级的叶片56、58可安装到盘61,盘61安装到HP轴管48和LP轴管50中的对应的一个,每个级具有其自身的盘61。叶片56、58可冶金地结合到盘61,以形成叶盘90的整体式结构,如图1中所指示的示例位置和结构。叶盘90在制造时可为单件。压缩机的一个级的导叶60、62可以周向布置安装到核心外壳46。
HP涡轮34和LP涡轮36分别包括多个涡轮级64、66,其中,一组涡轮叶片68、70相对于对应的一组静态涡轮导叶72、74(也被称为喷嘴)而旋转,以从穿过该级的流体流提取能量。在单个涡轮级64、66中,多个涡轮叶片68、70可设成环,并且可相对于中心线12而径向地向外延伸,而对应的静态涡轮导叶72、74定位于旋转叶片68、70的上游并且定位成与其相邻。注意到,图1中所示出的叶片、导叶以及涡轮级的数量仅出于说明性的目的而选择,且其它数量是可行的。
涡轮的一个级的叶片68、70可安装到盘71,盘71安装到HP轴管48和LP轴管50中的对应的一个。压缩机的一个级的导叶72、74可以周向布置安装到核心外壳46。
与转子部分互补,发动机10的固定部分(诸如,压缩机区段22和涡轮区段32中的静态导叶60、62、72、74)也单独地或共同地被称为定子63。照此,定子63可指遍及发动机10的非旋转元件的组合。
在操作中,离开风扇区段18的空气流分离,使得空气流的一部分被引导到LP压缩机24中,LP压缩机24然后将加压的空气流76供应到HP压缩机26,HP压缩机26进一步使空气加压。来自HP压缩机26的加压的空气流76在燃烧器30中与燃料混合并且点燃,由此产生燃烧气体。由HP涡轮34从这些气体提取一些功,HP涡轮34驱动HP压缩机26。燃烧气体排放到LP涡轮36中,LP涡轮36提取额外的功,以驱动LP压缩机24,并且,废气最后经由排气区段38来从发动机10排放。LP涡轮36的驱动对LP轴管50进行驱动,以使风扇20和LP压缩机24旋转。
加压的空气流76的一部分可作为放出空气77而从压缩机区段22抽出。放出空气77可从加压的空气流76抽出,并且提供给要求冷却的发动机构件。进入燃烧器30的加压的空气流76的温度显著地提高。照此,由放出空气77提供的冷却对于在升高的温度环境下操作这样的发动机构件是必要的。
空气流78的剩余部分绕过LP压缩机24和发动机核心44,并且在风扇排气侧84处通过包括多个翼型件导叶82的固定导叶排(以及更具体地,出口导叶组件80)而离开涡轮发动机10。更具体地,成周向排的径向地延伸的翼型件导叶82与风扇区段18相邻而利用,以对空气流78施加一定程度的方向控制。
由风扇20供应的空气中的一些可绕过发动机核心44,并且用于发动机10的多部分(尤其是热部分)的冷却,和/或用于使飞行器的其它方面冷却或给其提供动力。在涡轮发动机的情境下,发动机的热部分一般位于燃烧器30(尤其是涡轮区段32)的下游,HP涡轮34为最热部分,因为,HP涡轮34位于燃烧区段28的正下游。其它冷却流体源可为但不限于从LP压缩机24或HP压缩机26排放的流体。
图2示出用于检查涡轮发动机10中的物体的系统98,系统98可包括成像组件或管道镜100、检测模块164、分析模块166以及存储器158。成像组件可包括能够获得并且传递视频图像的任何数量或组合的光学装置。
以非限制性的示例的方式,示出在示例性的叶盘90的检查的期间的管道镜100,叶盘90包括中心毂202和多个翼型件叶片204(诸如,HP压缩机叶片58)。中心毂202和翼型件叶片204可由单块金属形成,并且,翼型件叶片204可冶金地结合到中心毂202,使得叶盘90以单件的形式形成和机加工。叶盘90可由任何可行的材料(诸如,以非限制性的示例的方式,钛基、镍基、钴基或铁基超合金)制成。在以单件的形式机加工时,叶盘90的每个零件可由不同的合金制成或以非限制性的示例的方式而由前面提到的合金的组合制成。应当理解,叶盘90可位于发动机10的任何区段(包括风扇区段18、压缩机区段22或涡轮区段32)中。还预期到,由管道镜检查的物体可包括热障涂层。
翼型件叶片204可包括前缘206和后缘208以及受损部分210;将理解,受损部分210仅用于说明性的目的,并且可位于翼型件叶片204上的任何位置。以非限制性的示例的方式,受损部分210可包括缺失的零件、热障涂层的损失、材料的卷曲部分、破裂的尖端、缺口或翼型件叶片204中的断裂。由于碎片(包括但不限于加压的空气流76中的外物碎片或来自发源于发动机10内的颗粒的内物碎片)而可出现受损部分210。预期到,可在发动机10的常规检查或叶盘90的检查的期间识别受损部分210。
管道镜100可包括细长探头102(其可为柔性的)以及透镜104(其可安装于探头102的第一端102A处)。如所示出的,人工光源108可将光提供给靠近第一端102A和透镜104的区域或空间110。在非限制性的示例中,光源108可定位于探头102的第二端102B处,经由光缆或其它光导件来朝向第一端102A提供光,或光源108可安置于探头102的第一端102A处,以对区域或空间110进行照明。
管道镜100可穿过发动机10内的专用的无照明的封闭导管126、空气流通道或任何其它合适的导管而移动或穿行,其中,导管可提供到达发动机10内的区域(包括但不限于燃烧器30、HP涡轮34、LP涡轮36或叶片或翼型件)的途径,以便检查。在这样的示例中,有可能不需要去除或拆卸发动机10就执行检查过程。
管道镜100可包括成像装置114。成像装置114可包括成像传感器118和处理器120,处理器120能够使入射于成像传感器118上的光转换成电子信号。成像装置114可诸如经由一组光缆122来数据通信地连接到透镜104。透镜104可形成多个光学图像,这些光学图像可由成像装置114收集,以产生视频图像150。视频图像150可包括一个或多个二维图像。
视频图像150可存储于系统98的存储器158中。以非限制性的示例的方式,系统98的存储器158可为用于进一步观察或处理视频图像150的观察仪存储器116。另外,存储于观察仪存储器116中的视频图像150可与控制器160通信。
备选地,视频图像150可存储于控制器存储器162中,以便进一步观察或处理。以非限制性的示例的方式,系统98的存储器158可为控制器存储器162。
