CN114354689A - 方波激励红外热波成像测量样品缺陷深度的方法 - Google Patents

Abstract

本发明提供了一种方波激励红外热波成像测量样品缺陷深度的方法，该方法包括：步骤A，对待测样品通过其表面进行方波加热；步骤B，得到每一像素点的随时间变化的降温数据；步骤C，得到温度对比度数据序列；步骤D，对于温度对比度数据序列，进行曲线拟合得到连续曲线，将连续曲线对时间求导，得到曲线，由曲线的拐点得到峰值时间，进而得到实验峰值特征时；步骤E，获取峰值特征时间Δt随缺陷深度L变化的线性模型；步骤F，将Δt带入到线性模型，得到待测样品内部缺陷的深度L₀。本发明能够实现对大深度缺陷的精确测量，具有较强的实用价值。

Description

方波激励红外热波成像测量样品缺陷深度的方法

技术领域

本发明涉及无损检测技术领域，尤其涉及一种方波激励红外热波成像测量样品缺陷深度的方法。

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。

然而，目前的红外热波无损检测中，均是采用的红外热脉冲激励，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会降低，检测能力会下降。

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激励红外热波成像测量样品缺陷深度的方法，该方法包括：

步骤A，对待测样品通过其表面进行方波加热，待测样品的厚度为L_r，其内部具有深度为L₀的缺陷，τ为加热时间，其中，L_r、τ为已知，L₀为未知待求参数；

步骤B，按照预设频率记录降温阶段的待测样品表面热图，得到每一像素点的随时间变化的降温数据；

步骤C，获取对应内部缺陷的样品表面区域的第一降温数据序列，获取对应内部无缺陷的样品表面区域的第二降温数据序列，由第一降温数据序列和第二降温数据序列的差得到温度对比度数据序列[ΔT_sq(t)]，t为自加热开始所经历的时间；

步骤D，对于温度对比度数据序列[ΔT_sq(t)]，进行曲线拟合得到连续曲线ΔT_sq(t)，将连续曲线ΔT_sq(t)对时间t求导，得到曲线f(t)，由曲线f(t)的拐点得到峰值时间t_p，进而得到实验峰值特征时间Δt₀，其中：Δt₀＝t_p-τ；

步骤E，获取峰值特征时间Δt随缺陷深度L变化的线性模型：ln(L)＝a*ln(Δt)+b，其中，a、b为系数；

步骤F，将Δt＝Δt₀带入到线性表达式，得到待测样品内部缺陷的深度L₀。

在本发明的一些实施例中，在待测样品的材料的热扩散系数α已知的情况下，步骤E包括：

子步骤E1A，构建如①或②所示的方波热成像中温度对比度的一阶导数：

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为材料热扩散系数；k为材料导热系数；

y＝L/L_r；

子步骤E1B，预设缺陷深度L序列{L₁，…，L_m，…，L_M}；对于缺陷深度L序列中的每一个深度，计算时间t序列{t₁,…,t_s,…,t_S}中每一时间点对应的g(t,L)或h(t,L)的值，得到令g(t,L)或h(t,L)取最大值对应的峰值时间；进而得到深度-峰值时间数据序列{[L₁,t₁]，…，[L_m,t_m]，…，[L_M,t_M]}，其中，1≤m≤M，M≥5，1≤s≤S，S≥10；

子步骤E1C，对深度-峰值时间数据序列中的深度和峰值时间分别取对数，得到对数数据序列，利用最小二乘法拟合对数数据序列，得到线性表达式：ln(L)＝a*ln(Δt)+b，中的系数a，b，进而获得完整的线性表达式。

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，待测样品的材料为玻璃钢，

α＝0.223mm²/s。

在本发明的一些实施例中，在待测样品的材料的热扩散系数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，标准样品的厚度为L_r，其内部至少包括n个深度已知的标准缺陷，n≥2：

