CN114487015B - 方波热成像测量低热导率材料内部缺陷深度的方法 - Google Patents

Abstract

一种方波热成像测量低热导率材料内部缺陷深度的方法，包括：S1利用加热设备对被检测物体的表面进行预设时长的加热，并通过红外热像仪按照预设的采集频率对被检测物体表面加热前至降温结束过程的热图序列进行采集；S2根据热图序列中的温度随时间变化的数据提取每个像素点温度下降阶段随时间变化的曲线；S3对温度随时间变化的曲线乘以

进行温度重建，平滑处理后得到实验数据最小峰特征时间；S4根据已知的热扩散系数和加热时间基于方波激励表面温度理论解进行理论数值解析，得到不同缺陷深度或厚度与其对应的理论最小峰特征时间经过对数变换后的线性关系；S5将得到的实验数据最小峰特征时间代入线性关系中反演出被检测物体中缺陷深度或厚度。

Description

方波热成像测量低热导率材料内部缺陷深度的方法

技术领域

本发明涉及无损检测技术定量测量方法，具体而言，涉及一种方波热成像技术，更具体地是一种利用方波热成像技术在不接触被测物的情况下计算材料内部缺陷深度或材料厚度的方法。

背景技术

外热成像技术是近二十年来迅速发展并广泛应用的无损检测技术，用于评估和测试金属或非金属材料试件(特别是复合材料)，主要用于定性或定量检测材料内部缺陷。近年来，基于脉冲热成像的无损检测技术得到了广泛的研究，由于脉冲激励的热传导方程解析形式简洁，有利于缺陷深度定量测量分析，其中有多种缺陷深度量化方法，如热对比度法、对比温度导数峰值法、对数二阶导数峰值法等。由于热波的高衰减性，脉冲加热的能量较难提高，脉冲热成像通常被认为适用于表面及近表面的缺陷检测，基于该技术的缺陷深度量化方法通常也不是表征低热导率材料内部缺陷深度的最好选择。最近，国内外学者提出方波热成像技术(研究阶梯加热后的冷却过程)，该技术使用卤素灯作为热激励来代替高能闪光灯。经研究发现，方波热成像技术对低热导率材料定性检测非常有效，与脉冲热成像相比，方波热成像可以更方便提高卤素灯功率或者激励时间，从而提高加热总能量，更适合检测低导热率的材料或者更容易检测到更深的缺陷。

现有的红外热成像缺陷深度定量测量方法多基于脉冲热成像技术，缺乏基于方波热成像在定量深度测量方面的实践可行的方法，此为本申请的主要研究方向。

发明内容

为了解决上述问题，本发明提供一种方波热成像测量低热导率材料内部缺陷深度或材料厚度的方法，针对低热导率材料，基于方波热成像热传导原理，解析得出理论最小峰特征时间与深度之间的关系，并经实验数据处理找出该最小峰特征时间表征出缺陷深度或材料厚度，用以实现通过方波热成像技术定量测量缺陷深度或材料厚度的目的。

为达到上述目的，本发明提供了一种方波热成像测量低热导率材料内部缺陷深度的方法，其包括以下步骤：

步骤S1：利用阶梯型低能量密度的加热设备对被检测物体的表面进行预设时长的加热，并通过红外热像仪按照预设的采集频率对被检测物体表面加热前至降温结束过程的热图序列进行采集，将采集到的热图序列传输并存储到计算设备的通用存储器中；

步骤S2：根据采集到的热图序列中所包含的温度随时间变化的数据，提取每个像素点温度下降阶段随时间变化的曲线；

步骤S3：对每个像素点温度随时间变化的曲线乘以

进行温度重建，并进行平滑处理后得到实验数据最小峰特征时间，其中t为冷却时间；

步骤S4：根据已知的热扩散系数和加热时间，基于方波激励表面温度理论解进行理论数值解析，得到不同缺陷深度或厚度与其对应的理论最小峰特征时间经过对数变换后的线性关系；