管道镜100可将视频图像150传递到控制器160。管道镜与控制器160之间的通信可为但不限于电信号、光信号、声信号、电磁信号、任何其它无线信号处理或感应。控制器160可包括或联接到检测模块164、分析模块166以及控制器存储器162。检测模块164可包括颜色检测能力168。控制器160或控制器存储器162可为计算机或模块的任何一个或多个系统。检测模块164、颜色检测能力168或分析模块166可为一个或多个软件程序或可执行指令。
控制器160可与用户界面170通信。用户界面170可任选地包括屏幕172,屏幕172用于显示在被管道镜100收集或正在被管道镜100收集的视频图像150中出现的物体。
以非限制性的示例的方式,任何计算机硬件、软件、语言或操作系统都可用于执行、支持、构造控制器160、控制器存储器162、用户界面170、屏幕172、模块164、166或颜色检测能力168或与其对接或在其间对接。控制器160、模块164、166、颜色检测能力168、控制器存储器162、用户界面170或屏幕172可为任何已知的计算机系统或计算机系统组合。
另外或备选地,管道镜100可还包括显示器124,显示器124安装到探头102,并且经由能够进行数据传输的适当的布缆(诸如,光缆)来连接到透镜104,其中,视频图像150可通过显示器124而被实时地观察。显示器124可定位于管道镜100内的任何期望的位置中,并且示出为安装到管道镜100的手柄部分128。
图3示出从管道镜100作为二维图像而获得的视频图像150。以非限制性的示例的方式,图3中的视频图像150是翼型件叶片204的一部分的二维图像。
示出在各种位置中的冷却孔212,作为非限制性的示例,并且冷却孔212可在翼型件叶片204上以任何形状、位置或数量出现。以非限制性的示例的方式,第一被识别区域214可示出涂层损失区域,并且,第二被识别区域216可示出裂纹216A。以非限制性的示例的方式,涂层损失区域可为热障涂层损失区域。另外或备选地,第一被识别区域214可为环境屏障涂层损失区域或涂敷到物体的任何其它已知的涂层。
以非限制性的示例的方式,第三被识别区域218可示出热障涂层损失区域218A和裂纹218B两者。预期到,视频图像150可具有任何整数数量的被识别区域(包括零个区域)。
映射网格220以非限制性的示例的方式示出为横过视频图像150的水平虚线和竖直虚线。进一步考虑到,映射网格220可为任何尺寸(包括将考虑视频图像150的每个像素的标度)。还考虑到,映射网格220可为任何对称、不对称或不规则形状。
控制器160可包括可使三维模型转化成二维图像的软件或可执行指令或与其通信。另外或备选地,控制器160可还包括可使二维图像转化成三维模型的软件或可执行指令或与其通信。
至少一个参照点222可被包括在视频图像150中。以非限制性的示例的方式,至少一个参照点222可被控制器160用于提供映射网格220。另外或备选地,至少一个参照点222可被控制器160用于使二维图像转化成三维模型或使三维模型转化成二维图像。
还预期到,至少一个参照点222可用于使图像或模型对准或对其进行校准、识别位置或促成涂层损失区域或任何裂纹的距离、面积或厚度的测量。
图4是至少部分地基于视频图像150的三维模型250的非限制性的示例。以非限制性的示例的方式,当控制器160或用户在视频图像150中识别(一个或多个)物体时,可形成三维模型250。控制器160可加载与所识别的(一个或多个)物体对应的映射网格220。可使用至少一个参照点222来使映射网格220在视频图像150上适当地对准。可使用映射网格220和至少一个参照点222来将信息从视频图像150转移到三维模型。
三维模型250可提供物体中的涂层损失、裂纹的至少一个维度或冷却孔的数量。破损区域可为已通过颜色检测能力168或另一检测装置而识别涂层损失或任何裂纹的任何单个位置、二维区或三维空间。
以非限制性的示例的方式,三维模型250可为可示出第一被识别区域214、第二被识别区域216或第三被识别区域218的位置和维度的CAD文件。
预期到,可将二维图像转移到三维模型的任何软件或硬件都可用于用视频图像150形成三维模型250。
裂纹长度224以非限制性的示例的方式示出第二被识别区域216中的裂纹216A的一个维度的测量结果。可在视频图像150中通过检测模块164的颜色检测能力168而识别裂纹216A(图3)。映射网格220可使用至少一个参照点222来应用于视频图像150。然后,映射网格220可传递到控制器160,控制器160可使用软件或可执行指令来使映射网格220输入转化为三维模型250。三维模型可提供一定长度的裂纹长度224。裂纹长度224可作为使裂纹的一端连接到另一端的相对线性线的长度而测量。备选地,裂纹长度224可为作为裂纹的一部分而在图像中检测到的像素的数量。还预期到,裂纹长度224可为从一端到另一端依随裂纹的轮廓的非线性线的长度。
备选地,预期到,可使用已知的方法来计算裂纹的长度(诸如但不限于使用依随裂纹的形状或周界的多维方法来确定裂纹长度)。
进一步预期到,三维模型250可指示第二被识别区域216中的裂纹的表面面积226。另外或备选地,以非限制性的示例的方式,三维模型250可指示第一被识别区域214的所识别的表面涂层损失的长度230和宽度228,其中,长度230可为最伸展的维度的测量结果,并且,宽度228可与长度正交,表示第二维度上的最大伸展。备选地,面积可作为像素数量而测量或使用其它已知的面积维度估计技术来计算。
图5示出用于检查容纳于腔内的带涂层物体的方法300。该腔可为可由可拦截或限制通往带涂层物体的视线的壳体、构件或其它结构限定的以任何方式结构化或制造的通道或间隙。该腔可联接到导管126。任选地,在302,成像装置或管道镜100可穿过专用的无照明的封闭导管126、空气流通道或任何其它合适的导管而移动或穿行。管道镜100是承载透镜的成像组件或探头的非限制性的示例。管道镜100可继续穿过封闭导管126、空气流通道或任何其它合适的导管而移动,直到管道镜100位于容纳待成像的带涂层物体的腔中或其附近为止。
在304,管道镜100可采集联接到导管126的腔中的带涂层物体的视频图像150。来自管道镜的视频图像150可传递到控制器160的检测模块164。在306,检测模块164配置成在视频图像150中识别带涂层物体的涂层损失和任何裂纹。检测模块164可至少包括颜色检测能力168。颜色检测能力168至少识别涡轮发动机10的一个或多个带涂层物体上的涂层损失或任何裂纹。颜色检测能力168可基于对类似像素进行分组。像素可基于像素颜色或位置中的至少一个而被认为是类似的,并且因此分组。