子步骤E2B，按照预设频率记录降温阶段的标准样品表面热图，得到每一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，获取对应标准缺陷的样品表面区域的第一降温数据序列，获取对应内部无缺陷的样品表面区域的第二降温数据序列，由第一降温数据序列和第二降温数据序列的差得到温度对比度数据序列[ΔT_sq(t)]；

分步骤E2C2，对于温度对比度数据序列[ΔT_sq(t)]，进行曲线拟合得到连续曲线ΔT_sq(t)，将连续曲线ΔT_sq(t)对t求导，得到曲线f(t)，由曲线f(t)的拐点得到峰值时间t_p，进而得到实验峰值特征时间Δt₀，其中：Δt₀＝t_p-τ；

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。

在本发明的一些实施例中，n≥5。

在本发明的一些实施例中，步骤C中：获取对应内部缺陷的样品表面区域的第一降温数据序列的步骤中，选取缺陷中心区域的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第一降温数据序列中的温度数据，c≥2。

在本发明的一些实施例中，步骤C中：获取对应内部无缺陷的样品表面区域的第二降温数据序列的步骤中，选取邻近缺陷区的参考区域的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第二降温数据序列中的温度数据，d≥5。

在本发明的一些实施例中，步骤A中，对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，待测样品的材料为玻璃钢，厚度介于10mm～50mm之间，步骤A中，对样品加热的时间介于10秒至100秒之间。

在本发明的一些实施例中，待测样品为平板样品。

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进行加热，m≥2；和/或

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，采集频率介于1Hz～1000Hz之间；和/或

在本发明的一些实施例中，步骤C还包括：依据待测样品表面区域热图，在待测样品上区分：对应内部缺陷的样品表面区域和对应内部无缺陷的样品表面区域。

(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，第一方面避免了瞬时热冲击对待测物的损伤；第二方面，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；第三方面，基于方波激励理论，经过减参考区及求一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。

附图说明

图1为厚度L_r的待测平板样品带有深度为L缺陷的示意图。

图2为方波激励红外热波成像的典型降温曲线。

图3为

关于Fo_r-Fo_τr在Fo_τr为0.1和1，y分别等于0.2,0.5和0.8时的理论曲线。

图4为峰值傅里叶数(Fo_peak-Fo_τr)在Fo_τr为0.1和1时关于y的函数曲线图。

图5为在给定条件：α＝0.223mm²/s,Lr＝20mm,τ＝20.5s下，对应不同缺陷深度(0.5mm到7mm)与函数

的峰值特征时间的关系图。

图6为在给定条件：α＝0.223mm²/s,Lr＝20mm,τ＝20.5s下，对应不同缺陷深度与函数

的峰值特征时间取对数后的线性关系图。

图7为给定条件

α分别为0.15mm²/s，0.2mm²/s,0.25mm²/s时所对应不同缺陷深度与峰值特征时间取对数变换后的线性关系图。

图8为给定条件

τ分别为10s，100s时所对应不同缺陷深度与峰值特征时间取对数变换后的线性关系图。

图9为本发明实施例中玻璃钢材料平底孔样品的设计示意图。

图10为本发明方波激励红外热波成像方法中设备的连接示意图。

图11为本发明实施例方波激励红外热波成像测量平板样品缺陷深度方法的流程图。

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，提供一种方波激励红外热波成像测量平板样品缺陷深度的方法，能够保护样品，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。

本发明的理论基础为对于具有绝热边界的材料表面，进行脉冲激励后，表面温度的变化为由Parker等人提出的解：

其中，f下标表示该解为脉冲激励解；ρ为材料密度，c为材料比热容，a为材料热扩散系数，t为时间变量。

当激励波形为方波后，即激励热通量大小为I_sq(t)，具有如下关系：

对于时间段为0<t<τ的加热过程，相当于阶跃激励条件，可以分解成无数个脉冲激励，则阶跃激励下材料表面的温度解可以使用阶跃函数与归一后的脉冲激励表面温度解做卷积积分，即对式(5)代入Q＝1，根据Duhamel原则化简后得到阶跃激励下材料表面的温度随时间变化分布为：

其中，F为t＝0时施加在样品表面上的热流密度或热通量；k为材料导热系数。

图2为方波激励红外热波成像的典型降温曲线。如图2所示，对于在τ<t的时间段，可以看成在t＝0时施加一个正阶跃热通量F，在t＝τ时施加另一个负阶跃的恒定通量-F，即得到：

T_sq(t)＝T_st(t)-T_st(t-τ)

此时整个激励过程中表面吸收的总热量为：

归一化后其表面温度V_sq＝(k/FL)T_sq表征为：

其中Fo_τ＝ατ/L²。τ为激励时间,Fo＝αt/L²。

图1为厚度L_r的待测平板样品带有深度为L缺陷的示意图。如图1所示，假设一块厚度为L_r的平板样品，预制有深度为L的平底孔缺陷，则缺陷处对应表面的温度为将L代入V_sq(Fo)或者T_sq(t)，而无缺陷处(参考区)对应表面的温度为将L_r代入V_sq(Fo)或者T_sq(t)，其两者之间的温度差即为温度对比度ΔV_sq(Fo_r)或者ΔT_sq(t)：

表达式中，y＝L/L_r，

对ΔV_sq(Fo_r)求一阶导数得到：

或者

上述式(5)和式(6)是等价的，并且，关于公式中的常数系数，事实上可以包括在g(t,L)或h(t,L)，不会影响整体的函数趋势。

图3给出了表达式(2)当Fo_τr为0.1和1，y分别等于0.2,0.5和0.8时的理论曲线，可以看到函数dΔV_sq/dFo_r都具有一个峰值，且此峰值的傅立叶数Fo_peak，定义Fo_peak＝αt_peak/L²，是一个关于Fo_τr与y的函数。其(Fo_peak-Fo_τr)在Fo_τr为0.1和1时关于y的函数曲线如图4所示。当y在一定条件下，(Fo_peak-Fo_τr)为常数，即峰值特征时间与缺陷深度幂次方呈线性关系。因此，可以得到峰值特征时间Δt与缺陷深度L满足以下线性模型：ln(L)＝a*ln(Δt)+b，其中，a、b为系数。

而对应获取线性模型中的系数a、b，结合上述的理论推导，有两种方法可以采用：

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

在实际测量过程中，首先可以依据材料已知或者测量的热扩散系数和实际实验时使用的加热时间，通过式(6)理论数值解析出不同缺陷深度所对应曲线的峰值时间，相应峰值时间减去加热时间得到峰值特征时间，并对缺陷深度和峰值特征时间做对数变换，再线性拟合出两者之间的线性模型；再用实验数据找出缺陷区温度对比度一阶导数的峰值特征时间，代入理论数值解析的线性模型中，从而求出缺陷深度值。

具体而言，请参照图11，可以按照以下步骤来进行：

子步骤E_1A，构建下任一式所示的方波热成像中温度对比度的一阶导数：

或者

其中，F为加热阶段施加在待测平板样品表面上的热流密度或热通量；α为材料热扩散系数；k为材料导热系数；

y＝L/L_r；

子步骤E_1B，预设缺陷深度L序列{L₁，…，L_m，…，L_M}；对于缺陷深度序列中的每一个深度，计算时间t序列{t₁,…,t_s,…,t_S}中每一时间点对应的g(t,L)或h(t,L)的值，得到令g(t,L)或h(t,L)取最大值对应的峰值时间t_m；进而得到深度-峰值时间数据序列{[L₁,t₁]，…，[L_m,t_m]，…，[L_M,t_M]}，其中，1≤m≤M，M≥5，1≤s≤S，S≥10；

本领域技术人员可以理解，为了保证结果的准确性，根据计算机的处理能力，可以提高了采样点的数目，M≥100，S≥1000。在本实施例中，M＝200，S＝2000。

子步骤E_1C，对深度-峰值时间数据序列中的深度和峰值时间分别取对数，得到对数数据序列，利用最小二乘法拟合对数数据序列，得到线性表达式：ln(L)＝a*ln(Δt)+b，中的系数a，b，进而获得完整的线性表达式。

对给定的如图9所示的玻璃钢平底孔样品的热成像检测过程中，加热时间和热扩散系数是固定值，因此假设设置参数条件为：α＝0.223mm²/s，Lr＝20mm，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与峰值时间t的曲线图见图5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6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)＝0.3884*ln(Δt)+0.2658,Δt＝t-τ(7)

需要强调的是，该线性方程对应的斜率和截距与材料热扩散系数α以及方波热源加热时间τ有关。设置参数

热扩散系数分别为0.15mm²/s，0.2mm²/s，0.25mm²/s所对应对数缺陷深度和对数峰值特征时间的线性关系如图7所示。设置参数

加热时间分别为10s，100s所对应对数缺陷深度和对数峰值特征时间的线性关系如图8所示。

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

除了以上方法之外，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，对标准样品进行方波热成像(冷却阶段)实验得出标准样品已知不同缺陷深度下与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，再按照前述方法，对实际部件材料(未知缺陷深度)的实验数据进行处理得到峰值特征时间，从而定量出实际部件中的内部缺陷深度。

具体而言，可以按照以下步骤来进行：

子步骤E_2A，对标准平板样品通过其表面进行方波加热，所述标准平板样品的厚度为L_r，其内部至少包括n个深度已知的标准缺陷，n≥2：

本领域技术人员应当理解，可以增加标准缺陷的数目，以在后续实验中能够更为精确地获得线性模型，n≥5。例如，n＝8。

子步骤E_2B，按照预设频率记录降温阶段的标准平板样品表面热图，得到每一像素点的随时间变化的降温数据；

子步骤E_2C，对于标准平板样品的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E_2C1，获取对应标准缺陷的样品表面区域的第一降温数据序列，获取对应内部无缺陷的样品表面区域的第二降温数据序列，由第一降温数据序列和第二降温数据序列的差得到温度对比度数据序列[ΔT_sq(t)]；

其中，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第一降温数据序列中的温度数据，c≥3。选取临近临近标准缺陷的对应内部无缺陷的样品表面区域的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第二降温数据序列中的温度数据，d≥5。本实施例中，通过取多个点而后均值操作后作为处理所需的数据，避免选择到坏点的风险。

分步骤E_2C2，对于温度对比度数据序列[ΔT_sq(t)]，进行曲线拟合得到连续曲线ΔT_sq(t)，将连续曲线ΔT_sq(t)对t求导，得到曲线f(t)，由曲线f(t)的拐点得到峰值时间t_p，进而得到实验峰值特征时间Δt₀，其中：Δt₀＝t_p-τ；

子步骤E_2D，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。

通过以上两种方式，获得了完整的线性模型ln(L)＝a*ln(Δt)+b，在此基础上就可以真正的进行实际检测了。

图9为玻璃钢材料平底孔样品的设计示意图。如图9所示，待测平板样品的厚度为20mm，长宽分别为150mm和100mm，其上有2行，每行3列的模拟平底孔缺陷。第一行3个平底孔缺陷的深度分别为19mm、18mm和17mm。第二行3个平底孔缺陷的深度分别为16mm、15mm和14mm。此处的深度指的是材料表面到平底孔面的距离。

图10为本发明方波激励红外热波成像方法中设备的连接示意图。请参考图10，首先，在计算机的控制下，由2个高能卤素灯对待测平板样品表面施加预设时间τ的能量，待测平板样品表面在高能卤素灯能量作用下温度升高，由于待测平板样品表面与内部存在温度差，因此热流沿着深度方向由材料表面向内部传导，红外热像仪(FLIR)实时记录待测平板样品加热前后表面的温度场变化，计算机采集红外热像仪得到的数据，可以得到待测平板样品加热前，升温段以及降温段的表面温度场热图数据序列。

需要说明的是，虽然本实施例中采用了2个卤素灯，但是在实际场景下，可以根据需要来设置卤素灯，以实现对待测平板样品表面的均匀加热。同时，在确定线性模型的过程中所采用的卤素灯的个数和参数应当与实际场景下相同。

图11为本发明实施例方波激励红外热波成像测量平板样品缺陷深度方法的流程图。如图11所示，本实施例的方波激励红外热波成像测量平板样品缺陷深度的方法包括如下步骤：

步骤A，使用卤素灯或者其他低能密度的加热设备对如图9所示的待测平板样品进行一段时间的加热，加热时间τ，加热时间依据材料的热扩散快慢、材料的薄厚来选择短时或长时间的加热，从几秒钟到几十分钟不等；

需要说明的是，本发明中的方波方法相对于脉冲方法，激励源更容易得到，且造价更便宜。对于较厚或低热导率的材料，脉冲激励能量不足，需要高能闪光灯进行激励，不易实现，且造价昂贵；使用便宜的卤素灯实现方波激励，可以方便更换不同功率的灯管，也可以通过持续地给材料施加热量来提高加热总能量，性价比更高，该方法更适合检测低热导率的材料或检测到相对更深的缺陷。更为重要的是，基于方波激励理论，经过减参考区及求一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，大大减少了计算量。

需要说明的是，虽然本实施例采用平板样品为例进行说明，但本领域技术人员应当理解，对于其他的非平板样品，例如表面有凹凸形状的样品，非规则形状样品，本发明同样适用，此处不再赘述。

步骤B，用红外热像仪以预设采集频率获得待测平板样品表面温度上升阶段和下降阶段的数据序列，并储存在通用储存器中；

采集频率也是根据材料热扩散快慢或者材料薄厚，选取高帧频或者低帧频频率，通常几十赫兹到几赫兹。本领域技术人员应当理解，采集频率越高越好，但是一般不取太高帧频，因为那样的话，获取数据量则太大，例如100Hz取2分钟数据则有12000幅热图了，这对计算能力的要求会大大提高。

需要说明的是，虽然红外热像仪采集了升温阶段和降温阶段的温度随时间变化的数据，但是在实际进行数据处理时，只对热像仪采集的降温阶段数据进行处理，以加热停止后的一瞬间为时间零点，所有零时刻以后的温度减去材料被加热前的表面温度，得出预处理后的降温数据序列。对每一个像素进行相同的处理。

步骤C，选取缺陷中心区域一个3*3像素(由缺陷的尺寸大小决定)的降温数据序列，做均值处理后作为该缺陷区域的降温数据序列；选取邻近缺陷区的参考区域(如10*10像素)的降温数据序列，并做均值处理得到参考区的降温数据序列。两者相减得到缺陷区和参考区的温度对比度数据序列；

本领域技术人员应当能够理解，以上选择区域均值处理后的温度作为后续计算所采用的数据，可以避免温度误差或者红外热像仪精度所带来的影响，提高准确度。并且，关于所选区域的大小，可以根据实际计算能力灵活确定。

此外，步骤C中还包括：依据待测平板样品表面热图，在待测平板样品上区分：对应内部缺陷的样品表面区域和对应内部无缺陷的样品表面区域。在实际操作中，对于平底孔模拟的分层、脱粘类缺陷，其对应表面区域相较于参考区域在降温过程中会出现有明显亮斑(即温度高于参考区)，而参考区域没有，最终样品表面都会趋于热平衡。有时温度变化不明显，可以会对热图图像做对数温度-对数时间一阶微分处理后，得到温度变化率图像，会增强缺陷区域信号强度，缺陷区会更容易看见。

步骤D，对于所述温度对比度数据序列[ΔT_sq(t)]，进行曲线拟合得到连续曲线ΔT_sq(t)，将连续曲线ΔT_sq(t)对t求导，得到曲线f(t)，由曲线f(t)的拐点得到峰值时间t_p，进而得到实验峰值特征时间Δt₀，其中：Δt₀＝t_p-τ；

本领域技术人员应当理解，在得到连续曲线ΔT_sq(t)以及曲线f(t)的过程中，可以采用平滑处理，以去除曲线上的毛刺点，提升后续计算的精度。

按照公式(6)进行数据重建，平滑处理后找到峰值特征时间Δt。

步骤E，获取峰值特征时间Δt随缺陷深度L变化的线性模型：ln(L)＝a*ln(Δt)+b，其中，a、b为系数；

在本步骤中，可以采用上文所说的两种确定线性模型系数的方法其中之一均可。

本实施例中，在已知材料热扩散率α，卤素灯加热时间τ，材料厚度Lr条件下，结合公式(6)进行理论数值解析，可以得到不同对数缺陷深度与其对应对数峰值特征时间，经过线性拟合后得到系数a和b，从而得到完整的线性模型。

当然，在热扩散系数α未知的情况下，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，对标准样品进行方波热成像(取冷却阶段数据)实验得出标准样品已知不同缺陷深度下与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，再对实际部件材料(未知缺陷深度)的实验数据进行处理得到峰值特征时间，从而定量出实际部件中的内部缺陷深度。

步骤F，对步骤D中实验峰值特征时间Δt₀代入该线性模型中即可求出缺陷深度值。

本实施例中，通过该方法对玻璃钢平底孔样品测量获得的线性关系预测深度的结果表述为表1。

表1

可见，经过本实施例的方法获得的深度误差均在9％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，本发明实施例介绍完毕。

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。

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，本发明针对上述瞬时热冲击过大和加热能量不足的问题，提拱一种方波激励红外热波成像技术测量厚度的方法，通过在材料表面加载预设时间的能量密度，采集材料表面冷却降温过程的时序数据，对时序数据进行重建计算获取特征时间，利用特征时间与缺陷深度的关系，最终达到测量缺陷深度的目的，能够实现对大深度缺陷的精确测量，具有较强的实用价值。

应当理解的是，提供这些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。

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。

说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”、“主”、“次”，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元件(或步骤)得以和另一具有相同命名的元件(或步骤)能做出清楚区分，并不意味着该元件(或步骤)有任何的序数，也不代表某一元件(或步骤)与另一元件(或步骤)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 (10)

1.一种方波激励红外热波成像测量样品缺陷深度的方法，其特征在于，包括：

步骤A，对待测样品通过其表面进行方波加热，所述待测样品的厚度为L_r，其内部具有深度为L₀的缺陷，τ为加热时间，其中，L_r、τ为已知，L₀为未知待求参数；

步骤B，按照预设频率记录降温阶段的待测样品表面热图，得到每一像素点的随时间变化的降温数据；

步骤C，获取对应内部缺陷的样品表面区域的第一降温数据序列，获取对应内部无缺陷的样品表面区域的第二降温数据序列，由第一降温数据序列和第二降温数据序列的差得到温度对比度数据序列[ΔT_sq(t)]，t为自加热开始所经历的时间；

步骤D，对于所述温度对比度数据序列[ΔT_sq(t)]，进行曲线拟合得到连续曲线ΔT_sq(t)，将连续曲线ΔT_sq(t)对时间t求导，得到曲线f(t)，由曲线f(t)的拐点得到峰值时间t_p，进而得到实验峰值特征时间Δt₀，其中：Δt₀＝t_p-τ；

步骤E，获取峰值特征时间Δt随缺陷深度L变化的线性模型：ln(L)＝a*ln(Δt)+b，其中，a、b为系数；

步骤F，将Δt＝Δt₀带入到所述线性表达式，得到待测样品内部缺陷的深度L₀。

2.根据权利要求1所述的方法，其特征在于，在待测样品的材料的热扩散系数α已知的情况下，所述步骤E包括：

子步骤E_1A，构建如①或②所示的方波热成像中温度对比度的一阶导数：

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为材料热扩散系数；k为材料导热系数；

y＝L/L_r；

子步骤E_1B，预设缺陷深度L序列{L₁，…，L_m，…，L_M}；对于缺陷深度L序列中的每一个深度，计算时间t序列{t₁,…,t_s,…,t_S}中每一时间点对应的g(t,L)或h(t,L)的值，得到令g(t,L)或h(t,L)取最大值对应的峰值时间；进而得到深度-峰值时间数据序列{[L₁,t₁]，…，[L_m,t_m]，…，[L_M,t_M]}，其中，1≤m≤M，M≥5，1≤s≤S，S≥10；

子步骤E_1C，对深度-峰值时间数据序列中的深度和峰值时间分别取对数，得到对数数据序列，利用最小二乘法拟合对数数据序列，得到线性表达式：ln(L)＝a*ln(Δt)+b，中的系数a，b，进而获得完整的线性表达式。

3.根据权利要求2所述的方法，其特征在于，M≥100，S≥1000。

4.根据权利要求2所述的方法，其特征在于，所述待测样品的材料为玻璃钢，

α＝0.223mm²/s。

5.根据权利要求1所述的方法，其特征在于，在待测样品的材料的热扩散系数α未知的情况下，所述步骤E包括：

子步骤E_2A，对标准样品通过其表面进行方波加热，所述标准样品的厚度为L_r，其内部至少包括n个深度已知的标准缺陷，n≥2：

子步骤E_2B，按照预设频率记录降温阶段的标准样品表面热图，得到每一像素点的随时间变化的降温数据；

子步骤E_2C，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E_2C1，获取对应标准缺陷的样品表面区域的第一降温数据序列，获取对应内部无缺陷的样品表面区域的第二降温数据序列，由第一降温数据序列和第二降温数据序列的差得到温度对比度数据序列[ΔT_sq(t)]；

分步骤E_2C2，对于温度对比度数据序列[ΔT_sq(t)]，进行曲线拟合得到连续曲线ΔT_sq(t)，将连续曲线ΔT_sq(t)对t求导，得到曲线f(t)，由曲线f(t)的拐点得到峰值时间t_p，进而得到实验峰值特征时间Δt₀，其中：Δt₀＝t_p-τ；

子步骤E_2D，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。

6.根据权利要求5所述的方法，其特征在于，n≥5，所述分步骤E_2C1中：

所述获取对应标准缺陷的样品表面区域的第一降温数据序列的步骤中，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第一降温数据序列中的温度数据，c≥3；和/或

所述获取对应内部无缺陷的样品表面区域的第二降温数据序列的步骤中，选取临近临近标准缺陷的对应内部无缺陷的样品表面区域的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第二降温数据序列中的温度数据，d≥5。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述步骤C中：

所述获取对应内部缺陷的样品表面区域的第一降温数据序列的步骤中，选取对应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第一降温数据序列中的温度数据，c≥2；和/或

所述获取对应内部无缺陷的样品表面区域的第二降温数据序列的步骤中，选取邻近缺陷的对应内部无缺陷的样品表面区域的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第二降温数据序列中的温度数据，d≥3。

8.根据权利要求1至6中任一项所述的方法，其特征在于，所述步骤A中，对样品加热的时间介于5秒至60分钟之间。

9.根据权利要求8所述的方法，其特征在于，所述待测样品的材料为玻璃钢，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。

10.根据权利要求1至6任一项所述的方法，其特征在于：

所述待测样品为平板样品；和/或

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，采集频率介于1Hz～1000Hz之间；和/或，所述步骤C还包括：依据待测样品表面区域热图，在待测样品上区分：对应内部缺陷的样品表面区域和对应内部无缺陷的样品表面区域。

Images