步骤S5：将步骤S3中得到的实验数据最小峰特征时间代入线性关系中反演出被检测物体中缺陷深度或厚度的大小。

在本发明一实施例中，其中，所述加热设备与所述红外热像仪放置于被检测物体的同侧，所述加热设备的加热方式为方波加热。

在本发明一实施例中，其中，步骤S2中每个像素点温度下降阶段随时间变化的曲线具体为：对于每个像素点，以开始加热的瞬间作为曲线的时间零点，之后每个采样时间点的采样温度值减去时间零点的温度值作为对应采样点的曲线温度值，将所有对应采样点的曲线温度值连接成一曲线，得到对应像素点的升温曲线和降温曲线，最后将降温曲线作为该像素温度随时间变化的曲线。

在本发明一实施例中，其中，在步骤S3中，对任一像素点温度随时间变化的曲线乘以

进行温度重建，其数学形式为：

其中，F(t)为任意像素点温度下降阶段随时间变化的实验数据曲线。

在本发明一实施例中，其中，在步骤S3中进行的平滑处理具体为：采用窗口为20个相邻采样点的移动平均窗口对重建后的温度随时间变化的曲线进行平均计算处理，再从处理后的数据中找到重建温度信号中的最小值，该最小值对应的时间为实验数据最小峰时间t_p’，实验数据最小峰时间t_p’减去加热时间，即得到实验数据最小峰特征时间。

在本发明一实施例中，其中，步骤S4中的方波激励表面温度理论解为：

步骤S4具体为：

步骤S401：将方波激励表面温度理论解结合下列温度重建公式得到重建后的类表面温度函数f(t)：

其中，F为单位面积上施加的热流密度，L为被检测物体的缺陷深度或厚度，k为热导率，α为热扩散系数，τ为加热时间，t为冷却时间，n为热衰减函数中的累加次数；

步骤S402：根据预设的热扩散系数和加热时间，设置不同缺陷深度或厚度L进行理论数值计算，得到对应不同缺陷深度的温度重建理论曲线；

步骤S403：在不同缺陷深度的温度重建理论曲线中找到相应理论最小峰时间t_p，减去加热时间τ得到理论最小峰特征时间Δt；

步骤S404：分别对不同缺陷深度或厚度L以及其对应的理论最小峰特征时间Δt进行对数变换得到ln(L)和ln(Δt)之间的线性关系；

其中，线性关系为采用最小二乘法拟合出的线性关系，具体为：

ln(L)＝0.4724*ln(Δt)+0.209,Δt＝t_p-τ (4)

其中，Δt为理论最小峰特征时间，ln(L)为对缺陷深度或厚度L进行取对数变换，ln(Δt)为对理论最小峰特征时间Δt进行取对数变换。

在本发明一实施例中，其中，步骤S5中具体为：

将步骤S3中得到实验数据最小峰特征时间代入线性关系式(4)中，求出被检物体中缺陷深度或厚度L。

在本发明一实施例中，其中，步骤S4中还包括：

步骤S411：当被检测物体材料未知即热扩散系数α未知时，使用与被检测物体相同材料预制一标准试件，其中，所述标准试件上设置多个不同深度的缺陷，且每个缺陷深度为已知值；

步骤S412：设置一固定加热时间，执行步骤S1～步骤S3得到所述标准试件上每个已知缺陷深度对应的试件最小峰特征时间；

步骤S413：将每个缺陷的深度及其对应的试件最小峰特征时间分别进行对数变换后得到多组试件数据，将多组试件数据进行拟合得到缺陷深度与对应的最小峰特征时间经过对数变换后的线性关系式。

在本发明一实施例中，其中，步骤S5中具体为：

将步骤S3中得到实验数据最小峰特征时间代入不同缺陷深度与其对应的最小峰特征时间经过对数变换后的线性关系式中，求出被检物体中缺陷深度或厚度L。

本发明的方波热成像测量低热导率材料内部缺陷深度或材料厚度的方法，与现有技术相比，对缺陷深度的预测不需要参考区也能够得到准确结果，为方波热成像在定量深度测量在实践方面的应用奠定了理论基础。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例的方波热成像检测原理图；

图2为本发明一实施例中任一像素点温度下降阶段随时间变化的曲线示意图；

图3为本发明一实施例中重建后的温度随时间变化的示意图；

图4为本发明一实施例得到的不同缺陷深度与最小峰时间关系示意图；

图5为本发明一实施例中对数变换后的不同缺陷深度与对数变换后的最小峰特征时间关系图；

图6为本发明一实施例中当热扩散系数不同时，所对应不同缺陷深度与最小峰特征时间取对数变换后的线性关系示意图；

图7为本发明一实施例中当加热时间不同时，所对应不同缺陷深度与最小峰特征时间取对数变换后的线性关系示意图；

图8为本发明实验用玻璃钢平底孔试件的示意图；

图9为图8的试件中不同缺陷深度温度随时间变化的曲线进行温度重建后的示意图。

附图标记说明：101-红外热像仪；102-加热设备；103-被检测物体；104-计算设备。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一实施例的方波热成像检测原理图，如图1所示，本实施例提供了一种方波热成像测量低热导率材料内部缺陷深度或材料厚度的方法，其包括以下步骤：

步骤S1：利用阶梯型低能量密度的加热设备(102)对被检测物体(103)的表面进行预设时长的加热，并通过红外热像仪(101)按照预设的采集频率对被检测物体(103)表面加热前至降温结束过程的热图序列进行采集，将采集到的热图序列传输并存储到计算设备(104)的通用存储器中；本实施例中的阶梯型低能量密度的加热设备(102)可以选用卤素灯等常规设备，本发明不对其进行限定。

在本实施例中，其中，加热设备(102)与红外热像仪(101)放置于被检测物体(103)的同侧，阶梯型低能量密度的加热设备(102)的加热方式为方波加热。

其中，在步骤S1中，当加热设备(102)对被检测物体(103)的表面进行加热时，被检测物体(103)沿厚度方向的一维热传导方程为：

其中，ρ为被检测物体(103)的密度，c为比热，k为热导率，z为一维热传导的空间位置，t为时间，T(z,t)为温度在空间和时间上的分布函数；在本实施例中，由于要测定的是深度，因此忽略横向热扩散，仅考虑沿厚度方向的一维热传导。

当加热设备(102)为脉冲激励源时，如闪光灯或激光，加热后得到被检测物体(103)的表面温度变化函数为：

其中，α为热扩散系数，Q为加热的总能量，L为被检测物体(103)的缺陷深度或厚度，n为累加次数；在本实施例中，是假定被检测物体(103)的材料属性是恒定的，初始温度是常数(假设为T＝0)，并且被检测物体(103)的所有表面的边界都是绝热的，来进行计算的，其所得到的表面温度变化函数就是被检测物体(103)的热衰减函数。

而方波加热形式的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，因此可以得到升温阶段和降温阶段的两个解，本发明方法只考虑降温阶段，即冷却阶段的表面温度随时间分布函数，在实施例中，冷却阶段的表面温度随时间分布函数即为每个像素点温度随时间变化的曲线，表示为：

其中，F为单位面积上施加的热流密度，L为被检测物体(103)的缺陷深度或厚度，k为热导率，α为热扩散系数，τ为加热时间，t为冷却时间，n为热衰减函数中的累加次数。

步骤S2：根据采集到的热图序列中所包含的温度随时间变化的数据，提取每个像素点温度下降阶段随时间变化的曲线；

图2为本发明一实施例中任一像素点温度下降阶段随时间变化的曲线示意图，如图2所示，在本实施例中，其中，步骤S2中每个像素点温度下降阶段随时间变化的曲线具体为：对于每个像素点，以开始加热的瞬间作为曲线的时间零点，之后每个采样时间点的采样温度值减去时间零点的温度值作为对应采样点的曲线温度值，将所有对应采样点的曲线温度值连接成一曲线，得到对应像素点的升温曲线和降温曲线，最后将降温曲线作为该像素温度随时间变化的曲线。

步骤S3：对每个像素点温度随时间变化的曲线乘以

进行温度重建，并进行平滑处理后得到实验数据最小峰特征时间，其中t为冷却时间；

在本实施例中，其中，在步骤S3中，对任一像素点温度随时间变化的曲线乘以

进行温度重建，其数学形式为：

其中，F(t)为任意像素点温度下降阶段随时间变化的实验数据曲线。

在本实施例中，其中，在步骤S3中进行的平滑处理具体为：采用窗口为20个相邻采样点的移动平均窗口对重建后的温度随时间变化的曲线进行平均计算处理，再从处理后的数据中找到重建温度信号中的最小值，该最小值对应的时间为实验数据最小峰时间t_p’，实验数据最小峰时间t_p’减去加热时间，即得到实验数据最小峰特征时间。由于在序列数据处理中，窗口选择是以相邻采样点的数量作为窗口大小，本实施例采用的窗口是相邻20个采样点，并以此做移动均值处理。

步骤S4：根据已知的热扩散系数和加热时间，基于方波激励表面温度理论解进行理论数值解析，得到不同缺陷深度或厚度与其对应的理论最小峰特征时间经过对数变换后的线性关系；

在本实施例中，其中，步骤S4中的方波激励表面温度理论解为：

步骤S4具体为：

步骤S401：将方波激励表面温度理论解结合下列温度重建公式得到重建后的类表面温度函数f(t)：

其中，F为单位面积上施加的热流密度，L为被检测物体的缺陷深度或厚度，k为热导率，α为热扩散系数，τ为加热时间，t为冷却时间，n为热衰减函数中的累加次数；

步骤S402：根据预设的热扩散系数和加热时间，设置不同缺陷深度或厚度L进行理论数值计算，得到对应不同缺陷深度的温度重建理论曲线；

步骤S403：在不同缺陷深度的温度重建理论曲线中找到相应理论最小峰时间t_p，减去加热时间τ得到理论最小峰特征时间Δt；

步骤S404：分别对不同缺陷深度或厚度L以及其对应的理论最小峰特征时间Δt进行对数变换得到ln(L)和ln(Δt)之间的线性关系；

其中，线性关系为采用最小二乘法拟合出的线性关系，具体为：

ln(L)＝0.4724*ln(Δt)+0.209,Δt＝t_p-τ (4)

其中，Δt为理论最小峰特征时间，ln(L)为对缺陷深度或厚度L进行取对数变换，ln(Δt)为对理论最小峰特征时间Δt进行取对数变换。

图3为本发明一实施例中重建后的温度随时间变化的理论曲线示意图，如图3所示，其中的三条曲线分表代表缺陷深度或厚度L分别为1mm、2mm及3mm时所对应重建后的温度随时间的变化的曲线，由于定量测量材料内部缺陷深度过程中，加热时间τ和热扩散系数α都是恒定值，单位面积上施加的热流密度F与材料热导率k的比值不影响重建后的温度随时间变化的趋势，因此，图3中各曲线是按照设置热扩散系数α＝0.223mm²/s，加热时间τ＝20s，热流密度F与材料热导率k的比值F/k＝1，L＝1mm，2mm，3mm分别得到的。

从图3中可以发现，不同深度下的缺陷深度或厚度对应着不同的最小峰值时间，缺陷深度或厚度越大则所对应的最小峰值时间越大。

图4为本发明一实施例得到的不同缺陷深度与最小峰时间关系示意图，基于公式(3)进行数值解析，设置α＝0.223mm²/s，τ＝20s，F/k＝1，缺陷深度或厚度L设置从0.5mm～7mm，每0.02mm递增，从而得到不同缺陷深度及其对应的最小峰时间t_p，如图4所示，令最小峰时间t_p减去加热时间τ得到最小峰特征时间Δt，对最小峰特征时间Δt和缺陷深度或厚度L均进行取对数变换，则ln(L)和ln(Δt)之间存在一定的线性关系，即公式(4)的线性关系。

图5为本发明一实施例中对数变换后的不同缺陷深度与对数变换后的最小峰特征时间关系图，如图5所示，可以看出ln(L)和ln(Δt)之间存在着线性关系，由于针对某一材料的一次测量，则可设置参数热扩散系数α和加热时间τ恒定，所以由上式(3)数值解析得到对应不同缺陷深度的曲线，每一条曲线都有一个最小峰特征时间Δt，缺陷深度或厚度L和这个最小峰特征时间Δt取对数后得到式(4)的线性关系，即式(4)线性方程中斜率和截距都是常数。由于前述计算是在加热时间τ和热扩散系数α都是恒定值的假设条件下进行的，那么可以得知上述线性方程对应的斜率和截距实际上与热扩散系数α以及加热时间τ有关，当材料不同时，即热扩散系数α发生了变化，可以得到不同的线性关系。

图6为本发明一实施例中当热扩散系数不同时，所对应不同缺陷深度与最小峰特征时间取对数变换后的线性关系示意图，如图6所示，设置τ＝20s，F/k＝1时，热扩散系数α分别为0.15mm²/s、0.2mm²/s及0.25mm²/s所对应最小峰特征时间Δt与缺陷深度或厚度L的线性关系分别为不同斜率和截距。

图7为本发明一实施例中当加热时间不同时，所对应不同缺陷深度与最小峰特征时间取对数变换后的线性关系示意图，如图7所示，设置α＝0.223mm²/s，F/k＝1时，加热时间τ分别为10s与100s所对应最小峰特征时间Δt与缺陷深度或厚度L的线性关系分别为不同斜率和截距。

步骤S5：将步骤S3中得到的实验数据最小峰特征时间代入线性关系中反演出被检测物体中缺陷深度或厚度的大小。

在本实施例中，其中，步骤S5中具体为：

将步骤S3中得到实验数据最小峰特征时间代入线性关系式(4)中，求出被检物体中缺陷深度或厚度L。

本实施例在对实验数据的处理过程中，可以找出每个像素点存在的最小峰特征时间，然后依据已知的热扩散系数和已知的加热时间，根据理论数值解析出理论最小峰特征时间和深度存在的线性关系式，再通过实验数据找出的实验最小峰特征时间代入理论数值解析的线性方程中，最后反演出缺陷深度的大小。当存在未知的材料热扩散系数情况下，可以制做一个有包含有不同缺陷深度的同一材料的标准试件，设置一固定的加热时间，对标准试件进行方波热成像(具体为冷却阶段)实验得出标准试件不同缺陷深度与最小峰特征时间所对应的线性关系式，再通过实验数据找出的最小峰特征时间代入该线性关系式中，从而定量出被检测物体中的内部缺陷深度。

在本发明一实施例中，其中，步骤S4中还包括：

步骤S411：当被检测物体材料未知即热扩散系数α未知时，使用与被检测物体相同材料预制一标准试件，其中，所述标准试件上设置多个不同深度的缺陷，且每个缺陷深度为已知值；

步骤S412：设置一固定加热时间，执行步骤S1～步骤S3得到所述标准试件上每个已知缺陷深度对应的试件最小峰特征时间；

步骤S413：将每个缺陷的深度及其对应的试件最小峰特征时间分别进行对数变换后得到多组试件数据，将多组试件数据进行拟合得到缺陷深度与对应的最小峰特征时间经过对数变换后的线性关系式。

在本实施例中，其中，步骤S5中具体为：

将步骤S3中得到实验数据最小峰特征时间代入缺陷深度与对应的最小峰特征时间经过对数变换后的线性关系式中，求出被检物体中缺陷深度或厚度L。

本发明的理论是基于热传导基础理论，通过杜梅哈尔原理得到方波加热后的降温过程方程解，通过寻找最小峰特征时间的方法反演缺陷的深度信息或材料厚度信息。特别强调的是本发明的方法预测缺陷深度不需要参考区，所以也可测量材料厚度，为了更清楚的说明本发明的方法，下面将通过实验过程及实验数据进行详细说明。

图8为本发明实验用玻璃钢平底孔试件的示意图，如图8所示，实验用玻璃钢平底孔试件整体厚度为20mm，一面为平面，另一面上开设6个深度不同的缺陷，分成两排设置，每排3个，定义图8中19mm、18mm、17mm、16mm、15mm及14mm与玻璃钢板厚度20mm的差分别作为6个平底孔缺陷的深度，即平底孔缺陷的深度分别为1mm、2mm、3mm、4mm、5mm及6mm。在方波热成像实验过程中，红外热像仪和卤素灯都放置玻璃钢平底孔试件表面的同一侧，用两个1500W的卤素灯从试件正面加热20s后，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，得到的每个像素点的降温过程。

图9为图8的试件中不同缺陷深度温度随时间变化的曲线进行温度重建后的示意图，如图9所示，由于材料最薄的部分容易收到实验环境等多因素的影响，缺陷深度为1mm的数据存在抖动，因此本实验仅针对其他5个缺陷的数据进行分析。选取材料的缺陷深度分别为2mm、3mm、4mm、5mm及6mm的5个玻璃钢平底孔区域的像素点的数据，其中各个不同深度区域的降温曲线分别减去加热前的温度，然后按前述公式(3)进行温度重建，平滑处理后找出最小峰特征时间，可以得到不同深度下对应的最小峰特征时间图，如图9所示。

最后结合上述公式(4)的线性方程(理论数值解析中设置的参数与实验参数，材料参数一致)反演出缺陷深度的分布，并计算预测缺陷深度与实际缺陷深度的误差，结果如表1所示：

表1方波热成像定量测量玻璃钢平底孔试件深度分布计算结果

从表1可以看出，各缺陷深度的预测误差均在10.5％以内，属于预测的误差在可接受的范围，从而证明通过本发明的方法对材料内部缺陷深度的测量具有实践意义。

本发明的方波热成像测量低热导率材料内部缺陷深度或材料厚度的方法，与现有技术相比，对缺陷深度的预测不需要参考区也能够得到准确结果，为方波热成像在定量深度测量在实践方面的应用奠定了理论基础。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (8)

1.一种方波热成像测量低热导率材料内部缺陷深度的方法，其特征在于，包括以下步骤：

步骤S1：利用阶梯型低能量密度的加热设备对被检测物体的表面进行预设时长的加热，并通过红外热像仪按照预设的采集频率对被检测物体表面加热前至降温结束过程的热图序列进行采集，将采集到的热图序列传输并存储到计算设备的通用存储器中；

步骤S2：根据采集到的热图序列中所包含的温度随时间变化的数据，提取每个像素点温度下降阶段随时间变化的曲线；

步骤S3：对每个像素点温度随时间变化的曲线乘以

进行温度重建，并进行平滑处理后得到实验数据最小峰特征时间，其中t为冷却时间；

步骤S4：根据已知的热扩散系数和加热时间，基于方波激励表面温度理论解进行理论数值解析，得到不同缺陷深度或厚度与其对应的理论最小峰特征时间经过对数变换后的线性关系，其中，方波激励表面温度理论解为：

步骤S4具体为：

步骤S401：将方波激励表面温度理论解结合下列温度重建公式得到重建后的类表面温度函数f(t)：

其中，F为单位面积上施加的热流密度，L为被检测物体的缺陷深度或厚度，k为热导率，α为热扩散系数，τ为加热时间，t为冷却时间，n为热衰减函数中的累加次数；

步骤S402：根据预设的热扩散系数和加热时间，设置不同缺陷深度或厚度L进行理论数值计算，得到对应不同缺陷深度的温度重建理论曲线；

步骤S403：在不同缺陷深度的温度重建理论曲线中找到相应理论最小峰时间t_p，减去加热时间τ得到理论最小峰特征时间Δt；

步骤S404：分别对不同缺陷深度或厚度L以及其对应的理论最小峰特征时间Δt进行对数变换得到ln(L)和ln(Δt)之间的线性关系；

其中，线性关系为采用最小二乘法拟合出的线性关系，具体为：

ln(L)＝0.4724*ln(Δt)+0.209,Δt＝t_p-τ (4)

其中，Δt为理论最小峰特征时间，ln(L)为对缺陷深度或厚度L进行取对数变换，ln(Δt)为对理论最小峰特征时间Δt进行取对数变换；

步骤S5：将步骤S3中得到的实验数据最小峰特征时间代入线性关系中反演出被检测物体中缺陷深度或厚度的大小。

2.根据权利要求1所述的方法，其特征在于，所述加热设备与所述红外热像仪放置于被检测物体的同侧，所述加热设备的加热方式为方波加热。

3.根据权利要求1所述的方法，其特征在于，步骤S2中每个像素点温度下降阶段随时间变化的曲线具体为：对于每个像素点，以开始加热的瞬间作为曲线的时间零点，之后每个采样时间点的采样温度值减去时间零点的温度值作为对应采样点的曲线温度值，将所有对应采样点的曲线温度值连接成一曲线，得到对应像素点的升温曲线和降温曲线，最后将降温曲线作为该像素温度随时间变化的曲线。

4.根据权利要求1所述的方法，其特征在于，在步骤S3中，对任一像素点温度随时间变化的曲线乘以

进行温度重建，其数学形式为：

其中，F(t)为任意像素点温度下降阶段随时间变化的实验数据曲线。

5.根据权利要求4所述的方法，其特征在于，在步骤S3中进行的平滑处理具体为：采用窗口为20个相邻采样点的移动平均窗口对重建后的温度随时间变化的曲线进行平均计算处理，再从处理后的数据中找到重建温度信号中的最小值，该最小值对应的时间为实验数据最小峰时间t_p’，实验数据最小峰时间t_p’减去加热时间，即得到实验数据最小峰特征时间。

6.根据权利要求1所述的方法，其特征在于，步骤S5中具体为：

将步骤S3中得到实验数据最小峰特征时间代入线性关系式(4)中，求出被检物体中缺陷深度或厚度L。

7.根据权利要求1所述的方法，其特征在于，步骤S4中还包括：

步骤S411：当被检测物体材料未知即热扩散系数α未知时，使用与被检测物体相同材料预制一标准试件，其中，所述标准试件上设置多个不同深度的缺陷，且每个缺陷深度为已知值；

步骤S412：设置一固定加热时间，执行步骤S1～步骤S3得到所述标准试件上每个已知缺陷深度对应的试件最小峰特征时间；

步骤S413：将每个缺陷的深度及其对应的试件最小峰特征时间分别进行对数变换后得到多组试件数据，将多组试件数据进行拟合得到缺陷深度与对应的最小峰特征时间经过对数变换后的线性关系式。

8.根据权利要求7所述的方法，其特征在于，步骤S5中具体为：

将步骤S3中得到实验数据最小峰特征时间代入缺陷深度与对应的最小峰特征时间经过对数变换后的线性关系式中，求出被检物体中缺陷深度或厚度L。

Images