CN113740352A - 一种航空发动机叶片裂纹与残余应力集成检测方法 - Google Patents
一种航空发动机叶片裂纹与残余应力集成检测方法 Download PDFInfo
- Publication number
- CN113740352A CN113740352A CN202111051068.9A CN202111051068A CN113740352A CN 113740352 A CN113740352 A CN 113740352A CN 202111051068 A CN202111051068 A CN 202111051068A CN 113740352 A CN113740352 A CN 113740352A
- Authority
- CN
- China
- Prior art keywords
- blade
- thermal
- residual stress
- temperature
- cracks
- 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.)
- Granted
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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/0047—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes measuring forces due to residual stresses
Abstract
本发明公开了一种航空发动机叶片裂纹与残余应力集成检测方法,基于红外热成像技术与双目视觉技术,可在不拆装航空发动机的情况下对叶片进行裂纹与残余应力检测的快速原位检测。通过计算机控制阵列热气流喷嘴或单个热气流喷嘴产生热气流对航空发动机叶片进行热激励,在热气流的激励下,不同的残余应力的释放将导致叶片产生不同的扭转和弯曲变形,同时裂纹会引起叶片表面的异常温度响应,利用双目视觉相机以及红外热像仪分别检测叶片在受到热激励过程中所产生热变形以及叶片在受到热激励时的温度响应情况,通过叶片的变形程度与温度响应特征来分别评价叶片的残余应力大小与裂纹情况。
Description
技术领域
本发明涉及缺陷检测领域,具体涉及一种航空发动机叶片裂纹与残余应力集成检测方法。
背景技术
航空发动机是飞机的核心动力来源,其复杂且精密的结构展现了飞机智能制造技术的高标准。发动机叶片作为发挥发动机性能的重要部件,大多型面复杂,且常年工作在恶劣工况下,会受到离心负荷、气动负荷、温度负荷、冲击载荷、环境侵蚀等影响。因此,发动机叶片在设计制造时,会通过预留表面残余应力来抵消叶片高速旋转时产生的部分离心载荷,提高叶片的稳定性和使用寿命,但是随着服役时间的增加,残余应力将逐渐衰减,当残余应力发生骤降时,表明叶片表层微观晶格发生了明显变化,可能会进一步形成微裂纹;而在复杂的交变载荷的作用下,叶片的应力集中部位将逐渐产生宏观疲劳裂纹,其中,叶根与叶尖进气边等部位因残余应力衰减速度更快,更容易形成宏观裂纹缺陷。以往的残余应力与裂纹检测方法,例如衍射法,超声波法等,受限与检测原理,都需要近距离接触叶片才能实施检测,无法在不拆卸发动机的情况下对叶片进行检测。
叶片是航空发动机的核心部件之一,其质量检测与寿命预测是发动机安全运行的基础。然而发动机拆装难度大、成本高,目前只能进行长周期的拆装检测,缺少一种能在不拆装发动机的情况下对叶片进行质量检测的快速原位检测方法。
发动机叶片检测的检测项目主要为微观残余应力检测与宏观裂纹检测,目前针对微观残余应力的检测方法主要分为机械释放测量法与非破坏测量法两类;针对叶片宏观裂纹的检测方法主要有内窥镜法,渗透法,涡流检测法,超声波检测法等。
针对残余应力的机械释放测量法主要包括有盲孔法,环芯法,剖分发,轮廓法等,检测时将含有残余应力的部件从构建中分离或者切割出来使应力释放,然后测量应变来计算残余应力。这种检测方法的精度较高,但是会对叶片造成破坏性损伤,因此不能用于叶片残余应力的原位检测。而残余应力的无损检测法主要包括磁性法,巴克豪森噪声法,超声波法,射线衍射法等。磁性法与巴克豪森噪声法只适用于铁磁性材料的残余应力检测,不适用航空发动机钛合金叶片的原位检测。超声波法对表面处理要求高,需要耦合剂,不适用于具有复杂结构的发动机叶片残余应力原位检测,射线衍射法是目前最成熟的残余应力检测与评价方法,但是射线源体积庞大,不具有便携性,无法在不拆卸发动机的情况下对叶片进行检测。
针对宏观裂纹的内窥镜检测法是航空发动机原位检测技术中最为成熟的手段,将内窥镜从航空发动机预留的检测孔中深入到叶片部位进行视觉检测,然而机器视觉只能发现叶片的表面开口缺陷,无法检测微细裂纹以及表面闭口缺陷,同样的,渗透法也只能检测表面开口裂纹。虽然涡流检测法可以实现表面以及近表面裂纹的高精度检测,但是在叶片原位检测的过程中,涡流探头需要进入发动机内部并与发动机表面形成良好的接触状态,难度较大。超声波法也具有较高的检测精度,但是超声探头需要与叶片形成耦合状态,需要耦合剂,并且对耦合的要求较高,因此,该方法也不适用于发动机叶片裂纹的原位检测。综上所述,目前并没有方法能实现航空发动机叶片残余应力与裂纹的快速原位检测方法。
发明内容
针对现有技术中的上述不足,本发明提供了一种航空发动机叶片裂纹与残余应力集成检测方法。
为了达到上述发明目的,本发明采用的技术方案为:
一种航空发动机叶片裂纹与残余应力集成检测方法,包括如下步骤:
S1、构建检测系统,将热气流激励源、双目视觉相机以及红外热成像仪固定于检测位;
S2、利用热气流激励源对航空发动机叶片进行加热;
S3、通过双目视觉相机获取航空发动机受到热激励后的应变量,通过应变量计算叶片残余应力大小,并对叶片的残余应力健康情况进行评估;
S4、通过红外热成像仪获取航空发动机受到热激励后的热图,判断温度变化异常部位,并对采集到的热图进行图像计算得到当前类型叶片的裂纹量化参数。
上述方案的有益效果是,
1)在检测之前,对发动机转子进行固定,防止在气流激励时发动机转子发动运动而对数据采集造成影响;
2)发动机内部结构复杂,但是预留了窥探孔,当双目相机以及红外热像仪不便于进入发动机内部采集数据时,可在通过窥探孔采集叶片信息;
3)为保证热激励的均匀性,本发明中用于激励的热气流可预先经过均匀调制,保证气流温度一致,同时,采用阵列热气流喷嘴进行热激励时,尽量使喷嘴分布均匀。
进一步的,步骤S1中构建的检测系统具体为:
S11、将双目视觉相机和红外热像仪固定于指定位置,使其能采集到待测叶片的图像信息;
S12、将热气流激励源的输出点对准航空发动机叶片的待测区域;
S13、将双目视觉相机、红外热像仪以及热气流激励源分别连接至控制计算机。
上述进一步方案的有益效果是,
1、将双目相机与红外热像仪固定之后才能采集到稳定的数据用于测定叶片的空间位置以及对温度响应数据进行分析;
2、对测试区域的热激励越强测试效果越好,将输出点对准待测区域能有效提高激励强度;
3、将双目相机、红袜热像仪、激励源连接至计算机后能实现对他们的同步控制,精确控制激励与数据采集的时间;
进一步的,步骤S1构建的检测系统的参数分别包括:
1)双目视觉相机分辨率大于等于720P,帧率大于30帧;
2)红外热像仪分辨率大于等于640*480,测温区间为[-40℃,650℃],热灵敏度小于0.1K;
3)热激励源采用阵列热气流喷嘴,其中每个喷嘴的流量大于等于150L/min,流速5m/s-20m/s,气流温度大于等于200℃。
上述进一步方案的有益效果是,
1、高分辨率的双目相机能采集到更精确的图像信息,实现更精准的变形量测量;
2、对于某些微小裂纹,其温度变化区域与温度变化范围都比较小,采用较大分辨率的和高热灵敏度的热像仪有助于检测处尺寸更小的缺陷。
3、根据检测要求的不同,待测区域的大小也不同,采用阵列热气流喷嘴能通过开启不同数量、位置的喷嘴有效满足对不同大小的待测区域的加热要求,控制气体的流速与流量能有效完成对不同形状、不同材料、不同距离的测试对象的激励。
进一步的,步骤S3具体包括:
S31、利用双目视觉相机采集待检测叶片的图像信息并发送至控制计算机;
S32、提取双目视觉相机采集到的图片中的特征并进行特征匹配,建立待测物体的三维模型并进行三维坐标标定;
S33、使用热气流对待测叶片进行热激励;
S34、利用双目视觉相机采集的信息计算待测叶片在受到热激励时的应变量,通过应力应变关系计算叶片的残余应力并对叶片的残余应力健康情况进行评估。
上述进一步方案的有益效果是
1、将双目视觉相机采集到的图像发送到计算机可以利用计算机的自动处理能力对采集到的图像信息进行分析处理;
2、利用计算机对双目视觉相机采集到的数据进行特征提取与特征匹配,能精确的测量出叶片的空间坐标;
3、热气流激励具有均匀性,且对待测叶片的材料、表面形状等参数不敏感,而对细微裂纹具有敏感性,极小的裂纹都会引起传热的异常,使裂纹变现呈现出高于周围区域的温度,通过这个特性,可以很容易检测处裂纹所在的位置并完成对裂纹的量化工作;
4、利用计算机能精确快速的完成叶片变形量的测定与残余应力的测算,有效减小误差,提高测量精度与测量效率;
进一步的,
步骤S32具体为:
S321、通过图像中每个点的曲率以及梯度检测双目相机采集到的图像中发动机叶片的角点;
S322、将角点作为特征点,对两幅图像进行匹配,并计算该角点的空间位置,得到两幅图像中对应的角点的坐标;
S323、利用步骤S322得到的两幅图像中对应的角点的坐标得到叶片角点的三维坐标,并建立其三维模型。
上述进一步方案的有益效果是:通过计算图像中每个点的曲率及梯度的方式来获得采集到的图像中的叶片的角点,并通过双目相机的测距功能获得叶片的三维坐标,实现了对叶片模型的建立,速度快,占用内存小,结合后续的测量可完成对叶片变形量的测量和残余应力的计算。
进一步的,步骤S34中通过应力应变关系计算叶片的残余应力的计算方式为:步骤S34中通过应力应变关系计算叶片的残余应力的计算方式为:
其中,E为弹性模量,u为泊松比,Δu为泊松比的变化,α为热膨胀系数,L0为表层残余应力的厚度,T1为初始温度,T2为最终温度,σr为圆柱坐标系中r方向的残余应力,η为弹性模量的温度系数。
上述进一步方案的有益效果是:阐述了采用此方法测量残余应力大小的基本原理,表明基于该原理,可利用本方法完成对叶片残余应力的检测。
进一步的,步骤S4具体包括:
S41、利用红外热像仪采集热激励时的航空发动机叶片的实时热图,并将其发送至控制计算机;
S42、利用控制计算机对采集的热图进行分析,判断温度变化异常的部位,并对裂纹状况进行评估和测量。
上述进一步方案的有益效果是:
1、红外热像仪采集了从激励前到激励后的叶片温度的连续变化情况,在后续信息处理时,既可使用激励过程中的数据来判别裂纹,也可使用完成激励后的热图来判断裂纹;
2、利用计算机可对采集到的热像图进行实时分析,在完成激励的时候即可输出裂纹信息,达到快速检测的目的;
进一步的,步骤S42具体包括:
S421、利用热气流对人工刻制的不同位置、尺寸和走向的标准裂纹进行热气流激励,并用红外热像仪采集热气流激励过程中发动机叶片温度分布热图;
S422、对采集到的热图进行图像处理,提取缺陷特征并进行重构,得到不同缺陷的热响应结果;
S423、将步骤S422得到的热响应结果发送至计算机并归纳当前类型叶片的裂纹量化参数;
S424、获取待测叶片的温度热图,对待测叶片进行自然裂纹缺陷的检测,并对已有裂纹状况进行评估。
上述进一步方案的有益效果是:
1、对人工刻制的裂纹进行热气流激励并采集其温度响应信息,能归纳出不同类型、尺寸的裂纹的温度响应情况,可用于与对自然裂纹的检测结果的对比,提高自然裂纹检测的准确度;
2、利用红外热图对缺陷进行重构,可以得到裂纹的宽度,长度等尺寸信息;再对热像图中的温度分布进行分析可以得到裂纹的深度信息,三者综合在一起即可测量处裂纹的具体信息。
进一步的,
步骤S422中图像处理的具体方法为:
S4221、计算热响应图像,计算方式为:
I=Iim-Iinitial;
其中,Iinitial为红外热像仪在开始激励前采集到的初始背景,Iim热激励完成之后采集到的图像,I为热响应图像;
S4222、对热响应图像中的像素点进行像素偏移,并计算热响应图像中的像素点的温度在x和y方向上的变化激烈程度,其计算方式为:
Ig(x,y)=∑u,v|I(x+u,y+v)-I(x,y)|;
其中,Ig(x,y)为像素点(x,y)的温度的变化激烈程度,u为像素点(x,y)在x轴的偏移量,v为像素点(x,y)在y轴的向上偏移的像素;
S4223、利用大小固定的像素窗口对步骤S4222偏移后的图像进行中值滤波,若窗口中热图的像素点的温度在x和y方向上的变化激烈程度高于设定阈值则判定其为叶片裂纹的边缘结构。
上述进一步方案的有益效果是:使用了简单有效的方法对热像图进行处理,完成了对裂纹边缘结构的重建,可以检测出裂纹的长度与宽度信息。
进一步的,步骤S423中,
步骤S423中,对已有的裂纹的评估方法为:
由第三类边界条件计算可得裂纹边缘的温度为:
而非裂纹区域的温度为:
上述进一步方案的有益效果是:总结了裂纹边缘温度与裂纹深度的关系,找到了裂纹深度检测的依据,证实了该方法可用于发动机叶片裂纹的检测。
附图说明
图1为本发明一种航空发动机叶片裂纹与残余应力集成检测方法流程示意图。
图2为本发明实施例检测系统结构示意图。
图3为本发明实施例气流激励源喷嘴结构示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
一种航空发动机叶片裂纹与残余应力集成检测方法,如图1所示,包括如下步骤:
S1、构建检测系统,将热气流激励源、双目视觉相机以及红外热成像仪固定于检测位;
本实施例里,提出的检测方法需要用到的装置如图2所示,其中包含了1-计算机;2-控制器;3-阵列式脉冲热气流喷嘴(用于整体加热);4-单个脉冲热气流喷嘴(用于局部加热);5-航空发动机;6-发动机叶片;7-叶片裂纹;8-双目相机;9-红外热像仪;10-电机及风扇;11-电热丝;12-扰流板;13-喷嘴;14-外壳。
采用本发明所提出的方法对非工作状态下的常温发动机叶片裂纹进行裂纹与残余应力检测,检测方法如下,首先将双目相机与红外热像仪固定于指定位置,使其能采集到待测叶片的图像信息,其中双目相机分辨率需大于等于720P,帧率大于30帧,红外热像仪分辨率需大于等于640*480,测量范围应大于-40℃至650℃区间,热灵敏度应小于0.1K。
S2、利用热气流激励源对航空发动机叶片进行加热;
完成相机的安装之后,利用热气流对叶片进行热激励,要求热气流温度不低于200℃,每个热气流喷嘴的流量应不少于150L/min,流速根据需要可在5m/s-20m/s之间调整。热气流进行激励时,一方面用双目相机测量叶片受热时的扭转与变形程度,同时,另一方面用红外热像仪采集叶片表面的温度变化与温度分布情况。接下来将介绍如何利用双目相机与红外热像仪同时对叶片的残余应力以及裂纹进行评估与检测
S3、通过双目视觉相机获取航空发动机受到热激励后的应变量,通过应变量计算叶片残余应力大小,并对叶片的残余应力健康情况进行评估;
利用双目相机评估叶片残余应力的方法具体实施步骤为:首先,架设好双目相机之后,双目相机的左相机与右相机分别对检测目标进行图像信息的采集,而后采集到的信息通过数据线传输到计算机,计算机提取两个相机采集到的图片中的特征,然后将两组信息中的特征进行匹配,建立待测物体的三维模型并进行三维坐标标定,完成三维坐标的标定与测量之后,使用热气流对叶片进行热激励,过双目相机采集到的信息计算叶片在收到热激励时的应变量,然后通过应力应变关系计算叶片的残余应力大小,进而对叶片的残余应力健康情况进行评估。
在本实施例里,具体包括如下步骤:
S31、利用双目视觉相机采集待检测叶片的图像信息并发送至控制计算机;
S32、提取双目视觉相机采集到的图片中的特征并进行特征匹配,建立待测物体的三维模型并进行三维坐标标定;
具体而言,包括如下步骤:
S321、通过图像中每个点的曲率以及梯度检测双目相机采集到的图像中发动机叶片的角点;
S322、将角点作为特征点,对两幅图像进行匹配,并计算该角点的空间位置,得到两幅图像中对应的角点的坐标;
所述的用于确定角点的具体方法为:对于灰度图像I上的某点(x,y),w(x,y)为点(x,y)的一个邻域,E(x,y)为该邻域内的所有像素点的灰度值的平均值,若点(x,y)为发动机叶片的一个角点,则随着邻域分别在x方向和y方向上偏移u,v,E(x+u,y+v)将会发生剧烈的变化。
SE2=[E(x+u,y+v)-E(x,y)]2
对图像中的SE2的非局部极大值进行抑制,最后得到的点即为发动机叶片的角点。
S323、利用步骤S322得到的两幅图像中对应的角点的坐标得到叶片角点的三维坐标,并建立其三维模型。
分别得到两张图像中对应的角点C1(x1,y1)与C2(x2,y2)之后,利用三角形相似关系可得:
其中Z为该角点与两双目相机焦点所在直线的距离,f为双目相机镜头的焦距,B为两双目相机焦点的距离。此时即可得到角点距离双目相机两焦点连线的距离,相当于获得了叶片角点的三维坐标,可以建立起相应的三维模型。
S33、使用热气流对待测叶片进行热激励;
S34、利用双目视觉相机采集的信息计算待测叶片在受到热激励时的应变量,通过应力应变关系计算叶片的残余应力并对叶片的残余应力健康情况进行评估。
对于叶片表面存在应力的某一点,以该点为坐标原点,垂直于该表面向外为Z轴正方向建立圆柱坐标系,由于叶片表面的残余应力只存在于r方向,则σθ=σz=0,此时Z轴方向上的应变可以表示为:
其中εz为Z轴方向上的应变,u为泊松比,E为弹性模量,α为热膨胀系数,t(r,θ)为该点的温度。
由于材料的弹性模量E会随温度变化而变化,其规律可表示为:
其中η为弹性模量的温度系数。
假设叶片整体均匀受热,初始温度与最终温度分别为T1和T2,表层残余应力的厚度为L0,则激励过程中,叶片的总变形量为:
根据此关系式,我们可以得到残余应力的大小可由以下关系求得:
S4、通过红外热成像仪获取航空发动机受到热激励后的热图,判断温度变化异常部位,并对采集到的热图进行图像计算得到当前类型叶片的裂纹量化参数。
利用红外热像仪检测叶片裂纹的方法距离实施步骤为:首先,架设好红外热像仪之后,确保红外热像仪能够采集到叶片的温度变化信息,然后用热气流对发动机叶片进行热激励,同时用红外热像仪实时采集叶片的温度变化情况,然后将采集到的信息发送至计算机,通过计算机对采集到的热图进行分析,判断出温度变化异常的部位,即可寻找出缺陷所在的位置。
在本实施例里,具体包括如下步骤:
S41、利用红外热像仪采集热激励后的航空发动机叶片的实时热图,并将其发送至控制计算机;
S42、利用控制计算机对采集的热图进行分析,判断温度变化异常的部位,并对裂纹状况进行评估和测量。
具体而言,在此之外,为了获得裂纹的详细信息,可在检测之前先进行以下处理:
S421、利用热气流对人工刻制的不同位置、尺寸和走向的标准裂纹进行热气流激励,并用红外热像仪采集热气流激励过程中发动机叶片温度分布热图。
S422、对采集到的热图进行图像处理,提取缺陷特征并进行重构,得到不同缺陷的热响应结果。
步骤S422中图像处理的具体方法为:
S4221、计算热响应图像,计算方式为:
I=Iim-Iinitial;
其中,Iinitial为红外热像仪在开始激励前采集到的初始背景,Iim热激励完成之后采集到的图像,I为热响应图像;
S4222、对热响应图像中的像素点进行像素偏移,并计算热响应图像中的像素点的温度在x和y方向上的变化激烈程度,其计算方式为:
Ig(x,y)=∑u,v|I(x+u,y+v)-I(x,y)|;
其中,Ig(x,y)为像素点(x,y)的温度的变化激烈程度,u为像素点(x,y)在x轴的偏移量,v为像素点(x,y)在y轴的向上偏移的像素;
S4223、利用大小固定的像素窗口对步骤S4222偏移后的图像进行中值滤波,若窗口中热图的像素点的温度在x和y方向上的变化激烈程度高于设定阈值则判定其为叶片裂纹的边缘结构。
红外热像仪在开始激励前采集到的初始背景为Iinitial,激励完成之后采集到的图像为Iim,则热响应图像为I=Iim-Iinitial,对于热响应图像中的像素点I(x,y),使其分别在x轴、y轴的正方向、负方向偏移u,v个像素,此时能得到该点的温度在x,y方向上变化的剧烈程度:
最后再用一个3×3的像素窗口对Ig进行中值滤波处理,去除可能的噪点的影响,即可得到温度响应图中存在着剧烈变化的区域,这一部分即为叶片裂纹的边缘结构。
S423、将步骤S422得到的热响应结果发送至计算机并归纳当前类型叶片的裂纹量化参数;
假设用于进行热激励的气流为充分发展的流体,根据牛顿冷却定律与傅里叶导热定律,
由第三类边界条件计算可得裂纹边缘的温度为:
而非裂纹区域的温度为:
S424、获取待测叶片的温度热图,对待测叶片进行自然裂纹缺陷的检测,并对已有裂纹状况进行评估。
由于裂纹处存在空腔,因此当裂纹越深时,裂纹边缘处所积攒的热量越难以传递到试件内部,导致的结果就是,裂纹越深,则其边缘的温度越高,通过温度的检测以及对边缘结构的检测可以得到裂纹的深度信息、长度与宽度信息。
使用以上方法对航空发动机叶片进行残余应力与裂纹检测时可同时进行,并将双目相机与红外热像仪采集到的数据上传至同一计算机上,通过独立开发的集成软件对数据进行实时处理,最后输出叶片的残余应力信息与裂纹信息。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (10)
1.一种航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,包括如下步骤:
S1、构建检测系统,将热气流激励源、双目视觉相机以及红外热成像仪固定于检测位;
S2、利用热气流激励源对航空发动机叶片进行加热;
S3、通过双目视觉相机获取航空发动机受到热激励后的应变量,通过应变量计算叶片残余应力大小,并对叶片的残余应力健康情况进行评估;
S4、通过红外热成像仪获取航空发动机受到热激励后的热图,判断温度变化异常部位,并对采集到的热图进行图像计算得到当前类型叶片的裂纹量化参数。