以非限制性的示例的方式,颜色检测能力168可通过涂层算法而将第一被识别区域214和热障涂层损失区域218A识别为涂层损失区域或破损区域。以非限制性的示例的方式,涂层算法可使用表示涂层损失的选定颜色范围来检测来自视频图像150的落入选定颜色范围内的像素。视频图像150可在颜色方面进行分段,以便类似像素的分组产生可表示涂层损失区域的不规则形状(或“斑点”)。涂层算法中的滤波丢弃低于预定的面积阈值的不规则形状,并且去除分段噪声。所识别的涂层损失区域(其以非限制性的示例的方式示出为第一被识别区域214和热障涂层损失区域218A)的像素被标记。
以非限制性的示例的方式,颜色检测能力168可通过裂纹算法而识别第二被识别区域216和裂纹218B。裂纹算法可使视频图像150转换成灰度,其中,强度被检验并且提高。然后,视频图像150通过阈值化过程而循环,并且反转。以非限制性的示例的方式,裂纹算法中的滤波可通过检验线性度或纵横比而消除噪声。任选地,滤波还可基于所检测到的像素之间的距离而消除噪声。裂纹的被识别区域(其以非限制性的示例的方式示出为第二被识别区域216和裂纹218B)的像素被标记。
分析模块166可配置成测量在物体中识别的裂纹的长度。另外或备选地,分析模块166可配置成测量物体中的所识别的裂纹的表面面积。另外或备选地,分析模块166可配置成测量所识别的涂层损失的长度和宽度。
任选地,在310,可使用分析模块166来将所采集的视频图像150映射到三维模型250。以非限制性的示例的方式,映射过程以从控制器存储器162再次调用的数字三维模型开始。至少一个参照点222可用于使视频图像150和数字三维模型的取向匹配。映射(其以非限制性的示例的方式示出为映射网格220)从数字三维模型形成并且应用于视频图像150(图3)。在视频图像150上标记的像素或区域通过映射网格220而获得,并且传递到控制器160,使得形成示出第一被识别区域214、第二被识别区域216或第三被识别区域218的三维模型250(图4)。
三维模型250可提供物体中的涂层损失、裂纹的至少一个维度或破损区域中的冷却孔的数量。以非限制性的示例的方式,通过分析模块166而产生的三维模型250可提供第二被识别区域216中的裂纹的裂纹长度224或表面面积226的测量结果。另外或备选地,以非限制性的示例的方式,通过分析模块166而产生的三维模型250可提供第一被识别区域214中的涂层损失的长度230和宽度228的测量结果。裂纹长度224或表面面积226或长度230或宽度228可作为线性测量、曲线测量方法或任何其它已知的测量方法而测量。
作为310的补充或作为其备选,分析模块166还可转换在视频图像150中标记的像素的数量,以确定物体中的涂层损失、裂纹的至少一个维度或破损区域中的冷却孔的数量的测量结果。
进一步预期到,第一被识别区域214、第二被识别区域216或第三被识别区域218的额外的测量结果也可由分析模块166测量。
在312,分析模块166可分配在视频图像150中采集的物体的破损等级。破损等级可基于视频图像150中的物体中的涂层损失和裂纹的至少一个维度或优选地两个维度。在图6中进一步讨论在312进行的破损等级的分配。在314,存储视频图像150中的每个物体的破损等级。另外,还可针对每个物体而保存视频图像150或三维模型250。
预期到,腔可容纳不止一个待成像的带涂层物体。进一步预期到,虽然所采集的视频图像可包含不止一个带涂层物体,但涂层损失和任何裂纹的识别以及破损等级的分配对于每个带涂层物体是唯一的。
图6示出用于将破损等级分配给涡轮发动机10中的物体的评级方法400。以非限制性的示例的方式,我们将考虑翼型件叶片204的在视频图像150和三维模型250(图3和图4)中示出的部分的破损等级。
在402,确定物体的涂层损失的至少一个维度。维度可为但不限于破损区域中的冷却孔的面积、长度、宽度、深度、数量或其中的组合。深度可为但不限于与物体表面正交并且从物体表面到最内部分而延伸到物体中的测量结果。
对于非限制性的示例;在402,假设受到涂层损失的影响的破损区域中的冷却孔的数量为所确定的维度。在第一被识别区域214中;五个冷却孔经历某种程度的涂层损失。另外,在第三被识别区域218中,再多三个冷却孔经历涂层损失。因此,翼型件叶片204的在视频图像150和三维模型250(图3和图4)中示出的部分具有经历某种程度的涂层损失的八个冷却孔的所确定的维度。
进一步预期到,可考虑一个或多个维度、测量或性质并且使其组合,以产生在402确定的涂层损失的一个或多个维度。另外,可存在数学加权或使分配给在确定维度时考虑的维度、测量或方面的数组合的其它已知方法。可在至少一个维度的确定中考虑的测量或方面可包括但不限于经历涂层损失的物体的百分比、涂层损失区域之间的距离或涂层损失位置。
在404,确定任何裂纹的至少一个维度。维度可为但不限于破损区域中的冷却孔的面积、长度、宽度、深度、数量或其中的组合。对于非限制性的示例,我们将考虑如通过三维模型250而确定的任何裂纹的长度。在第二被识别区域216中;考虑裂纹216A的裂纹长度224为2.00英寸。另外,在第三被识别区域218中,考虑裂纹218B具有长度2.25英寸。翼型件叶片204 的在视频图像150和三维模型250(图3和图4)中示出的部分示出总共长度为4.25英寸的开裂。
任选地,在406,(一个或多个)物体的额外的维度可由用户确定或输入或被控制器160再次调用。额外的维度可包括但不限于先前的维修或更换的位置、一个或多个物体的使用年限或从类似的物体收集的趋势数据中的一个或多个。
在408,通过利用任何已知的方法来使涂层损失的至少一个维度和任何裂纹的至少一个维度组合而计算破损等级。任选地,通过使用任何已知的方法来使涂层损失的至少一个维度、任何裂纹的至少一个维度以及任何额外的维度组合而计算破损等级。
以非限制性的示例的方式,假设经历热障涂层损失的八个冷却孔的维度与等级3对应并且开裂的4.25英寸的维度与等级7对应。3和7的组合可为10,得到破损等级10。
备选地,如果开裂的维度等级的权重为两倍,则等级3和等级7的组合可得到破损等级17。
分配破损等级的另一非限制性的示例可为视频图像150中的翼型件叶片204仅具有第一被识别区域214的情况。在402,所确定的维度可指示五个冷却孔受到热障涂层损失的影响。在404,所确定的维度可指示叶片中的零英寸的开裂。当在408组合时,五个冷却孔受到热障涂层损失的影响可与等级2对应,而零英寸的开裂可与等级零对应。基于在402和404确定的维度的组合等级可得到破损等级2。
分配破损等级的又另一非限制性的示例可为视频图像150中的翼型件叶片204仅具有第二被识别区域216的情况。在402,所确定的维度可指示零个冷却孔受到热障涂层损失的影响。在404,所确定的维度可指示叶片中的二英寸的开裂。当在408组合时,零个冷却孔受到热障涂层损失的影响可与等级0对应,而二英寸的开裂可与等级3对应。基于在402和404确定的维度的组合等级可得到破损等级3。
分配破损等级的再又另一非限制性的示例可为视频图像150中的翼型件叶片204仅具有第三被识别区域218的情况。在402,第一维度可指示三个冷却孔受到热障涂层损失的影响。在404,所确定的维度可指示叶片中的2.25英寸的开裂。当在408组合时,三个冷却孔受到热障涂层损失的影响可与等级2对应,而2.75英寸的开裂可与等级4对应。基于在402和404确定的维度的组合等级可得到破损等级6。
还预期到,如果翼型件叶片204不具有任何被识别的热障涂层损失区域并且不包含裂纹,则破损等级为零。
本公开的一个益处是破损等级可有助于用户不必分析视频图像,就确定涡轮发动机10中的一个或多个物体是否需要维修或更换。
本公开的另一益处是通过将所采集的视频图像映射到可与破损等级一起形成且保存的数字地存储的三维模型(诸如,CAD)上而产生的三维模型。这允许用户精确地获知物体的什么部分包含涂层损失或裂纹。这还允许用户测量被识别区域的各种各样的方面。
又另一优点是针对涡轮发动机的每个零件而获得的数据。特定的涡轮发动机的数据可被保存并且用于监视涡轮发动机的零件。
所存储的与破损等级有关的数据和视频图像或三维模型还可用于研究在涡轮发动机中使用的材料。可建立涂层损失或扩张的裂纹的所需要的维修或时间线的预测。
应当理解,所公开的设计的应用不限于带有风扇区段和增压器区段的涡轮发动机,而是同样地适用于涡喷发动机和涡轴发动机。
在尚未描述的范围内,可如期望的那样将各种实施例的不同的特征和结构彼此组合或替代而使用。未在所有的实施例中都示出一个特征不旨在被解释为该特征不能如此示出,而是为了使描述简洁而这样做。因而,可如期望的那样使不同的实施例的各种特征混合并且匹配,从而形成新的实施例,无论是否明确地描述新的实施例。本公开涵盖本文中所描述的特征的所有的组合或置换。
本书面描述使用示例来公开本发明,包括最佳模式,并且还使本领域任何技术人员都能实践本发明(包括制作并使用任何装置或系统和执行任何合并的方法)。本发明的专利范围由权利要求书定义,并且可包括本领域技术人员所想到的其它示例。如果这样的其它示例具有并非与权利要求书的字面语言不同的结构元件,或如果这样的其它示例包括带有与权利要求书的字面语言的非实质性差异的等同的结构元件,则这样的其它示例旨在落在权利要求书的范围内。
本发明的另外的方面由以下条款的主题提供:
1. 一种用于检查物体的系统,包括:成像组件,其用于获得具有涂层的所述物体的视频图像;检测模块,其配置成在所述视频图像中至少识别所述物体中的涂层损失和任何裂纹的标识;分析模块,其配置成基于所述物体中的所述涂层损失和任何裂纹在所述视频图像中的所述标识而至少分配所述物体的破损等级;以及存储器,其用于至少存储所述视频图像中的每个物体的所述破损等级。
2. 根据任何前述条款所述的系统,其中,所述物体是涡轮发动机的构件。
3. 根据任何前述条款所述的系统,其中,所述成像组件包括用于获得无照明的封闭导管内的所述视频图像的管道镜,所述管道镜包括:细长探头,其具有在所述细长探头的第一端处位于所述封闭导管内的透镜;人工光源,其对所述封闭导管内的靠近所述透镜的空间进行照明;以及与所述透镜进行数据通信的成像装置,其使来自所述透镜的光转换成所述物体的所述视频图像。
4. 根据任何前述条款所述的系统,其中,所述涂层可为热障涂层或环境涂层之一。
5. 根据任何前述条款所述的系统,其中,所述检测模块进一步至少包括颜色检测能力。
6. 根据任何前述条款所述的系统,其中,所述颜色检测能力基于类似像素的分组。
7. 根据任何前述条款所述的系统,其中,所述类似像素的分组基于像素颜色或位置中的至少一个。
8. 根据任何前述条款所述的系统,其中,所述分析模块配置成测量在所述物体中识别的任何裂纹的长度。
9. 根据任何前述条款所述的系统,其中,所述分析模块配置成测量所述物体中的任何所识别的裂纹的表面面积。
10. 根据任何前述条款所述的系统,其中,所述分析模块配置成测量所识别的涂层损失的长度和宽度。
11. 根据任何前述条款所述的系统,其中,所述分析模块配置成将所述视频图像映射到三维模型。
12. 根据任何前述条款所述的系统,其中,所述破损等级基于所述物体中的涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量。
13. 根据任何前述条款所述的系统,其中,所述至少两个维度中的至少一个维度是面积、长度、宽度、深度或所述破损区域中的冷却孔数量之一。
14. 一种用于检查涡轮发动机的发动机构件的系统,所述系统包括:至少一个涡轮发动机构件,其具有带涂层表面;成像组件,其用于获得所述至少一个涡轮发动机构件的所述带涂层表面的视频图像;检测模块,其配置成在所述视频图像中至少识别所述至少一个涡轮发动机构件中的涂层损失和任何裂纹的标识;分析模块,其配置成基于所述至少一个涡轮发动机构件中的所述涂层损失和任何裂纹在所述视频图像中的所述标识而至少分配所述至少一个涡轮发动机构件的破损等级;以及存储器,其用于至少存储所述视频图像中的所述至少一个涡轮发动机构件的所述破损等级。
15. 根据任何前述条款所述的系统,其中,所述成像组件包括用于获得无照明的封闭导管内的所述视频图像的管道镜,所述管道镜包括:细长探头,其具有在所述细长探头的第一端处位于所述封闭导管内的透镜;人工光源,其对所述封闭导管内的靠近所述透镜的空间进行照明;以及与所述透镜进行数据通信的成像装置,其使来自所述透镜的光转换成所述至少一个涡轮发动机构件的所述视频图像。
16. 根据任何前述条款所述的系统,其中,所述涂层可为热障涂层或环境涂层之一。
17. 根据任何前述条款所述的系统,其中,所述分析模块配置成将所述视频图像映射到三维模型。
18. 根据任何前述条款所述的系统,其中,所述破损等级基于所述至少一个涡轮发动机构件中的涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量。
19. 根据任何前述条款所述的系统,其中,所述至少一个涡轮发动机构件包括叶片、导叶、护罩或燃烧器中的至少一个。
20. 一种用于检查容纳于腔内的带涂层物体的方法,所述方法包括:采集所述腔中的所述带涂层物体的视频图像;在采集的视频图像中识别所述带涂层物体的涂层损失和任何裂纹;基于所述视频图像中的所识别的涂层损失和任何裂纹而分配所述带涂层物体的破损等级;以及存储所述视频图像中的带涂层物体的所述破损等级。
21. 根据任何前述条款所述的方法,其中,所述视频图像的所述采集进一步包括将承载透镜的探头插入到导管中。
22. 根据任何前述条款所述的方法,其中,所述在采集的视频图像中识别所述一个带涂层物体的涂层损失和任何裂纹进一步包括颜色检测能力。
23. 根据任何前述条款所述的方法,其中,所述颜色检测能力使用像素颜色或位置中的至少一个来对类似像素进行分组。
24. 根据任何前述条款所述的方法,进一步包括将采集的视频图像映射到三维模型。
25. 根据任何前述条款所述的方法,其中,所述三维模型提供所述带涂层物体中的所述涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量。
26. 根据任何前述条款所述的方法,进一步包括基于所述带涂层物体中的涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量而分配所述破损等级。
Claims (10)
1.一种用于检查物体的系统,包括:
成像组件,其用于获得具有涂层的所述物体的视频图像;
检测模块,其配置成在所述视频图像中至少识别所述物体中的涂层损失和任何裂纹的标识;
分析模块,其配置成基于所述物体中的所述涂层损失和任何裂纹在所述视频图像中的所述标识而至少分配所述物体的破损等级;以及
存储器,其用于至少存储所述视频图像中的每个物体的所述破损等级。
2.根据权利要求1所述的系统,其特征在于,所述物体是涡轮发动机的构件。
3.根据权利要求1所述的系统,其特征在于,所述成像组件包括用于获得无照明的封闭导管内的所述视频图像的管道镜,所述管道镜包括:细长探头,其具有在所述细长探头的第一端处位于所述封闭导管内的透镜;人工光源,其对所述封闭导管内的靠近所述透镜的空间进行照明;以及与所述透镜进行数据通信的成像装置,其使来自所述透镜的光转换成所述物体的所述视频图像。
4.根据权利要求1所述的系统,其特征在于,所述涂层可为热障涂层或环境涂层之一。
5.根据权利要求1所述的系统,其特征在于,所述检测模块进一步至少包括颜色检测能力。
6.根据权利要求1所述的系统,其特征在于,所述分析模块配置成测量在所述物体中识别的任何裂纹的长度或表面面积。
7.根据权利要求1所述的系统,其特征在于,所述分析模块配置成测量所识别的涂层损失的长度和宽度。
8.根据权利要求1所述的系统,其特征在于,所述分析模块配置成将所述视频图像映射到三维模型。
9.根据权利要求1所述的系统,其特征在于,所述破损等级基于所述物体中的涂层损失、任何裂纹的至少两个维度或破损区域中的冷却孔的数量。
10.根据权利要求12所述的系统,其特征在于,所述至少两个维度中的至少一个维度是面积、长度、宽度、深度或所述破损区域中的冷却孔数量之一。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/132904 | 2018-09-17 | ||
US16/132,904 US11010887B2 (en) | 2018-09-17 | 2018-09-17 | Automated distress ranking system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110907449A true CN110907449A (zh) | 2020-03-24 |
Family
ID=67988925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910875823.1A Pending CN110907449A (zh) | 2018-09-17 | 2019-09-17 | 自动破损评级系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11010887B2 (zh) |
EP (1) | EP3623788B1 (zh) |
CN (1) | CN110907449A (zh) |
SG (1) | SG10201908132PA (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814232A (zh) * | 2020-06-29 | 2020-10-23 | 万翼科技有限公司 | 设备管理方法及相关设备 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018209609A1 (de) * | 2018-06-14 | 2019-12-19 | MTU Aero Engines AG | Inspektionsverfahren und System |
DE102019201164A1 (de) * | 2019-01-30 | 2020-07-30 | Siemens Aktiengesellschaft | Verfahren zum Erfassen einer aus einem ersten Werkstoff gebildeten Beschichtung eines Bauteils, insbesondere einer Maschine |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256157A (zh) * | 2008-03-26 | 2008-09-03 | 广州中国科学院工业技术研究院 | 表面缺陷检测方法、装置 |
CN102589843A (zh) * | 2010-12-22 | 2012-07-18 | 通用电气公司 | 用于旋转机械在线监测的系统和方法 |
CN203069529U (zh) * | 2013-02-05 | 2013-07-17 | 济南大学 | 一种检测钢球表面缺陷的新型光纤传感器 |
CN103472066A (zh) * | 2013-09-10 | 2013-12-25 | 浙江中烟工业有限责任公司 | 一种rfid物流平托盘可续用性全自动检测系统及方法 |
US20150241309A1 (en) * | 2014-02-27 | 2015-08-27 | Pratt & Whitney Canada Corp. | Component of a gas turbine engine and method of detecting a crack therein |
CN105408069A (zh) * | 2013-07-23 | 2016-03-16 | 通用电气公司 | 管道镜操纵调整系统和方法 |
CN205103886U (zh) * | 2015-11-03 | 2016-03-23 | 苏交科集团股份有限公司 | 一种钢结构防腐涂层的损伤识别系统 |
US20160155015A1 (en) * | 2013-12-17 | 2016-06-02 | General Electric Company | Method and device for automatically identifying a point of interest on a viewed object |
US20170090458A1 (en) * | 2015-09-29 | 2017-03-30 | General Electric Company | Methods and systems for network-based detection of component wear |
US20180080881A1 (en) * | 2016-09-22 | 2018-03-22 | SSAB Enterprises, LLC | Methods and systems for the quantitative measurement of internal defects in as-cast steel products |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL131092A (en) | 1999-07-25 | 2006-08-01 | Orbotech Ltd | Optical inspection system |
US20020128790A1 (en) | 2001-03-09 | 2002-09-12 | Donald Woodmansee | System and method of automated part evaluation including inspection, disposition recommendation and refurbishment process determination |
US20040002275A1 (en) | 2002-06-28 | 2004-01-01 | Niranjan Thakore | Fabric reinforced rubber product |
US7010987B2 (en) | 2002-10-31 | 2006-03-14 | Alstom (Switzerland) Ltd | Non-destructive method of detecting defects in braze-repaired cracks |
US20040183900A1 (en) | 2003-03-20 | 2004-09-23 | Everest Vit | Method and system for automatically detecting defects in remote video inspection applications |
JP2006038582A (ja) | 2004-07-26 | 2006-02-09 | Dainippon Screen Mfg Co Ltd | 画像の領域分割による欠陥の検出 |
US7606409B2 (en) * | 2004-11-19 | 2009-10-20 | Hitachi High-Technologies Corporation | Data processing equipment, inspection assistance system, and data processing method |
US7653235B2 (en) | 2005-10-27 | 2010-01-26 | Honeywell International Inc. | Surface anomaly detection system and method |
US7689003B2 (en) * | 2006-03-20 | 2010-03-30 | Siemens Energy, Inc. | Combined 2D and 3D nondestructive examination |
US8131107B2 (en) | 2008-05-12 | 2012-03-06 | General Electric Company | Method and system for identifying defects in NDT image data |
KR20100034507A (ko) | 2008-09-24 | 2010-04-01 | 한국전력공사 | 가스터빈 버킷의 코팅층 건전성 평가방법 |
US8602722B2 (en) | 2010-02-26 | 2013-12-10 | General Electric Company | System and method for inspection of stator vanes |
US10019812B2 (en) | 2011-03-04 | 2018-07-10 | General Electric Company | Graphic overlay for measuring dimensions of features using a video inspection device |
DE102011114541A1 (de) | 2011-09-30 | 2013-04-04 | Lufthansa Technik Ag | Endoskopiesystem und korrespondierendesVerfahren zur Untersuchung von Gasturbinen |
US8744166B2 (en) | 2011-11-03 | 2014-06-03 | United Technologies Corporation | System and method for multiple simultaneous automated defect detection |
US8792705B2 (en) | 2011-11-03 | 2014-07-29 | United Technologies Corporation | System and method for automated defect detection utilizing prior data |
US9471057B2 (en) | 2011-11-09 | 2016-10-18 | United Technologies Corporation | Method and system for position control based on automated defect detection feedback |
US8781210B2 (en) | 2011-11-09 | 2014-07-15 | United Technologies Corporation | Method and system for automated defect detection |
US20130179356A1 (en) | 2012-01-05 | 2013-07-11 | General Electric Company | Method and system for maintenance of turbomachinery |
US10504218B2 (en) | 2015-04-21 | 2019-12-10 | United Technologies Corporation | Method and system for automated inspection utilizing a multi-modal database |
GB201518322D0 (en) * | 2015-10-16 | 2015-12-02 | Rolls Royce Plc | A method for classifying a defect in a component intended to have a monocrystalline |
US9747683B2 (en) | 2015-12-21 | 2017-08-29 | General Electric Company | Methods and systems for detecting component wear |
US10920590B2 (en) | 2016-06-30 | 2021-02-16 | General Electric Company | Turbine assembly maintenance methods |
US20180033129A1 (en) | 2016-07-28 | 2018-02-01 | United Technologies Corporation | Systems and methods for indexing and detecting components |
US20180173213A1 (en) | 2016-12-15 | 2018-06-21 | Solar Turbines Incorporated | Assessment of industrial machines |
US20180211336A1 (en) | 2017-01-23 | 2018-07-26 | United Technologies Corporation | Classification of Gas Turbine Engine Components and Decision for Use |
US10054552B1 (en) * | 2017-09-27 | 2018-08-21 | United Technologies Corporation | System and method for automated fluorescent penetrant inspection |
US11268881B2 (en) * | 2018-05-04 | 2022-03-08 | Raytheon Technologies Corporation | System and method for fan blade rotor disk and gear inspection |
US10958843B2 (en) * | 2018-05-04 | 2021-03-23 | Raytheon Technologies Corporation | Multi-camera system for simultaneous registration and zoomed imagery |
-
2018
- 2018-09-17 US US16/132,904 patent/US11010887B2/en active Active
-
2019
- 2019-09-04 SG SG10201908132PA patent/SG10201908132PA/en unknown
- 2019-09-17 EP EP19197733.9A patent/EP3623788B1/en active Active
- 2019-09-17 CN CN201910875823.1A patent/CN110907449A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256157A (zh) * | 2008-03-26 | 2008-09-03 | 广州中国科学院工业技术研究院 | 表面缺陷检测方法、装置 |
CN102589843A (zh) * | 2010-12-22 | 2012-07-18 | 通用电气公司 | 用于旋转机械在线监测的系统和方法 |
CN203069529U (zh) * | 2013-02-05 | 2013-07-17 | 济南大学 | 一种检测钢球表面缺陷的新型光纤传感器 |
CN105408069A (zh) * | 2013-07-23 | 2016-03-16 | 通用电气公司 | 管道镜操纵调整系统和方法 |
CN103472066A (zh) * | 2013-09-10 | 2013-12-25 | 浙江中烟工业有限责任公司 | 一种rfid物流平托盘可续用性全自动检测系统及方法 |
US20160155015A1 (en) * | 2013-12-17 | 2016-06-02 | General Electric Company | Method and device for automatically identifying a point of interest on a viewed object |
US20150241309A1 (en) * | 2014-02-27 | 2015-08-27 | Pratt & Whitney Canada Corp. | Component of a gas turbine engine and method of detecting a crack therein |
US20170090458A1 (en) * | 2015-09-29 | 2017-03-30 | General Electric Company | Methods and systems for network-based detection of component wear |
CN205103886U (zh) * | 2015-11-03 | 2016-03-23 | 苏交科集团股份有限公司 | 一种钢结构防腐涂层的损伤识别系统 |
US20180080881A1 (en) * | 2016-09-22 | 2018-03-22 | SSAB Enterprises, LLC | Methods and systems for the quantitative measurement of internal defects in as-cast steel products |
Non-Patent Citations (1)
Title |
---|
艾延廷 等: "《航空发动机状态监测与故障诊断技术》", 北京理工大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111814232A (zh) * | 2020-06-29 | 2020-10-23 | 万翼科技有限公司 | 设备管理方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
US20200090315A1 (en) | 2020-03-19 |
EP3623788A1 (en) | 2020-03-18 |
EP3623788B1 (en) | 2023-05-17 |
US11010887B2 (en) | 2021-05-18 |
SG10201908132PA (en) | 2020-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2597273B1 (en) | An apparatus and a method of inspecting a turbomachine | |
EP3182102B1 (en) | System and method for inspecting turbine blades | |
EP3623788B1 (en) | Automated distress ranking system | |
CN106996740B (zh) | 用于将探头定位于燃气涡轮发动机内的系统及方法 | |
US8570505B2 (en) | One-dimensional coherent fiber array for inspecting components in a gas turbine engine | |
US11054341B2 (en) | Inspection system | |
US11467100B2 (en) | Imaging element for a borescope | |
EP3667021A2 (en) | Determining a moment weight of a component based on measured surface geometry/solid model of the component | |
US10196922B2 (en) | System and method for locating a probe within a gas turbine engine | |
US20200049564A1 (en) | Systems and methods for thermal imaging systems | |
CN111443102A (zh) | 检测单个晶体结构中的异常的方法 | |
EP3647534A1 (en) | Turbine component performance inspection sleeve and method of inspecting engine component | |
GB2493770A (en) | Determining the position and orientation of a remote end of a boroscope | |
US11913345B2 (en) | System and method of using a tool assembly | |
US20240159162A1 (en) | System and method of using a tool assembly | |
EP4276276A1 (en) | Visual inspection method of airfoil tips of a bladed rotor | |
Otobe et al. | Blade vibration visualization of dual volute turbine with vaned nozzle by using high speed Digital Image Correlation | |
Ohnesorge | Integrated endoscopy—bridging the gap between diagnosis and action |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |