CN114324472B - 方波红外热成像定量测量样品厚度或缺陷深度的方法 - Google Patents
方波红外热成像定量测量样品厚度或缺陷深度的方法 Download PDFInfo
- Publication number
- CN114324472B CN114324472B CN202210091480.1A CN202210091480A CN114324472B CN 114324472 B CN114324472 B CN 114324472B CN 202210091480 A CN202210091480 A CN 202210091480A CN 114324472 B CN114324472 B CN 114324472B
- Authority
- CN
- China
- Prior art keywords
- sample
- defect
- depth
- obtaining
- time
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E30/00—Energy generation of nuclear origin
- Y02E30/30—Nuclear fission reactors
Landscapes
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明提供了一种方波红外热成像定量测量样品厚度或缺陷深度的方法,包括:步骤A,对待测样品的表面进行方波加热;步骤B,按照预设采集频率记录降温阶段的待测样品表面热图,得到选定区域的像素点的随t变化的降温数据,t为自加热开始瞬间之后所经历的时间;步骤C,由降温数据组成降温数据序列;步骤D,由降温数据序列得到缺陷对应的实验峰值特征时间Δtp;步骤E,获取峰值特征时间△t随L变化的线性模型:ln(L)=a*ln(Δt)+b;步骤F,将△t=Δtp带入到线性模型,得到L0,其中L0为缺陷深度或者样品厚度。本发明避免了参考区选择的问题,更可靠且易于自动化。
Description
技术领域
本发明涉及无损检测技术领域,尤其涉及一种方波红外热成像定量测量样品厚度或缺陷深度的方法。
背景技术
红外热波无损检测技术以红外辐射及热传导理论为基础理论,通常是通过主动对被检测物体施加可控热激励、并采用红外热像仪连续观察和记录热激励前后物体表面的温场变化,通过计算机进行检测时序的控制、数据的采集、传输、存储、处理和分析,以实现对物体结构、性能参数或内部损伤的定性和定量诊断。其成像方法根据红外热像仪是否与激励系统在待测物的同侧,分为反射式和透射式红外热成像。红外热波无损检测技术作为一种无损检测手段,具有非接触、受曲率影响小、检测速度快、以图像形式展现结果、直观易读等特点。这对于具有复杂外形或结构,且不允许接触的检测具有非常大的优势。
目前的红外热波无损检测中,均是采用的大脉冲激励,但是,有些待测物不允许有如此大的瞬时热冲击,如文物等,以防对其表面带来不必要的损伤。但如果降低激励能量或者在检测较厚的材料时,加热量不足往往导致信噪比降低,检测能力下降。
发明内容
(一)要解决的技术问题
本发明以期至少部分地解决以上技术问题中的至少之一。
(二)技术方案
为了实现如上目的,本发明提供了一种方波红外热成像定量测量样品厚度或缺陷深度的方法,该方法包括:
步骤A,对待测样品的表面进行方波加热,τ为加热时间;
步骤B,按照预设采集频率记录降温阶段的待测样品表面热图,得到选定区域的像素点的随t变化的降温数据,t为自加热开始瞬间之后所经历的时间;
步骤C,由降温数据组成降温数据序列[Tsq(t)];
步骤D,对于降温数据序列[Tsq(t)]中的每一个数据取对数,而后对取对数后的降温数据序列[lnTsq(t)]进行曲线拟合,将曲线拟合得到的连续曲线lnTsq(t)对ln(t-τ)求二次导数,由求二次导数得到的曲线的拐点得到峰值时间tp,进而得到实验峰值特征时间Δtp:Δtp=tp-τ;
步骤E,获取峰值特征时间Δt随L变化的线性模型:ln(L)=a*ln(Δt)+b,其中,a、b为已知系数,L为样品材料的热传导系数发生变化位置的深度;
步骤F,将Δt=Δtp带入到线性模型,得到L0;
其中,当对缺陷深度进行测量时,步骤B中的选定区域为内部缺陷对应的表面区域,L0为缺陷深度;或,当对样品厚度进行测量时,步骤B中的选定表面区域为内部无缺陷对应的表面区域,L0为样品厚度。
在本发明的一些实施例中,在待测样品的材料热扩散系数α已知的情况下,步骤E包括:
子步骤E1A,构建如下所示方波激励热成像中温度取对数后对ln(t-τ)的二阶导数:
其中,F为加热阶段施加在待测样品表面上的热流密度或热通量;k为待测样品材料的导热系数;
子步骤E1B,预设深度L序列{L1,…,Lm,…,LM},对于深度L序列中的每一个深度,计算时间t序列{t1,…,ts,…,tS}中每一时间点对应的g(t,L)的值,得到令g(t,L)取最大值对应的峰值时间tm,由其得到峰值特征时间:Δtm=tm-τ;进而得到深度-峰值特征时间数据序列:{[L1,Δt1],…,[Lm,Δtm],…,[LM,ΔtM]},其中,1≤m≤M,1≤s≤S,M≥5,S≥10;
子步骤E1C,对深度-峰值特征时间数据序列中的深度和峰值特征时间分别取对数,得到对数数据序列,将对数数据序列进行线性拟合,得到线性模型:ln(L)=a*ln(Δt)+b,中的系数a,b,获得完整的线性模型。
在本发明的一些实施例中,M≥100,S≥1000。
在本发明的一些实施例中,子步骤E1C中,采用最小二乘法将对数数据序列进行线性拟合。
在本发明的一些实施例中,在待测样品的材料热扩散系数α未知的情况下,步骤E包括:
子步骤E2A,对标准样品通过其表面进行方波加热,标准样品的内部至少包括n个深度已知的标准缺陷,n≥2:
子步骤E2B,按照预设采集频率记录降温阶段的标准样品表面热图,得到标准缺陷对应像素点的随时间变化的降温数据;
子步骤E2C,对于标准样品的n个标准缺陷中的每一个,执行如下操作,得到其对应的实验峰值特征时间:
分步骤E2C1,获取对应标准缺陷上方的样品表面区域的像素点的随t变化的降温数据,t为自加热开始瞬间之后所经历的时间;
分步骤E2C2,由降温数据组成降温数据序列[Tsq(t)];
分步骤E2C3,对于降温数据序列[Tsq(t)]中的每一个数据取对数,而后对取对数后的降温数据序列[lnTsq(t)]进行曲线拟合,将曲线拟合得到的连续曲线lnTsq(t)对ln(t-τ)求二次导数,由求二次导数得到的曲线的拐点得到峰值时间tp,进而得到标准缺陷对应的实验峰值特征时间Δtp:Δtp=tp-τ;
子步骤E2D,利用n个标准缺陷中每一个标准缺陷对应的深度-实验峰值特征时间的数据,分别取对数后进行线性拟合得到线性模型ln(L)=a*ln(Δt)+b中的系数a、b。
在本发明的一些实施例中,子步骤E2A中,n≥5。
在本发明的一些实施例中,分步骤E2C3中,采用7阶多项式拟合取对数后的降温数据序列[lnTsq(t)]。
在本发明的一些实施例中,分步骤E2C1中,选取对应标准缺陷中心的样品表面区域的c×c个像素点,利用该c×c个像素点做均值处理后的温度作为降温数据,c≥3。
在本发明的一些实施例中,子步骤E2D中,线性拟合为采用最小二乘法的线性拟合。
在本发明的一些实施例中,步骤B中,在选定区域选取d×d个像素点,利用该d×d个像素点做均值处理后的温度作为选定区域的降温数据,d≥3。
在本发明的一些实施例中,在对缺陷深度进行测量时,步骤B之前还包括:根据待测样品表面热图,依据以下两种方式其中之一确定内部缺陷对应的表面区域,将该表面区域作为选定区域:
(1)由待测样品表面热图上的亮斑,判断该亮斑区域为内部缺陷对应的表面区域;
(2)对待测样品的原始表面序列热图做对数温度-对数时间的一阶微分处理或二阶微分处理,得到微分表面序列热图,微分表面序列热图有灰度反转或差异的区域为内部缺陷对应的表面区域。
在本发明的一些实施例中,步骤A中,对待测样品加热的时间介于5秒至60分钟之间。
在本发明的一些实施例中,待测样品为玻璃钢平板,厚度介于10mm~50mm之间,步骤A中,对待测样品进行方波加热的时间介于10秒至100秒之间。
在本发明的一些实施例中,步骤A中,利用围绕待测样品对称分布的m个卤素灯对待测样品的表面进行加热,m≥2。
在本发明的一些实施例中,步骤B中,利用红外热像仪记录降温阶段的待测样品表面热图,预设采集频率介于1Hz~1000Hz之间。
(三)有益效果
从上述技术方案可知,本发明至少具有以下有益效果其中之一:
(1)采用方波激励,具有以下三方面的好处:①避免了瞬时热冲击对待测物的损伤;②方波激励源成本较低,方波的控制相对精确和灵活,易于实现,能够实现对大厚度样品的检测,可以更换不同功率的灯管或者控制加热时间,从而更加适合检测低热导率的材料或者检测更深的缺陷;③基于方波激励理论,表面温度解析解取对数后对ln(t-τ)求二阶导得到的重建函数,可以推导出更为简洁的缺陷深度计算公式,大大减小了计算量。
(2)利用标准样品预先获得线性模型的系数,从而省去了演算推导的步骤,可以大大提升运算的速度,更加适合工业生产中使用。
(3)提出了一种无需参考区域测量缺陷深度的新方法,避免了选择参考区的问题,因此该方法更可靠且易于自动化,该方法也可用来测量材料厚度。
附图说明
图1为本发明实施例对样品进行方波激励红外热波成像的设备连接图。
图2为方波激励热成像的表面温度冷却阶段随时间变化的曲线图。
图3为缺陷深度分别为1mm,2mm,3mm所对应Tsq(t)取对数求二次导数后随时间的变化曲线。
图4为缺陷深度L与最大峰值时间t变化的曲线图。
图5为ln(L)和ln(Δt)之间近似线性关系的图。
图6为不同热扩散系数所对应峰值特征时间和缺陷深度的线性关系图。
图7为不同加热时间所对应峰值特征时间和缺陷深度的线性关系图。
图8为玻璃钢材料平底孔样品的设计示意图。
图9为本发明实施例对样品缺陷深度进行测量方法的流程图。
具体实施方式
本发明针提供述瞬时热冲击过大和加热能量不足的问题,提供一种基于对数温度时间曲线的二阶导数峰值时间法来预测样品的缺陷深度或者厚度的方法,能够更好地保护样品,实现更深缺陷的探测。
为使本发明的目的、技术方案和优点更加清楚明白,下文结合具体实施例,并参照附图,对本发明进一步详细说明。
首先,对本发明所依据的理论基础做出说明。
在现有技术中,均是采用瞬时加热的方式进行红外热波成像从而测量样品中的缺陷深度。然而,本发明中采用了方波激励的方式。图1为本发明实施例对样品进行方波激励红外热波成像的设备连接图。如图1所示,系统中包括:两个卤素灯,一个红外热像仪和一台计算机。其中,红外热像仪与卤素灯都放置于被测物的同测。红外热像仪的镜头正对待测样品进行设置,两个卤素灯相对于待测样品对称设置,从而实现对待测样品表面的均匀加热。
在红外热波成像中采用方波激励具有以下三方面的优势:①避免了瞬时热冲击对待测物的损伤;②方波激励源成本较低,方波的控制相对精确和灵活,易于实现,能够实现对大厚度样品的检测,可以更换不同功率的灯管或者控制加热时间,从而更加适合检测低热导率的材料或者检测更深的缺陷;③基于方波激励理论,表面温度解析解取对数后对ln(t-τ)求二阶导得到的重建函数,可以推导出更为简洁的缺陷深度计算公式,大大减小了计算量。
其次,基于方波加热理论,忽略横向热扩散,主要考虑沿深度z的方向,其一维热传导方程为:
其中T(z,t)是深度z和时间t处的温度,ρ表示材料密度、c表示材料的比热容、k表示材料的热导率。
假设被检测对象为各向同性,均匀的材料,初始温度是常数(假设为T=0),并且所有表面的边界都是绝热的,对于具有绝热边界表面的厚度为L的板,脉冲热激励的表面温度为Parker等人提出的解:
其中,f下标表示该解为脉冲激励解;Q代表了材料表面吸收的热量,ρ为材料密度,c为材料比热容,α为材料热扩散系数,t为时间变量。
对于方波激励强度Isq(t)可以用以下公式定义:
其中,F为单位面积上施加的热流密度,其单位是(W/m2)为恒定热流,τ表示加热时间。
方波激励可以看成是一个正阶跃函数与负阶跃函数的叠加,由于阶跃函数形式可以分解为无数个脉冲激励,在假设边界绝热的条件下,根据杜梅哈尔原理,方波激励下物体表面温度分布随时间变化相当于方波函数与脉冲表面温度随时间变化函数做卷积积分,可得冷却阶段的表面温度随时间分布,可表示为:
即:
其中,L是平板厚度,k是热导率,α是热扩散系数。
图2所示为方波激励热成像的表面温度冷却阶段随时间变化图。
基于方波激励冷却阶段的表面温度解,对Tsq(t)取对数后求二次导数得:
其中:
从图3中可以发现,不同深度下的缺陷深度对应着不同的最大峰值时间,缺陷深度越深所对应的最大峰值时间越大。通过式(6)理论数值解析可以得到不同缺陷深度所对应曲线的峰值时间,不妨设置参数条件为:α=0.223mm2/s,τ=20.5s,对式(6)函数做数值解析,可以得到缺陷深度范围从0.5mm到7mm各个缺陷对应/>曲线中相应的最大峰值时间,可以画出缺陷深度L与最大峰值时间t的曲线图见图4所示。对各缺陷深度L和对应峰值特征时间Δt=t-τ做对数变换后,则ln(L)和ln(Δt)之间存在近似线性关系,见图5所示。使用最小二乘法进行线性拟合得到线性模型如下:
ln(L)=0.4841*ln(Δt)-0.0807(Δt=t-τ) (9)
特别强调的是,该线性方程对应的斜率和截距与热扩散系数α以及加热时间τ有关。设置参数τ=20s,热扩散系数分别为0.15mm2/s,0.2mm2/s,0.25mm2/s所对应峰值特征时间和缺陷深度的线性关系见图6所示。设置参数α=0.223mm2/s,/> 加热时间分别为10s,100s所对应峰值特征时间和缺陷深度的线性关系见图7所示。
在实验数据处理过程中,可以找出每个像素点随时间变化的降温数据,对降温数据取对数后进行多项式拟合得到光滑曲线,将该光滑曲线对ln(t-τ)求二次导数得到曲线由曲线/>的拐点得到最大峰值时间tp,进而得到实验峰值特征时间:tp-τ。依据已知的材料热扩散系数和已知的加热时间,理论数值解析出最大峰值时间和缺陷深度存在的某一线性关系,再用实验找出的最大峰值特征时间代入理论数值解析线性方程中,最后得出缺陷深度的大小。
基于上述理论推导可知,ln(L)与ln(Δt)存在线性关系,因此,寻找线性模型:ln(L)=a*ln(Δt)+b中的系数a、b的取值就成为本发明的关键。系数a、b确定后,线性模型就确定了,就可以根据Δt求取缺陷深度或者厚度L的值。在本发明中,依据上述理论推导,提供以下两种方式来确定线性模型中系数a、b的值。
1、在待测平板样品的热扩散系数α已知的情况下,采用理论推导法
理论推导法包括:
子步骤E1A,构建如公式(6)所示的方波激励热成像中温度取对数后对ln(t-τ)的二阶导数:
其中,F为加热阶段施加在待测样品表面上的热流密度或热通量;α为样品材料的热扩散系数;k为材料导热系数;
子步骤E1B,预设缺陷深度L序列{L1,…,Lm,…,LM},对于缺陷深度序列中的每一个深度,计算时间t序列{t1,…,ts,…,tS}中每一时间点对应的g(t,L)的值,得到令g(t,L)取最大值对应的峰值时间tm,由其得到峰值特征时间:Δtm=tm-τ;进而得到深度-峰值特征时间数据序列:{[L1,Δt1],…,[Lm,Δtm],…,[LM,ΔtM]},其中,1≤m≤M,M≥100,1≤s≤S,S≥1000;
本领域技术人员可以理解的是,如上M、S的取值均较大,对于模拟计算的计算机的计算能力要求也高,本领域技术人员可以在自身客观条件允许的情况下,选取较大的M和S的值,才能尽可能的提高精度,但需要说明的是,作为底限的条件,M≥5,S≥10。
子步骤E1C,对深度-峰值特征时间数据序列中的深度和峰值特征时间分别取对数,得到对数数据序列,利用最小二乘法拟合对数数据序列,得到线性模型:ln(L)=a*ln(Δt)+b,中的系数a,b,进而获得完整的线性模型。
2、在待测平板样品的热扩散系数α未知或者在工业化生产的情况下,采用实验法
当材料热扩散系数未知情况下,可以预制有已知不同缺陷深度的同一材料标准样品,设置预设的加热时间,对标准试件进行方波热成像(冷却阶段)实验得出标准样品不同缺陷深度与实验峰值特征时间所对应的线性模型代替理论数值解析的线性模型,从而定量出被检测试件中的内部缺陷深度。
请参照图9,实验法包括:
子步骤E2A,对标准样品通过其表面进行方波加热,所述标准样品的内部至少包括n个深度已知的标准缺陷,n≥2:
需要说明的是,为了保证曲线拟合的准确性,n≥5。
子步骤E2B,按照预设采集频率记录降温阶段的标准样品表面热图,得到标准缺陷对应像素点的随时间变化的降温数据;
子步骤E2C,对于标准平板样品的n个标准缺陷中的每一个降温数据都按公式(6)进行温度重建,使用7阶多项式拟合取对数后的降温数据,然后对ln(t-τ)求二次导数得到曲线最后由曲线/>的拐点得到最大峰值时间tp,进而得到实验峰值特征时间:Δtp=tp-τ。对n个标准缺陷分别处理,从而得到各自对应的实验峰值特征时间Δtp。
本领域技术人员应当理解,如上拟合,还可以采用其他方式,其他阶数的曲线拟合,此处不再赘述。
子步骤E2D,利用n个标准缺陷中每一个标准缺陷对应的缺陷深度-实验峰值特征时间的数据,分别取对数后使用最小二乘法进行线性拟合得到线性模型ln(L)=a*ln(Δt)+b中的系数a、b。
通过以上方式获得了线性模型后,就可以利用线性模型进行缺陷深度的测量了。下述实施例中提供了一种对样品缺陷深度进行测量的方法。
图8为玻璃钢材料平底孔样品的设计示意图。其中,玻璃钢材料的热扩散系数为0.223mm2/s,待测玻璃钢材料平底孔样品的厚度为20mm,长宽分别为150mm和100mm,其上有2行,每行3列的模拟缺陷。第一行3个缺陷的深度分别为1mm、2mm和3mm。第二行3个缺陷的深度分别为4mm、5mm和6mm。
请参照图9,本实施例包括:
步骤A,对待测样品的表面进行方波加热,τ为加热时间;
具体如图1所示,红外热像仪与卤素灯都放置于被测物的同测。红外热像仪的镜头正对待测样品进行设置,两个卤素灯相对于待测样品对称设置,从而实现对待测样品表面的均匀加热。待测样品为玻璃钢平板,厚度为20mm。卤素灯的功率为1500W,对待测样品进行方波加热的时间为20秒。
本领域技术人员应当理解,加热时间与材料的种类,厚度有关。材料热扩散系数越小、厚度越大,加热时间越长。
步骤B,按照预设采集频率记录降温阶段的待测样品表面热图,得到选定区域的像素点的随t变化的降温数据,t为自加热开始瞬间之后所经历的时间;
具体地,使用FLIR SC7000红外热像仪采集玻璃钢平底孔正面的降温曲线,采集频率为20Hz,总共采集时间为20s。将原始热图序列存储在通用存储器中。可以理解的是,采集频率越高,获得的结果越准确,但是这无疑会大大增加处理的数据量。本领域技术人员可以根据数据处理设备的实际情况来选择采样频率。
关于选定区域,本实施例中选用6个缺陷正上方的区域为采样区域,采样的面积为3×3个像素点,利用该3×3个像素点做均值处理后的温度作为降温数据。可以理解的是,本领域技术人员可以根据需要来选择采样面积,但应当尽量避免采用单一像素点的数据,以避免数据大幅度波动影响测量精度。
还需要说明的是,本实施例的待测玻璃钢材料上具有6个缺陷,因此对于6个缺陷上方的区域分别进行计算。
对热像仪所采集的原始热图序列,提取每个像素点温度随时间变化的曲线,降温过程的温度减去加热前的背景温度,即求取每一点的降温曲线。以加热开始后的一瞬间为时间零点,所有零时刻以后的温度减去加热前的温度。其中,所有零时刻以后的温度变化数据包括温度的上升阶段和温度的下降阶段,每一点的降温曲线为零时刻以后的温度下降阶段减去加热前的背景温度。
当缺陷位置不明情况下在对缺陷深度进行测量时,所述步骤B之前还包括:根据待测样品表面热图,依据以下两种方式其中之一确定内部缺陷对应的表面区域,将该表面区域作为选定区域:
(1)由待测样品表面热图上的亮斑,判断亮斑所在区域为内部缺陷对应的表面区域;
(2)对待测样品的原始表面序列热图做对数温度-对数时间的一阶微分处理或二阶微分处理,得到微分表面序列热图,微分表面序列热图有灰度反转或明显差异的区域为内部缺陷对应的表面区域。
其中,灰度反转的意思是:刚开始缺陷对应的表面区域的灰度值比参考区的灰度值小,显示为暗斑,经过一段时候后,缺陷对应的表面区域的灰度值逐渐比参考区的灰度值大,显示为亮斑。当然,除了以上的一阶微分处理和二阶微分处理之外,还可以采用其他的缺陷特征增强处理方法。
本领域技术人员可以理解,如果不考虑计算时间的问题,也可以不判断缺陷的位置,可以直接对全图的每个像素点都做深度预测,得到一张反映整个样品内部情况的深度图。
此外,可以理解的是,相比于其他的方式,本发明的方法避免了选择参考区的问题,更可靠且易于自动化。
步骤C,对于每一个缺陷对应区域,该区域像素点的降温数据组成降温数据序列[Tsq(t)];
步骤D,对于每一个缺陷对应区域,降温数据序列按公式(6)进行温度重建,使用7阶多项式拟合取对数后的降温数据,然后对ln(t-τ)求二次导数得到曲线最后由曲线/>的拐点得到最大峰值时间tp,进而得到实验峰值特征时间:Δtp=tp-τ;
步骤E,获取峰值特征时间Δt随L变化的线性模型;
关于该步骤E的详细信息可参照在前的说明。而在本实施例中,采用的是理论推导法确定的线性模型。本领域技术人员可以理解的是,同一种样品材料和相同的方波加热时间对应一个线性模型。换句话说,一个线性模型可以测量不同的缺陷深度。
步骤F,对每一个缺陷,将该缺陷的实验峰值特征时间带入线性模型中,即将△t=Δtp带入到相应的线性模型,得到该缺陷的深度。
采用本实施例的方法,对于6个缺陷的测试结果如表1所示:
表1方波激励热成像预测玻璃钢平底孔试件深度结果
可见,经过本实施例的方法预测的深度误差均在10%以内,完全满足工程时间中对缺陷深度测量的精度要求,具有良好的应用前景。
至此,本发明实施例对样品缺陷深度进行测量的方法介绍完毕。
在本发明的第二个实施例中,提供了一种测量样品厚度的方法。由第一实施例的机理可知,本发明实际上是利用了两种不同热扩散系数介质交界面的特点进行的测量。而在得到线性模型:ln(L)=a*ln(Δt)+b,中的系数a、b之后,同样可以测量样品的厚度。实施步骤与第一实施例的步骤类似,此处不再赘述。
至此,已经结合附图对本发明实施例进行了详细描述。依据以上描述,本领域技术人员应当对本发明有了清楚地认识。
综上所述,本发明提供一种提出了方波激励热成像预测材料缺陷深度的方法,该方法是使用低功率的卤素灯持续性地加热材料表面,可以灵活地控制加热时间以确保足够多的热量传导至材料内部,然后深入解析方波加热后的冷却过程,实现对材料内部缺陷深度或者样品厚度的定量测量。此外,本发明提供的方法避免了选择参考区的问题,更可靠且易于自动化,还可以实现对样品厚度的测量,是对现有红外热成像法测量缺陷深度的重大改进和提高,具有较高的应用价值。
需要说明的是,对于某些实现方式,如果其并非本发明的关键内容,且为所属技术领域中普通技术人员所熟知,则在附图或说明书正文中并未对其进行详细说明,此时可参照相关现有技术进行理解。
进一步地,提供如上实施例的目的仅是使得本发明满足法律要求,而本发明可以用许多不同形式实现,而不应被解释为限于此处所阐述的实施例。此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换。
还需要说明的是,实施例中提到的方向用语,例如“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”等,仅是参考附图的方向,并非用来限制本发明的保护范围。贯穿附图,相同的元素由相同或相近的附图标记来表示。在可能导致对本发明的理解造成混淆时,将省略常规结构或构造。
并且图中各部件的形状和尺寸不反映真实大小和比例,而仅示意本发明实施例的内容。另外,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语的具体含义。
除非明确指明为相反之意,本发明的说明书及权利要求中的数值参数可以是近似值,能够根据通过本发明的内容改变。具体而言,所有使用于说明书及权利要求中表示组成的含量、反应条件等的数字,应理解为在所有情况中是受到“约”的用语所修饰,其表达的含义是指包含由特定数量在一些实施例中±10%的变化、在一些实施例中±5%的变化、在一些实施例中±1%的变化、在一些实施例中±0.5%的变化。
再者,单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
说明书与权利要求中所使用的序数以及阿拉伯数字、字母等,以修饰相应的元件或步骤,其本意仅用来使具有某命名的一步骤得以和另一具有相同命名的步骤能做出清楚区分,并不意味着该步骤有任何的序数,也不代表某一步骤与另一步骤的顺序。
此外,除非特别描述或必须依序发生的步骤,上述步骤的顺序并无限制于以上所列,且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种方波红外热成像定量测量样品厚度或缺陷深度的方法,其特征在于,包括:
步骤A,对待测样品的表面进行方波加热,τ为加热时间;
步骤B,按照预设采集频率记录降温阶段的待测样品表面热图,得到选定区域的像素点的随t变化的降温数据,t为自加热开始瞬间之后所经历的时间;
步骤C,由降温数据组成降温数据序列[Tsq(t)];
步骤D,对于降温数据序列[Tsq(t)]中的每一个数据取对数,而后对取对数后的降温数据序列[lnTsq(t)]进行曲线拟合,将曲线拟合得到的连续曲线lnTsq(t)对ln(t-τ)求二次导数,由求二次导数得到的曲线的拐点得到峰值时间tp,进而得到实验峰值特征时间Δtp:Δtp=tp-τ;
步骤E,获取峰值特征时间Δt随L变化的线性模型:ln(L)=a*ln(Δt)+b,其中,a、b为已知系数,L为样品材料的热传导系数发生变化位置的深度;
步骤F,将Δt=Δtp带入到所述线性模型,得到L0;
其中,当对缺陷深度进行测量时,所述步骤B中的选定区域为内部缺陷对应的表面区域,所述L0为缺陷深度;或,当对样品厚度进行测量时,所述步骤B中的选定表面区域为内部无缺陷对应的表面区域,所述L0为样品厚度;
在待测样品的材料热扩散系数α已知的情况下,所述步骤E包括:
子步骤E1A,构建如下所示方波激励热成像中温度取对数后对ln(t-τ)的二阶导数:
其中,F为加热阶段施加在待测样品表面上的热流密度或热通量;k为待测样品材料的导热系数;
子步骤E1B,预设深度L序列{L1,…,Lm,…,LM},对于深度L序列中的每一个深度,计算时间t序列{t1,…,ts,…,tS}中每一时间点对应的g(t,L)的值,得到令g(t,L)取最大值对应的峰值时间tm,由其得到峰值特征时间:Δtm=tm-τ;进而得到深度-峰值特征时间数据序列:{[L1,Δt1],…,[Lm,Δtm],…,[LM,ΔtM]},其中,1≤m≤M,1≤s≤S,M≥5,S≥10;
子步骤E1C,对深度-峰值特征时间数据序列中的深度和峰值特征时间分别取对数,得到对数数据序列,将对数数据序列进行线性拟合,得到线性模型:ln(L)=a*ln(Δt)+b,中的系数a,b,获得完整的线性模型。
2.根据权利要求1所述的方法,其特征在于;
所述子步骤E1B中,M≥100,S≥1000;和/或
所述子步骤E1C中,采用最小二乘法将对数数据序列进行线性拟合。
3.一种方波红外热成像定量测量样品厚度或缺陷深度的方法,其特征在于,包括:
步骤A,对待测样品的表面进行方波加热,τ为加热时间;
步骤B,按照预设采集频率记录降温阶段的待测样品表面热图,得到选定区域的像素点的随t变化的降温数据,t为自加热开始瞬间之后所经历的时间;
步骤C,由降温数据组成降温数据序列[Tsq(t)];
步骤D,对于降温数据序列[Tsq(t)]中的每一个数据取对数,而后对取对数后的降温数据序列[lnTsq(t)]进行曲线拟合,将曲线拟合得到的连续曲线lnTsq(t)对ln(t-τ)求二次导数,由求二次导数得到的曲线的拐点得到峰值时间tp,进而得到实验峰值特征时间Δtp:Δtp=tp-τ;
步骤E,获取峰值特征时间Δt随L变化的线性模型:ln(L)=a*ln(Δt)+b,其中,a、b为已知系数,L为样品材料的热传导系数发生变化位置的深度;
步骤F,将Δt=Δtp带入到所述线性模型,得到L0;
其中,当对缺陷深度进行测量时,所述步骤B中的选定区域为内部缺陷对应的表面区域,所述L0为缺陷深度;或,当对样品厚度进行测量时,所述步骤B中的选定表面区域为内部无缺陷对应的表面区域,所述L0为样品厚度;
其中,在待测样品的材料热扩散系数α未知的情况下,所述步骤E包括:
子步骤E2A,对标准样品通过其表面进行方波加热,所述标准样品的内部至少包括n个深度已知的标准缺陷,n≥2:
子步骤E2B,按照预设采集频率记录降温阶段的标准样品表面热图,得到标准缺陷对应像素点的随时间变化的降温数据;
子步骤E2C,对于标准样品的n个标准缺陷中的每一个,执行如下操作,得到其对应的实验峰值特征时间:
分步骤E2C1,获取对应标准缺陷上方的样品表面区域的像素点的随t变化的降温数据,t为自加热开始瞬间之后所经历的时间;
分步骤E2C2,由降温数据组成降温数据序列[Tsq(t)];
分步骤E2C3,对于降温数据序列[Tsq(t)]中的每一个数据取对数,而后对取对数后的降温数据序列[lnTsq(t)]进行曲线拟合,将曲线拟合得到的连续曲线lnTsq(t)对ln(t-τ)求二次导数,由求二次导数得到的曲线的拐点得到峰值时间tp,进而得到标准缺陷对应的实验峰值特征时间Δtp:Δtp=tp-τ;
子步骤E2D,利用n个标准缺陷中每一个标准缺陷对应的深度-实验峰值特征时间的数据,分别取对数后进行线性拟合得到线性模型ln(L)=a*ln(Δt)+b中的系数a、b。
4.根据权利要求3所述的方法,其特征在于:
所述子步骤E2A中,n≥5;和/或
所述分步骤E2C3中,采用7阶多项式拟合取对数后的降温数据序列[lnTsqt];和/或
所述分步骤E2C1中,选取对应标准缺陷中心的样品表面区域的c×c个像素点,利用该c×c个像素点做均值处理后的温度作为降温数据,c≥3;和/或
所述子步骤E2D中,所述线性拟合为采用最小二乘法的线性拟合。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述步骤B中,在选定区域选取d×d个像素点,利用该d×d个像素点做均值处理后的温度作为选定区域的降温数据,d≥3。
6.根据权利要求1至4中任一项所述的方法,其特征在于,在对缺陷深度进行测量时,所述步骤B之前还包括:根据待测样品表面热图,依据以下两种方式其中之一确定内部缺陷对应的表面区域,将该表面区域作为选定区域:
(1)由待测样品表面热图上的亮斑,判断该亮斑区域为内部缺陷对应的表面区域;
(2)对待测样品的原始表面序列热图做对数温度-对数时间的一阶微分处理或二阶微分处理,得到微分表面序列热图,微分表面序列热图有灰度反转或差异的区域为内部缺陷对应的表面区域。
7.根据权利要求1至4中任一项所述的方法,其特征在于,所述步骤A中,对待测样品加热的时间介于5秒至60分钟之间。
8.根据权利要求7所述的方法,其特征在于,待测样品为玻璃钢平板,厚度介于10mm~50mm之间,所述步骤A中,对待测样品进行方波加热的时间介于10秒至100秒之间。
9.根据权利要求1至4中任一项所述的方法,其特征在于:
所述步骤A中,利用围绕待测样品对称分布的m个卤素灯对待测样品的表面进行加热,m≥2;和/或
所述步骤B中,利用红外热像仪记录降温阶段的待测样品表面热图,预设采集频率介于1Hz~1000Hz之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210091480.1A CN114324472B (zh) | 2022-01-26 | 2022-01-26 | 方波红外热成像定量测量样品厚度或缺陷深度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210091480.1A CN114324472B (zh) | 2022-01-26 | 2022-01-26 | 方波红外热成像定量测量样品厚度或缺陷深度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114324472A CN114324472A (zh) | 2022-04-12 |
CN114324472B true CN114324472B (zh) | 2023-06-23 |
Family
ID=81028291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210091480.1A Active CN114324472B (zh) | 2022-01-26 | 2022-01-26 | 方波红外热成像定量测量样品厚度或缺陷深度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114324472B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117288103B (zh) * | 2023-09-20 | 2024-06-07 | 广州泽亨实业有限公司 | 一种涂层膜厚测量方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6751342B2 (en) * | 1999-12-02 | 2004-06-15 | Thermal Wave Imaging, Inc. | System for generating thermographic images using thermographic signal reconstruction |
CN102221339B (zh) * | 2011-06-09 | 2012-09-05 | 首都师范大学 | 脉冲红外热波技术测厚方法 |
CN102565124B (zh) * | 2011-12-16 | 2013-11-13 | 首都师范大学 | 脉冲红外热波技术定量测量方法 |
EP2743688B1 (en) * | 2012-12-17 | 2017-05-03 | Thermosensorik Gmbh | Method and system for the examination of a sample by means of thermography |
CN103148799B (zh) * | 2013-01-30 | 2014-11-26 | 首都师范大学 | 基于对数一阶微分峰值法的缺陷深度测量方法 |
ITUB20152385A1 (it) * | 2015-07-22 | 2017-01-22 | Alenia Aermacchi Spa | Metodo e sistema di ispezione termografica non distruttiva per il rilevamento e la misura di difettosita' in strutture in materiale composito |
CN113109385B (zh) * | 2021-03-30 | 2023-05-05 | 广东风华高新科技股份有限公司 | 一种片式无源元件的缺陷检测方法、装置及系统 |
-
2022
- 2022-01-26 CN CN202210091480.1A patent/CN114324472B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114324472A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8465200B2 (en) | Method for implementing depth deconvolution algorithm for enhanced thermal tomography 3D imaging | |
CN106501314B (zh) | 一种简便快捷检测钢管混凝土内部质量的方法 | |
CN109060822B (zh) | 长脉冲红外无损检测序列图像处理方法与系统 | |
Pickering et al. | Matched excitation energy comparison of the pulse and lock-in thermography NDE techniques | |
KR100720214B1 (ko) | 열 촬영 데이터 프레임 분석 방법, ir 과도 서모그래피 방법, 피검체 두께 결정 방법 및 적외선 과도 서모그래피 방법 | |
EP0840110A2 (en) | Nondestructive testing:transient depth thermography | |
RU2431823C2 (ru) | Способ и устройство для неразрушающего контроля изолирующего покрытия | |
US9464891B2 (en) | Method for measuring thickness by pulsed infrared thermal wave technology | |
CN108444936B (zh) | 一种钢管混凝土脱空的无损检测系统及方法 | |
Sharath et al. | Defect characterization using pulsed thermography | |
CN114324472B (zh) | 方波红外热成像定量测量样品厚度或缺陷深度的方法 | |
Wei et al. | Accurate depth determination of defects in composite materials using pulsed thermography | |
Grinzato et al. | Corrosion evaluation by thermal image processing and 3D modelling | |
De Capua et al. | Active and eddy current pulsed thermography to detect surface crack and defect in historical and archaeological discoveries | |
CN113486544A (zh) | 低功率激光测试材料室温热导率获取方法、设备及介质 | |
CN114354689B (zh) | 方波激励红外热波成像测量样品缺陷深度的方法 | |
Tao et al. | Analysis of step-heating thermography methods for defect depth prediction | |
US20100088041A1 (en) | Two slope reference for synthetic thermal time of flight imaging | |
CN114487015B (zh) | 方波热成像测量低热导率材料内部缺陷深度的方法 | |
Wu et al. | Prediction of defect depth in GFRP composite by square-heating thermography | |
Vageswar et al. | Periscope infrared thermography for local wall thinning in tubes | |
Milovanović et al. | Detecting defects in reinforced concrete using the method of infrared thermography | |
RU2753620C1 (ru) | Способ определения кинетических теплофизических свойств анизотропных композитных материалов | |
JP2014522971A (ja) | 鋼部材、特に歯車の肌焼又は窒化の有効深さを求める装置及び方法 | |
Sun | Method for determining defect depth using thermal imaging |
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 |