2.根据权利要求1所述的航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,步骤S1中构建的检测系统具体为:
S11、将双目视觉相机和红外热像仪固定于指定位置,使其能采集到待测叶片的图像信息;
S12、将热气流激励源的输出点对准航空发动机叶片的待测区域;
S13、将双目视觉相机、红外热像仪以及热气流激励源分别连接至控制计算机。
3.根据权利要求2所述的航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,步骤S1构建的检测系统的参数分别包括:
双目视觉相机分辨率大于等于720P,帧率大于30帧;
红外热像仪分辨率大于等于640*480,测温区间为[-40℃,650℃],热灵敏度小于0.1K;
热激励源采用阵列热气流喷嘴,其中每个喷嘴的流量大于等于150L/min,流速5m/s-20m/s,气流温度大于等于200℃。
4.根据权利要求3所述的航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,步骤S3具体包括:
S31、利用双目视觉相机采集待检测叶片的图像信息并发送至控制计算机;
S32、提取双目视觉相机采集到的图片中的特征并进行特征匹配,建立待测物体的三维模型并进行三维坐标标定;
S33、使用热气流对待测叶片进行热激励;
S34、利用双目视觉相机采集的信息计算待测叶片在受到热激励时的应变量,通过应力应变关系计算叶片的残余应力并对叶片的残余应力健康情况进行评估。
5.根据权利要求4所述的航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,步骤S32具体为:
S321、通过图像中每个点的曲率以及梯度检测双目相机采集到的图像中发动机叶片的角点;
S322、将角点作为特征点,对两幅图像进行匹配,并计算该角点的空间位置,得到两幅图像中对应的角点的坐标;
S323、利用步骤S322得到的两幅图像中对应的角点的坐标得到叶片角点的三维坐标,并建立其三维模型。
7.根据权利要求6所述的航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,步骤S4具体包括:
S41、利用红外热像仪采集热激励后的航空发动机叶片的实时热图,并将其发送至控制计算机;
S42、利用控制计算机对采集的热图进行分析,判断温度变化异常的部位,并对裂纹状况进行评估和测量。
8.根据权利要求7所述的航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,步骤S42具体包括:
S421、利用热气流对人工刻制的不同位置、尺寸和走向的标准裂纹进行热气流激励,并用红外热像仪采集热气流激励过程中发动机叶片温度分布热图;
S422、对采集到的热图进行图像处理,提取缺陷特征并进行重构,得到不同缺陷的热响应结果;
S423、将步骤S422得到的热响应结果发送至计算机并归纳当前类型叶片的裂纹量化参数;
S424、获取待测叶片的温度热图,对待测叶片进行自然裂纹缺陷的检测,并对已有裂纹状况进行评估。
9.根据权利要求8所述的航空发动机叶片裂纹与残余应力集成检测方法,其特征在于,步骤S422中图像处理的具体方法为:
S4221、计算热响应图像,计算方式为:
I=Iim-Iinitial;
其中,Iinitial为红外热像仪在开始激励前采集到的初始背景,Iim热激励完成之后采集到的图像,I为热响应图像;
S4222、对热响应图像中的像素点进行像素偏移,并计算热响应图像中的像素点的温度在x和y方向上的变化激烈程度,其计算方式为:
Ig(x,y)=∑u,v|I(x+u,y+v)-I(x,y)|;
其中,Ig(x,y)为像素点(x,y)的温度的变化激烈程度,u为像素点(x,y)在x轴的偏移量,v为像素点(x,y)在y轴的向上偏移的像素;
S4223、利用大小固定的像素窗口对步骤S4222偏移后的图像进行中值滤波,若窗口中热图的像素点的温度在x和y方向上的变化激烈程度高于设定阈值则判定其为叶片裂纹的边缘结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111051068.9A CN113740352B (zh) | 2021-09-08 | 2021-09-08 | 一种航空发动机叶片裂纹与残余应力集成检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111051068.9A CN113740352B (zh) | 2021-09-08 | 2021-09-08 | 一种航空发动机叶片裂纹与残余应力集成检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113740352A true CN113740352A (zh) | 2021-12-03 |
CN113740352B CN113740352B (zh) | 2022-11-22 |
Family
ID=78737181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111051068.9A Active CN113740352B (zh) | 2021-09-08 | 2021-09-08 | 一种航空发动机叶片裂纹与残余应力集成检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113740352B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5376793A (en) * | 1993-09-15 | 1994-12-27 | Stress Photonics, Inc. | Forced-diffusion thermal imaging apparatus and method |
JPH09159590A (ja) * | 1995-12-08 | 1997-06-20 | Jeol Ltd | 赤外線測定装置 |
JP2000206100A (ja) * | 1999-01-08 | 2000-07-28 | Hitachi Ltd | セラミックコ―ティング剥離損傷診断方法 |
US6394646B1 (en) * | 1999-04-16 | 2002-05-28 | General Electric Company | Method and apparatus for quantitative nondestructive evaluation of metal airfoils using high resolution transient thermography |
CN101733704A (zh) * | 2009-11-26 | 2010-06-16 | 上海大学 | 凸轮加工热应力在线测量系统和方法 |
CN101776645A (zh) * | 2010-01-06 | 2010-07-14 | 湘潭大学 | 一种带热障涂层的叶片热疲劳失效的模拟测试方法 |
JP2011122859A (ja) * | 2009-12-08 | 2011-06-23 | Kyoto Institute Of Technology | 欠陥診断方法および欠陥診断システム |
CN102419224A (zh) * | 2011-06-09 | 2012-04-18 | 中国科学院力学研究所 | 残余应力测试分析的局部热扰动方法 |
US20150035950A1 (en) * | 2012-04-18 | 2015-02-05 | Drexel University | Integration of Digital Image Correlation with Acoustic Emission |
US20150043769A1 (en) * | 2013-03-15 | 2015-02-12 | Digital Wind Systems, Inc. | Method and apparatus for remote feature measurement in distorted images |
CN104515790A (zh) * | 2013-09-27 | 2015-04-15 | 天津欣维检测技术有限公司 | 一种热波无损检测装置 |
US20170023505A1 (en) * | 2015-07-22 | 2017-01-26 | Leonardo S.P.A. | Method and system of thermographic non-destructive inspection for detecting and measuring volumetric defects in composite material structures |
CN106501314A (zh) * | 2016-10-31 | 2017-03-15 | 重庆大学 | 一种简便快捷检测钢管混凝土内部质量的方法 |
JP2017053807A (ja) * | 2015-09-11 | 2017-03-16 | 株式会社日本製鋼所 | 鋼の熱処理シミュレーション方法および鋼の熱処理シミュレーションプログラム |
CN109060825A (zh) * | 2018-08-14 | 2018-12-21 | 四川大学 | 基于脉冲气流激励红外成像的无损检测方法及其实施装置 |
CN209727827U (zh) * | 2019-04-12 | 2019-12-03 | 河北工业大学 | 一种钢铁表面裂纹的脉冲涡流热成像检测装置 |
CN111006602A (zh) * | 2019-12-17 | 2020-04-14 | 电子科技大学 | 一种基于双目视觉对涡轮叶片应变测量的成像装置 |
CN111239192A (zh) * | 2020-04-16 | 2020-06-05 | 黑龙江科技大学 | 扫描式卤素灯检测发动机叶片内部脱粘缺陷的装置及方法 |
CN112284595A (zh) * | 2020-10-28 | 2021-01-29 | 湖南大学 | 金属构件的应力测量方法、装置、设备及存储介质 |
-
2021
- 2021-09-08 CN CN202111051068.9A patent/CN113740352B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5376793A (en) * | 1993-09-15 | 1994-12-27 | Stress Photonics, Inc. | Forced-diffusion thermal imaging apparatus and method |
JPH09159590A (ja) * | 1995-12-08 | 1997-06-20 | Jeol Ltd | 赤外線測定装置 |
JP2000206100A (ja) * | 1999-01-08 | 2000-07-28 | Hitachi Ltd | セラミックコ―ティング剥離損傷診断方法 |
US6394646B1 (en) * | 1999-04-16 | 2002-05-28 | General Electric Company | Method and apparatus for quantitative nondestructive evaluation of metal airfoils using high resolution transient thermography |
CN101733704A (zh) * | 2009-11-26 | 2010-06-16 | 上海大学 | 凸轮加工热应力在线测量系统和方法 |
JP2011122859A (ja) * | 2009-12-08 | 2011-06-23 | Kyoto Institute Of Technology | 欠陥診断方法および欠陥診断システム |
CN101776645A (zh) * | 2010-01-06 | 2010-07-14 | 湘潭大学 | 一种带热障涂层的叶片热疲劳失效的模拟测试方法 |
CN102419224A (zh) * | 2011-06-09 | 2012-04-18 | 中国科学院力学研究所 | 残余应力测试分析的局部热扰动方法 |
US20150035950A1 (en) * | 2012-04-18 | 2015-02-05 | Drexel University | Integration of Digital Image Correlation with Acoustic Emission |
US20150043769A1 (en) * | 2013-03-15 | 2015-02-12 | Digital Wind Systems, Inc. | Method and apparatus for remote feature measurement in distorted images |
CN104515790A (zh) * | 2013-09-27 | 2015-04-15 | 天津欣维检测技术有限公司 | 一种热波无损检测装置 |
US20170023505A1 (en) * | 2015-07-22 | 2017-01-26 | Leonardo S.P.A. | Method and system of thermographic non-destructive inspection for detecting and measuring volumetric defects in composite material structures |
JP2017053807A (ja) * | 2015-09-11 | 2017-03-16 | 株式会社日本製鋼所 | 鋼の熱処理シミュレーション方法および鋼の熱処理シミュレーションプログラム |
CN106501314A (zh) * | 2016-10-31 | 2017-03-15 | 重庆大学 | 一种简便快捷检测钢管混凝土内部质量的方法 |
CN109060825A (zh) * | 2018-08-14 | 2018-12-21 | 四川大学 | 基于脉冲气流激励红外成像的无损检测方法及其实施装置 |
CN209727827U (zh) * | 2019-04-12 | 2019-12-03 | 河北工业大学 | 一种钢铁表面裂纹的脉冲涡流热成像检测装置 |
CN111006602A (zh) * | 2019-12-17 | 2020-04-14 | 电子科技大学 | 一种基于双目视觉对涡轮叶片应变测量的成像装置 |
CN111239192A (zh) * | 2020-04-16 | 2020-06-05 | 黑龙江科技大学 | 扫描式卤素灯检测发动机叶片内部脱粘缺陷的装置及方法 |
CN112284595A (zh) * | 2020-10-28 | 2021-01-29 | 湖南大学 | 金属构件的应力测量方法、装置、设备及存储介质 |
Non-Patent Citations (12)
Title |
---|
DEMIR, E等: "Elasto-plastic thermal stress analysis of functionally graded hyperbolic discs", 《STRUCTURAL ENGINEERING AND MECHANICS》 * |
VEIGA, F等: "Analytical thermal model of orthogonal cutting process for predicting the temperature of the cutting tool with temperature-dependent thermal conductivity", 《INTERNATIONAL JOURNAL OF MECHANICAL SCIENCES》 * |
XIAOLONG LU等: "Pulsed Air-Flow Thermography for Natural Crack Detection and Evaluation", 《IEEE SENSORS JOURNAL》 * |
侯廷红等: "局部热处理技术在整体叶盘维修中的应用", 《航空维修与工程》 * |
孙华魁: "《数字图像处理与识别技术研究》", 31 May 2019 * |
崔海冰: "PVD氮化物涂层的抗热冲击性能研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
张秀彬等: "《发明解析论》", 30 June 2014, 上海交通大学出版社 * |
徐长航等: "红外图像处理技术在金属表面缺陷检测中的应用", 《制造业自动化》 * |
李君等: "《工程力学实验》", 31 October 2018, 西南交通大学出版社 * |
杨泽明等: "铝合金薄板不同走向焊缝缺陷的脉冲涡流热成像检测", 《无损检测》 * |
田贵云等: "《电磁无损检测传感与成像》", 31 March 2020 * |
费业泰等: "《机械热变形理论及应用》", 30 June 2009 * |
Also Published As
Publication number | Publication date |
---|---|
CN113740352B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10094794B2 (en) | Characterization of wrinkles and periodic variations in material using infrared thermography | |
KR102256181B1 (ko) | 강구조물의 도막 상태 검사 및 평가 방법과 이를 위한 시스템 | |
US8692887B2 (en) | Thermal imaging method and apparatus for evaluating coatings | |
CN109141232A (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
Usamentiaga et al. | Automated dynamic inspection using active infrared thermography | |
CN112489016B (zh) | 复合材料缺陷热影像图的局部敏感判别分析方法 | |
Boccardi et al. | Infrared thermography and ultrasonics to evaluate composite materials for aeronautical applications | |
CN112461892A (zh) | 一种用于复材缺陷无损检测的红外热影像分析方法 | |
EP2605213B1 (en) | Method and system for processing images for inspection of an object | |
CN114719749B (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
JP4463855B2 (ja) | 被膜、表面、及び界面を検査するシステム及び方法 | |
CN113740352B (zh) | 一种航空发动机叶片裂纹与残余应力集成检测方法 | |
CN108180871B (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 | |
CN115115578B (zh) | 一种增材制造过程中的缺陷检测方法及系统 | |
Vrabie et al. | Active IR thermography processing based on higher order statistics for nondestructive evaluation | |
Holak | A motion magnification application in video-based vibration measurement | |
KR102161348B1 (ko) | 슬라브 이미지 기반의 디스케일링 타입 결정 장치 및 방법 | |
CN112288135A (zh) | 一种基于图像识别的风扇叶片疲劳极限衰减智能监测方法 | |
El-Agamy et al. | Automated inspection of surface defects using machine vision | |
Li et al. | AUTOMATIC CRACK DETECTION ALGORITHM FOR VIBROTHERMOGRAPHY SEQUENCE‐OF‐IMAGES DATA | |
Nooralishahi et al. | Thermographic augmentation of defects on thermal images using multi-modal data | |
CN117329977B (zh) | 复杂工况下结构疲劳裂纹视觉特征表征与测量处理方法 | |
Wang et al. | Digital dynamic photoelastic and numerical stress analyses of a strip | |
CN117351006B (zh) | 一种基于深度学习的汽车钣金件表面缺陷检测方法及系统 | |
Shao et al. | Compressor Blade Fault Diagnosis Based on Image Processing |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |