CN113670958B - 一种基于x射线线衰减系数差异的燃气轮机叶片缺陷辨别方法 - Google Patents

Abstract

本发明公开了一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法，通过形态学和线衰减系数结合的方法，首先通过对缺陷外形形状因子λ的计算区分出裂纹和疏松缺陷；在形态难以区分的情况下通过计算未知种类缺陷区域和背景区域的线性平均灰度值，背景区域的线性平均灰度值的标准差，求得该缺陷区域相对于X射线的线衰减系数，由于在射线能量一定的情况下，线衰减系数只与吸收体本身材料性质有关，通过计算缺陷区域线衰减系数与叶片本身的线衰减系数的对比，完成对气孔和夹渣缺陷的区分，判断出该缺陷区域内缺陷的种类，最终实现对燃气轮机四大常见缺陷的精确分类。

Description

一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别 方法

技术领域

本发明属于工业射线无损检测领域，涉及一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法。

背景技术

燃气轮机是目前世界上最为先进和复杂的高端动力装备，是一个国家综合国力、工业基础和科技水平的集中体现。构成透平部件的高温叶片(以下简称“叶片”)是在燃气轮机上大量采用的复杂气动零件，服役的叶片需要在高速旋转(可达3600转/分)的同时与高温(可达1600℃)、高压(可达1600kPa)的燃气相互作用并承受巨大的载荷，极端恶劣的服役环境和超高的工作载荷导致缺陷的急剧生长。

燃气轮机叶片制造通常采用精密铸造成型工艺，如图1所示，内部形成的缺陷主要以疏松(a)、夹渣(b)、气孔(c)、裂纹(d)的形式存在。疏松指铸件最后凝固的区域由于没有足够的金属液而形成的细小密集的孔洞缺陷，一般在透照图像上呈现细小而密集的特征。夹渣指金属液内的杂质所形成的缺陷，一般在透照图像上呈现不规则的形状；气孔指在铸件在凝固过程中由于气体没有及时排出而在内部形成的空腔，一般在透照图像上呈现圆形或者椭圆形；裂纹指在铸件凝固过程中由于应力过大出现的断裂缺陷，一般在透照图像上呈现轮廓分明的黑线，有分叉和锯齿。

不同种类的缺陷对燃气轮机整机的工作性能、使用寿命以及运行的安全可靠性影响不同，武断地将其统归为缺陷并不合理。因此研究叶片缺陷辨别，针对不同种类缺陷采用相应的补救处理，对提高我国燃气轮机检测水平、增强燃气轮机经济效益，完善燃气轮机状态检测具有重大而深远的战略意义。

由于叶片材料的特殊性和其表面形状的复杂性件，通常对其采用基于X射线的无损检测方法，通过X射线对叶片进行透照，借助胶片或数字探测器成像对物体内部特征进行直观地成像，实现对叶片缺陷的检测。该方法具有成像分辨率高、灵敏度高、直观可靠，效率高和成本低的优点。

此方法本质上是将叶片沿透照方向进行投影成像，仅能够显示出缺陷在垂直于透照方向的投影平面内的二维形状信息，通过形状信息可轻松判断出裂纹缺陷和疏松缺陷，却无法对气孔和夹渣这两种类型缺陷进行有效区分。

发明内容

针对现有技术存在的不足，本发明目的在于提供一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法，实现对燃气轮机叶片缺陷的精确辨别和分类。

为了实现上述目的，本发明采用以下技术方案：

一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法，包括以下步骤：

步骤一、通过所探测叶片的材料组分和美国国家标准技术研究所XCOM数据库，结合混合物总的质量衰减系数求解公式，计算出叶片的质量衰减系数，再除以叶片的密度，获得叶片的线衰减系数μ₁；

步骤二、使用数字射线无损检测系统透射被测叶片，信息由辐射平板探测器接收，经过光电转换和模数转换最终成像并存储在计算机中，得到叶片透照图像；

步骤三、对透照图片采用自适应加权均值滤波去除存在的高斯噪声，使用自适应阈值的Canny边缘检测方法实现边缘的初步提取；观察所提取的缺陷仍然存在少量干扰，再通过形态学开闭操作使得图像失真最小化；

步骤四、定义图像缺陷形状因子λ的计算公式如下：

式中：m为检测图像中连通域的个数；n为缺陷连通区域像素点的总个数；f(i，j)、f(i-1，j)、f(i+1，j)为缺陷连通区域不同像素点(i，j)的灰度值；

通过透照图像结合形状因子λ判断出裂纹类缺陷和疏松类缺陷；

步骤五、定义图像质量评价指标对比度噪声比CNR和信噪比SNR：

式中：所提取的缺陷区域为Ω，获取该缺陷区域的最小外接圆区域记作Ω０，区域Ω1＝Ω0-Ω，S、S1分别为Ω区域和Ω1区域内的平均线性灰度值，SD₁为Ω1区域内线性灰度值的标准差；

所述步骤二中，平板探测器的线性响应区间灰度差与背景的灰度值之比近似等于射线强度差与初始强度之比：

式中，ΔS为灰度差，ΔI为射线强度差，ΔT为缺陷厚度，I为Ω区域的射线强度，N为散射比；

则有

根据图像信息分别求出CNR和SNR的数值后，获取缺陷的线衰减系数μ₂，根据μ₂的结果与步骤一得到的叶片线衰减系数μ₁进行对比，分辨出气孔缺陷和夹渣缺陷。

进一步，所述步骤一中叶片质量衰减系μ_m和线衰减系数μ₁用下式计算得到：

其中，μ_m1-μ_mn是不同材料的质量衰减系数，W₁-W_n是对应材料所占的质量分数，ρ_总为叶片密度。

进一步，所述步骤三中采用自适应加权均值滤波去除存在的高斯噪声，滤波器Ψ权重由邻域内像素与中心像素点的灰度差异g_differ和距离值l_differ决定；

灰度差异g_differ和距离值l_differ计算公式如下：

Ψ_(m，n)＝gdiffer_(m，n)×ldiffer_(m，n)

式中，Ψ_(m，n)为不同像素处的权重值；

对滤波器Ψ归一化处理，若当前像素点为f_(x，y)，则处理后的灰度值g_(x，y)计算公式为：

本发明基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法，通过形态学和线衰减系数结合的方法，首先通过对缺陷外形形状因子λ的计算区分出裂纹和疏松缺陷；在形态难以区分的情况下通过计算未知种类缺陷区域和背景区域的线性平均灰度值，背景区域的线性平均灰度值的标准差，求得该缺陷区域相对于X射线的线衰减系数，由于在射线能量一定的情况下，线衰减系数只与吸收体本身材料性质有关，通过计算缺陷区域线衰减系数与叶片本身的线衰减系数的对比，完成对气孔和夹渣缺陷的区分，判断出该缺陷区域内缺陷的种类，最终实现对燃气轮机四大常见缺陷的精确分类。

本发明综合考虑了燃气轮机叶片检测应用中对成本、效率以及精度等方面的要求，解决了目前数字射线无损检测技术在缺陷分类获取上存在的不足。

附图说明

图1为常见的缺陷类型示意图

图2为平板探测器灰度和射线强度的理想响应曲线

图3为缺陷分类检测技术流程图

图4为数字射线无损检测系统示意图

图5为透照叶片的图像处理流程图

具体实施方式

以下结合实施例对本发明的具体内容做进一步详细解释说明。

如图1所示，叶片在精密铸造中内部缺陷常以气孔、裂纹、疏松、夹渣的形式存在。四种缺陷中，疏松缺陷和裂纹缺陷外形差异较大易于区分，夹渣缺陷和气孔缺陷通过形态很难判别，但两者对X射线的衰减性有着较大的差异，可通过求解衰减系数能够快速对两者进行区分。

如图3所示，燃气轮机叶片的缺陷分类整体流程，如下：

首先、计算出叶片本身对X射线的衰减系数，以实验所用叶片IN738LC镍基高温合金为例，通过美国国家标准技术研究所(NIST)的XCOM参考数据库得到上述元素在实验室工况下的质量衰减系数，叶片总体质量衰减系数μ_m和线衰减系数μ₁可用下式计算：

其中μ_m1-μ_mn是不同材料的质量衰减系数，W₁-W_n是对应材料所占的质量分数，ρ_总为叶片密度，具体数据如表1和表2所示。

表1 IN738LC镍基高温合金各化学组分质量分数

表2 IN738LC镍基高温合金各化学组分相应的质量衰减系数cm^2/g

其次、获取叶片透照图像，阴极灯丝在电流加热下产生热电子，热电子在200KV管电压的加速下轰击阳极靶物质，产生X射线透射被测叶片被辐射探测器接收，经过光电转换和模数转换最终成像并存储在计算机中，具体的数字射线检测系统如图4所示，包括射电管1，射电激发系统2，阳极3，阳极靶4，阴极5，夹持的燃气轮机叶片6，平板探测器7，数据采集系统8，转台控制系统9，基底10，计算器11。

如图5所示，第三、接下来对透照图片进行处理，对透照图片采用自适应加权均值滤波去除存在的高斯噪声；使用自适应阈值的Canny边缘检测实现边缘的初步提取；观察所提取的缺陷仍然存在少量干扰，再通过形态学开闭操作使得图像失真最小化。

采用自适应加权均值滤波去除存在的高斯噪声，权重ω由邻域内像素与中心像素点的灰度差异g_differ和距离值l_differ决定，该方法下的滤波处理既能有效地滤除噪声，又能较好地保护图像细节。

灰度差异g_differ和距离值l_differ直接影响滤波器Ψ(大小为2k+1*2j+1)的权重值，灰度差异g_differ和距离值l_differ计算公式如下：

Ψ_(m，n)＝gdiffer_(m，n)×ldiffer_(m，n)

式中，Ψ_(m，n)为不同像素处的权重值；

对滤波器Ψ归一化处理，若当前像素点为f_(x，y)，则处理后的灰度值g_(x，y)计算公式为：

第四，通过计算机辅助求出图像缺陷形状因子λ：

式中：m：检测图像中连通域的个数；n：为缺陷连通区域像素点的总个数；f(i，j)、f(i-1，j)、f(i+1，j)：缺陷连通区域不同像素点(i，j)的灰度值。

通过透照图像结合形状因子λ可以初步判断出裂纹类缺陷和疏松类缺陷；

当缺陷形态为细长有锯齿且形状因子λ＞5时，可基本判断该缺陷为裂纹类缺陷；

当缺陷形态为多孔密集分布且形状因子λ＜1时，可基本判断该缺陷为疏松类缺陷；

第五、提取缺陷区域为Ω，和其最小外接圆区域Ω０，区域Ω1＝Ω0-Ω，分别求出Ω区域和Ω1区域内的平均线性灰度值S、S1，Ω1区域内线性灰度值的标准差SD₁。

则图像对比度噪声比CNR和信噪比SNR为：

在如图2所示的平板探测器的线性响应区间，AB为响应不足区；BC为线性响应区；CD为过度响应区，灰度差与背景的灰度值之比近似等于射线强度差与初始强度之比：

式中，ΔS为灰度差，ΔI为射线强度差，ΔT为缺陷厚度，I为Ω区域的射线强度，N为散射比；

则有

在没有缺陷，即缺陷厚度ΔT→0时，S₁＝S，此时CNR等于０。

在实验装置中加入准直器，使得散射比N为０，在ΔT和μ₁已知的情况下，分别求出CNR和SNR的数值后，即可获取缺陷的线衰减系数μ₂。

若μ₂的结果近似于μ₁，则说明该缺陷为夹渣类缺陷，铸造时产生的缺陷是由液态金属与其他杂质混合，其材料特性与叶片本身属性类似；

若μ₂的结果很小，近似于０，则说明该缺陷为气孔类缺陷，铸造时产生的缺陷是由空气填充而成。

Claims (3)

1.一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法，其特征在于包括以下步骤：

步骤一、通过所探测叶片的材料组分和美国国家标准技术研究所XCOM数据库，结合混合物总的质量衰减系数求解公式，计算出叶片的质量衰减系数，再除以叶片的密度，获得叶片的线衰减系数μ₁；

步骤二、使用数字射线无损检测系统透射被测叶片，信息由辐射平板探测器接收，经过光电转换和模数转换最终成像并存储在计算机中，得到叶片透照图像；

步骤三、对透照图片采用自适应加权均值滤波去除存在的高斯噪声，使用自适应阈值的Canny边缘检测方法实现边缘的初步提取；观察所提取的缺陷仍然存在少量干扰，再通过形态学开闭操作使得图像失真最小化；

步骤四、定义图像缺陷形状因子λ的计算公式如下：

式中：m为检测图像中连通域的个数；n为缺陷连通区域像素点的总个数；f(i，j)、f(i-1，j)、f(i+1，j)为缺陷连通区域不同像素点(i，j)的灰度值；

通过透照图像结合形状因子λ判断出裂纹类缺陷和疏松类缺陷；

步骤五、定义图像质量评价指标对比度噪声比CNR和信噪比SNR：

式中：所提取的缺陷区域为Ω，获取该缺陷区域的最小外接圆区域记作Ω0，区域Ω1＝Ω0-Ω，S、S1分别为Ω区域和Ω1区域内的平均线性灰度值，SD₁为Ω1区域内线性灰度值的标准差；

所述步骤二中，平板探测器的线性响应区间灰度差与背景的灰度值之比近似等于射线强度差与初始强度之比：

式中，ΔS为灰度差，ΔI为射线强度差，ΔT为缺陷厚度，I为Ω区域的射线强度，N为散射比；

则有

根据图像信息分别求出CNR和SNR的数值后，获取缺陷的线衰减系数μ₂，根据μ₂的结果与步骤一得到的叶片线衰减系数μ₁进行对比，分辨出气孔缺陷和夹渣缺陷；

若μ₂的结果近似于μ₁，则说明该缺陷为夹渣类缺陷，铸造时产生的缺陷是由液态金属与其他杂质混合，其材料特性与叶片本身属性类似；

若μ₂的结果很小，近似于0，则说明该缺陷为气孔类缺陷，铸造时产生的缺陷是由空气填充而成。

2.根据权利要求1所述的一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法，其特征在于所述步骤一中叶片质量衰减系μ_m和线衰减系数μ₁用下式计算得到：

其中，μ_m1-μ_mn是不同材料的质量衰减系数，W₁-W_n是对应材料所占的质量分数，ρ_总为叶片密度。

3.根据权利要求1所述的一种基于X射线线衰减系数差异的燃气轮机叶片缺陷辨别方法，其特征在于所述步骤三中采用自适应加权均值滤波去除存在的高斯噪声，滤波器Ψ权重由邻域内像素与中心像素点的灰度差异g_differ和距离值l_differ决定；

灰度差异g_differ和距离值l_differ计算公式如下：

Ψ_(m,n)＝gdiffer_(m,n)×ldiffer_(m,n)

式中，Ψ_(m,n)为不同像素处的权重值；

对滤波器Ψ归一化处理，若当前像素点为f_(x,y)，则处理后的灰度值g_(x,y)计算公式为：

Images