CN114693660A - 一种基于ict的固体火箭发动机装药计算网格生成方法 - Google Patents
一种基于ict的固体火箭发动机装药计算网格生成方法 Download PDFInfo
- Publication number
- CN114693660A CN114693660A CN202210375556.3A CN202210375556A CN114693660A CN 114693660 A CN114693660 A CN 114693660A CN 202210375556 A CN202210375556 A CN 202210375556A CN 114693660 A CN114693660 A CN 114693660A
- Authority
- CN
- China
- Prior art keywords
- data
- rocket engine
- solid rocket
- ict
- defect
- 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
- 239000007787 solid Substances 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 230000007547 defect Effects 0.000 claims abstract description 75
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 238000002591 computed tomography Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 238000009659 non-destructive testing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 16
- 238000003708 edge detection Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000001914 filtration Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 229910052704 radon Inorganic materials 0.000 description 5
- 230000005855 radiation Effects 0.000 description 4
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 235000013405 beer Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 239000003380 propellant Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种基于ICT的固体火箭发动机装药计算网格生成方法，属于火箭发动机无损检测及仿真计算领域，包括：对固体火箭发动机进行ICT检测，获得CT数据；对CT数据进行多次、多分辨率扫描处理，获得三维扫描数据，并对三维扫描数据进行融合和上采样；对融合和上采样后的三维扫描数据中的几何特征进行识别，并判断几何特征的预置缺陷形式，对缺陷特征进行参数化重构，获得固体火箭发动机中各个待分析组件的三维几何模型与参数化缺陷分布数据；根据几何模型与参数化缺陷分布数据进行自动化仿真网格划分，生成计算网格。该方法为网格生成提供置信度较高的原始数据，网格划分无需人员干涉，可以实现完全的自动化运行，处理速度快。
Description
技术领域
本发明属于火箭发动机无损检测及仿真计算技术领域，具体涉及一种基于ICT的固体火箭发动机装药计算网格生成方法。
背景技术
整体浇注的固体火箭发动机装药在其固化冷却、长途运输、多种环境下的长期贮存、勤务处理和发射准备期间，可能产生脱粘、裂纹等各类缺陷，使燃面面积发生变化，进而使固体火箭发动机推力发生变化，导致发射失败甚至造成固体火箭发动机爆炸。近年来，业内开始研究在对含缺陷装药进行无损检测的基础上，通过仿真计算来确定含装药缺陷固体火箭发动机的使用性能，收到了良好的效果。这一技术路线的关键环节，在于从无损检测结果生成可用于仿真计算的网格。目前，比较成熟的技术是根据无损检测结果，人工分析装药和缺陷数据，通过CAD软件进行人工建模，再进行仿真计算，该方法建模精度不够高，且过程中人工参与过多，人为误差较大，所需时间也比较长。
因此，本发明提出了一种基于ICT检测技术，通过三维图像重构，自动划分生成可用于固体火箭发动机装药仿真计算网格的方法。
发明内容
为了克服上述现有技术存在的不足，本发明提供了一种基于ICT的固体火箭发动机装药计算网格生成方法。
为了实现上述目的，本发明提供如下技术方案：
一种基于ICT的固体火箭发动机装药计算网格生成方法，包括以下步骤：
对固体火箭发动机进行工业X射线计算机层析ICT检测，获得CT数据；
对CT数据进行多次、多分辨率扫描处理，获得三维扫描数据，并对三维扫描数据进行融合和上采样；
对融合和上采样后的三维扫描数据中的几何特征进行识别，并判断几何特征的预置缺陷形式，对缺陷特征进行参数化重构，获得固体火箭发动机中各个待分析组件的三维几何模型与参数化缺陷分布数据；
根据各个待分析组件的几何模型与参数化缺陷分布数据进行自动化仿真网格划分，生成计算网格。
优选地，所述对固体火箭发动机进行工业X射线计算机层析ICT检测，获得CT数据，具体步骤包括：
沿着固体火箭发动机的轴线进行CT扫描，获得固体火箭发动机的截面数据；
采用截面数据文件的文件名作为坐标标识，获取CT扫描界面的物理位置；
解析扫描文件名是否为合法数字，对于文件名是合法数字的扫描数据文件，依据文件名将对应位置的扫描数据作为差值基础数据，所述差值基础数据为获得的CT数据。
优选地，利用三维差值技术对所述三维扫描数据进行融合和上采样，从粗扫描数据中建立伪细扫描数据。
优选地，所述对融合和上采样后的三维扫描数据中的几何特征进行识别，并判断几何特征的预置缺陷形式，对缺陷特征进行参数化重构，获得各个待分析组件的三维几何模型与参数化缺陷分布数据，具体步骤包括：
采用直接体绘制法描述经过融合和上采样后的三维扫描数据，构建等值面，获得体素数据；
对体素数据进行语义标记；
利用等值面抽取技术，从具有语义标记的体素数据中抽取各个几何图素的离散化几何数据，完成几何特征的识别和抽取；
基于预置缺陷形式，对抽取得到的特征进行判读，选择预置缺陷形式，对缺陷特征进行参数化重构，获得各个待分析组件的三维几何模型与参数化缺陷分布数据。
优选地，在所述构建等值面之前，还包括以下步骤：
对融合和上采样后的三维扫描数据中的断层图像进行预处理；
对预处理后的断层图像缺陷边缘进行检测。
优选地，所述对融合和上采样后的三维扫描数据中的断层图像进行预处理包括对断层图中ICT探伤射束硬化产生伪影进行校正及对ICT断层图像去噪处理，断层图像的噪声包括：由X射线束流或被测到的X光子数决定的量子噪声、由检测系统产生的物理噪声和重建算法产生的噪声。
优选地，所述对预处理后的断层图像缺陷边缘进行检测，包括边缘法向方向检测、边缘方向检测及边缘强度检测。
优选地，根据各个待分析组件的几何模型与参数化缺陷分布数据进行自动化仿真网格划分，生成计算网格，具体步骤包括：
在待测固体火箭发动机标准图纸的基础上，使用参数化重构步骤中得到的各缺陷的参数，在标准CAD图纸中对其进行重建；
对包含缺陷数据的CAD图纸进行标注和输出，将相关数据导入到全自动网格划分模块，进行全自动网格划分，并按仿真需求进行网格输出；
对网格进行边界条件识别与标记，生成计算网格。
优选地，所述对网格进行边界条件识别与标记具体为：根据零件、几何图素间的位置、干涉关系，进行边界条件识别与标记，实现对仿真网格的边界条件标识。
本发明提供的基于ICT的固体火箭发动机装药计算网格生成方法具有以下有益效果：
1、利用工业CT技术确定装药整体以及缺陷的几何特征参数，定位缺陷的空间位置，为网格生成提供置信度较高的原始数据；
2、采用三维插值技术对多次、多分辨率的CT扫描数据进行融合和上采样，既不浪费细扫描精度，又不影响后续数据统一性的目的，降低了后续数据处理的复杂性，并且能够通过无损数据压缩控制系统的磁盘消耗；
3、网格划分中，所有需要的数据已经在前置步骤中完全导出并组织到磁盘，因此这一过程不需要设计人员的任何干预，可以实现完全的自动化运行，且速度较快。实际测试显示，完成一般精度的仿真所需的网格划分操作，一般可以在1min内完成。
附图说明
为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，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为本发明实施例1的基于ICT的固体火箭发动机装药计算网格生成方法的流程图；
图2为ICT检测原理图；
图3为图像矩阵；
图4为傅立叶切片定理原理图；
图5为策略化配置的CT原始数据解析接口图；
图6为构建等值面的Marching cubes算法原理图；
图7为几何特征识别与重建流程图；
图8为CT数据处理与重构结果图；
图9为自动划分的计算网格图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本发明提供了一种基于ICT的固体火箭发动机装药计算网格生成方法，具体如图1所示，包括以下步骤：
步骤1、对固体火箭发动机进行工业X射线计算机层析ICT检测，获得CT数据。
步骤1.1.沿着固体火箭发动机的轴线进行CT扫描，扫描平面与固体火箭发动机的轴线相垂直，获得固体火箭发动机的截面数据。
工业X射线计算机层析(简称ICT)技术是较先进的无损检测技术，其检测原理如图2所示，它可从断层的扫描图像直观地看到被测物体内部细节的空间位置、形状、大小，图像容易识别和理解，空间分辨率和密度分辨率高。而且图像数字化，便于分析、处理、存储和传输。应用工业CT技术能够重建被测物体内部结构的任意部位三维空间效果图，而且能够精确测量缺陷的几何特征参数，准确定位装药缺陷的空间位置。因此，工业CT技术已经成为固体火箭发动机故障诊断及可靠性保证的重要手段。
(1)CT成像原理
CT图像重建(ImageReconstruction)的基本问题是由投影数据(Projection)获得断层图像(Section)的运算，其基本物理原理是以物体与射线的相互作用为基础的。假设一束单能X射线的初始能量为I0，穿过被检测物体时，由于衰减作用，该射线的能量变成I，若被检测物体物理性质均匀，射线穿过后满足比尔定律(Beer)，即：
I＝I0e-μl (1)
式中：μ为被测物质的线性衰减系数(由被检物质的物理性质以及射线束的辐射强度决定)；l为射线穿过该物质的直线长度。若多个物体分段均匀，每段物体的线性衰减系数分别为μ1，μ2，μ3，…相应的线段长度分别为l1,l2,l3,…则上式又可写成：
μ1l1+μ2l2+μ3l3+…＝ln(I0/I) (2)
如果物体在X-Y平面内都不均匀，即衰减系数μ＝μ(x,y),则在某一方向沿某一直线L的密度总衰减为：
∫Lμ(x,y)dl＝ln(I0/I) (3)
此即射线投影，实际上就是物质对该强度射线的吸收系数沿直线L方向的线积分，式中只有μ为未知量。衰减系数是物质独有的特性，衰减系数的空间分布反映在图像平面上就形成了物体断面图像矩阵，如图3所示。不同物质对X射线的吸收程度不同，则像素的灰度也不同，可以说成像的本质是衰减系数成像。
(2)图像重建的理论基础－Radon变换
通过探测器可以得到X射线穿透物质时衰减后的能量I，由公式(3-3)可知，要通过积分反变换才能求得该物质的线性衰减系数μ(x，y)。1917年，奥地利数学家J.Radon,Radon证明了下述定理：
若已知某函数f(x，y)＝f(r，θ)沿直线z的线积分为
则有
对于式(3)用
表示ln(I0/I)，以f(x,y)表示μ(x,y)，则式(3)等价于式(5)，在物体的一个极薄的断层内，假设衰减系数正比于密度，根据(5)可以实现由投影来重建图像，该式被称为Radon反变换。式(3)被称为Radon正变换，两式奠定了CT成像的理论基础。
(3)投影重建算法
采用滤波反投影重建算法进行投影重建。反投影算法又称为累加法，其定义是：断层平面中某一点的密度值可以看作这一平面内所有经过该点的射线(反)投影之和(的平均值)。因此对断层中任一点(r,θ)进行重建时，应当找出经过该点的所有投影，将投影值累加并除以投影角度数，从而求得过该点的射线投影均值，将该均值赋予密度的量纲作为重建点的像素密度。假设过该定点(r,θ)的射线坐标为
以视角θ为纵坐标，l为横坐标，则过该点的曲线为一簇正弦曲线，这就是正弦图。由于在计算过程中把投影路径上的所有像素统一赋值，各个像素之间没有差别，会导致图像的星状伪迹明显。
滤波反投影重建算法(FBP)是在傅立叶变换理论基础之上的一种空域处理技术。它的特点是在反投影前将每一个采集投影角度下的投影进行卷积处理，从而改善点扩散函数引起的形状伪影，重建的图像质量较好。图4可以清晰的描述傅立叶中心切片定理的过程：对投影的一维傅立叶变换等效于对原图像进行二维的傅立叶变换。
傅立叶切片定理的意义在于，通过投影上执行傅立叶变换，可以从每个投影中得到二维傅立叶变换。从而投影图像重建的问题，可以按以下方法进行求解：
(1)采集不同时间下足够多的投影(一般为180次采集)，求解各个投影的一维傅立叶变换。
(2)设计合适的滤波器，将得到原始投影进行卷积滤波，得到滤波后的投影。
(3)将滤波后的投影进行反投影，得到满足一定约束条件的原图像的密度。
(4)将所有反投影进行叠加，得到重建后的投影。
步骤1.2.采用导出截面数据文件的文件名作为坐标标识，获取CT扫描界面的物理位置。
步骤1.3.解析扫描文件名是否为合法数字，对于文件名是合法数字的扫描数据文件，依据文件名将对应位置的扫描数据作为差值基础数据，差值基础数据为获得的CT数据。
步骤2、对CT数据进行多次、多分辨率扫描处理，获得三维扫描数据，并利用三维差值技术对三维扫描数据进行融合和上采样。
考虑实际中对缺陷固体火箭发动机进行CT扫描的工序与输出，针对缺陷固体火箭发动机CT扫描原始数据进行导入，兼容检测厂专门扫描设备，多次、多分辨率进行扫描，并将三维扫描数据融合归档。
实际的CT探伤与缺陷分析工作中，受限于CT设备的效率与数据处理能力，一般首先对待检测固体火箭发动机进行粗扫描，随后，针对粗扫描中所发现的疑似缺陷，针对性地对特定位置进行细扫描，以便获取缺陷位置的精确三维影像。由此，存在多次、多分辨率的扫描数据。为了将这些数据进行融合，达到既不浪费细扫描精度，又不影响后续数据统一性的目的，主要借助三维插值技术，对扫描数据进行融合和上采样，从粗扫描数据中建立伪细扫描数据。
采用策略化配置架构，处理中预留对应于多种CT扫描数据结构的标准接口，能够解析位图格式(包括常见的JPG、PNG、TIFF文件格式)，DCM格式(一般是CR或者CT)，以及其他需要解析的CT扫描数据格式(如PDI格式、HDF格式等)。例如对于常见的位图格式，由于位图中不包含CT数据中应有的元数据，在位图数据导入接口中，可以额外导入图片的三维范围数据，以便进行适当的三维重建，策略化配置的CT原始数据解析接口如图5所示。
步骤3、对融合和上采样后的三维扫描数据中的几何特征进行识别，并判断几何特征的预置缺陷形式，对缺陷特征进行参数化重构，获得固体火箭发动机中各个待分析组件的三维几何模型与参数化缺陷分布数据。
基于导入、融合之后的数据，开展基于体素数据的零件辨识与重构，实现对固体火箭发动机各组件、推进剂裂纹、脱粘等几何特征的三维重构，并基于预置缺陷形式，进行缺陷特征的参数化重构，输出各个待分析组件的几何模型与参数化缺陷分布数据。
步骤3.1、断层图像预处理。
三维CT重建的质量首先取决于投影图像的质量。固体火箭发动机ICT断层数据在产生、传输和记录过程中，会受到输入设备干扰的影响、图像重建算法等的影响而产生各种各样的噪声，即不可预测的随机信号。因此，在对固体火箭发动机进行三维重建之前，要对断层图像进行预处理。
一方面对ICT探伤射束硬化产生伪影进行校正。在工业CT中所使用的X射线一般不是单色射线源，一束X射线包含不同的能谱，而不同能谱下射线对物质的衰减系数不同。能量低的射线衰减量一般比较大，当穿过的被检测物体较厚，高能射线的比例增大，射线发生硬化。对于在采用滤波反投影重建算法进行图像重建时，会产生杯状伪影。常用的校正方法有预置滤波片法和多项式拟合法。预置滤波片法首先要通过实验选择合适材料、合适厚度的滤波片，选择要求是既能较好的吸收低能的射线，使多色的射线趋近于单色射线，又能保证射线有足够的能量穿透固体火箭发动机，保证成像质量。多项式拟合算法是典型的软件校正方法，其校正思想是：首先建立不同能量射束透照数据与透照物质厚度的关系曲线，再对曲线进行拟合，然后从坐标原点对该曲线做切线，以该切线建立多色数据与单色数据的函数关系，从而达到硬化校正的目的。
另一方面是对ICT断层图像去噪。当被检测固体火箭发动机的内部缺陷与周围壳体的衰减系数相近时，高噪声ICT断层图像将无法分辨此缺陷。因此，在对固体火箭发动机进行三维重建之前，必须采用有效的去噪技术来处理断层图像，使缺陷更易于分辨。(断层图像的噪声按来源可以分为以下三种：由X射线束流或被测到的X光子数决定的量子噪声、由检测系统产生的物理噪声和重建算法产生的噪声。不同的噪声在研究时采用不同的模型：比如物理噪声可以采用高斯白噪声作为其模型，用其标准方差来完全表征。对于不同噪声的处理，都应在能够平滑噪声的基础上尽可能的保留图像细节，有利于对固体火箭发动机缺陷的辨识和测量。目前图像去噪降噪处理主要采取两大类方法：一类是空域处理法，包括均值滤波、中值滤波和维纳滤波等方法。其特点是在在图像空间中对图像进行各种去噪处理；另一类是频域处理法，包括傅立叶变换滤波，小波变换滤波等。其原理是把空域中的图像经过变换，变换到频域，在频域内进行各种去噪处理，然后变回图像的空间域，形成降噪处理后的图像。)
步骤3.2、断层图像缺陷边缘检测。
为了更好的实现固体火箭发动机内部缺陷的三维重构，需要把ICT断层图像进行分割成各具特性的区域，提出感兴趣的目标区域，从而进行缺陷的三维重建与识别。考虑到固体火箭发动机的特点，断层图像的缺陷分割具有特殊性，为了更好实现对内部缺陷的重构，需要较为准确地检测缺陷的边缘。边缘是图像的基本特征，具有灰度值不连续的性质，存在于图像中的物体与背景，物体与物体之间，即不同灰度值的相邻区域之间，包含了目标物体边界的三个主要信息(边缘法向方向、边缘方向、边缘强度)，可用于后续的图像分析和目标识别。边缘检测得到的是局部的像素点，这一点不同于边界，后者是用来区分图像中的不同目标或物体区域。
目前边缘检测的主要思路是将边缘灰度值急剧变化之处抽象为阶跃信号，然后对实际的信号曲线进行求导，根据求导阶数的不同边缘的判断方法也不同。对于一阶导数，可以根据其最大值来检测图像中的边缘像素点；对于二阶导数，既可以根据二阶导数值的正负判断边缘像素点属于暗区域还是亮区域，还可以根据二阶导数过零点的性质确定边缘像素点(二阶导数的零交叉点对应的是图像的边缘)边缘检测算子是通过对图像每一个像素点的邻域的灰度值变化率的量化来提取边界的。它采用基于梯度的3x3卷积模板。将模板在图像中移动，并将图像中的每个像素点与此模板进行卷积，得到每个像素点的响应R。用R来表征每个像素点的邻域灰度值变化率，即灰度梯度值，从而可将灰度图像经过与模板卷积后转化为梯度图像。模板系数ωi,(i＝1,2,...,9)相加的总和必须为零,即满足式(6)，以确保在灰度级不变的区域中，模板的响应为零。
设原始图像中的3x3子区域的zi(i＝1,2,…,9)表示像素的灰度值，则图像中对应像素点的模板响应R的数学描述为
常用的边缘检测算子根据求导阶数的不同可以分为一阶导数算子和二阶导数算子。其中一阶导数算子包括罗伯特(Robert)边缘检测算子，普瑞斯特(Prewitt)边缘检测算子和索贝尔(Sobel)边缘检测算子。前两种的原理都是利用局部差分的方法来寻找边缘，但卷积运算所使用的模板不同。在普瑞斯特(Prewitt)检边缘测算模板的中心系数增加一个权值2，不但可以突出中心像素点而且使边缘更平滑，这就成为索贝尔(Sobel)边缘检测算子。其具有抑制噪声，检测边缘较宽两大明显优点。
另一种是二阶导数算子，包括拉普拉斯(Laplacian)边缘检测算子、高斯-拉普拉斯(Laplacian of Gaussian)边缘检测算子和坎尼(Canny)边缘检测算子。高斯-拉普拉斯便于边缘检测算子是在拉普拉斯检测算子的基础上加了高斯滤波函数，以减少噪声对检测的影响。坎尼边缘检测算子是利用高斯函数的模型，将边缘检测转化为函数极大值的检测，是比较理想的边缘检测方法。
步骤3.3、采用直接体绘制法描述三维可视化数据，构建等值面。
不通过在切面获得等值线，而是直接对“体”进行操作，在不构造物体表面几何描述的情况下采用体绘制光照模型直接从体数据中绘制各类物理量的分布情况，解决复杂物体的三维重建问题。构建等值面时，主要采用Marching Cube算法。如图6所示，MC算法在构建等值面时不是使用体素的表面拟合实体，而是对逐个体素进行处理，求出与等值面相交的体素，通过插值方法计算等值面与体素的交点，再对交点构造三角形片，最终将所有的三角形片连接来作为等值面的逼近表示。这种方法构造出的等值面不能还原整个原始数据场的全貌和细节，但对特定区域可以清晰的还原。
步骤3.4、对体素数据进行语义标记。CT数据中各个体素点的吸收率是当地材质的表征。利用吸收率数据、三维滤波技术，可以进行数据点归类，最终将扫描区域内的点进行连接和归类，配合材质数据表，可以从三维体素数据中辨识出固体火箭发动机各组件、推进剂裂纹、脱粘等几何特征，实现对体素数据的语义标记。
步骤3.5、利用等值面抽取技术，从具有语义标记的体素数据中抽取各个几何图素的离散化几何数据。抽取得到的数据形式为离散面片数据，并具有明确的、封闭的边界。至此，完成了几何特征的识别和抽取。
步骤3.6、如图7所示，基于预置缺陷形式，对抽取得到的特征进行判读，选择合适的预置缺陷形式，对缺陷特征进行参数化重构技术，得到描述各个缺陷的关键参数，以便在标准图纸中对其进行重建。
步骤3.7、重构模型对齐。将CT扫描数据与标准三维图纸的对齐技术，计算CT扫描坐标系与物理坐标系间的变换矩阵，为几何数据输出提供基础参照，CT数据处理与重构结果如图8所示。
步骤3.8、重构结果导出。进行三维重构数据导出，将CT数据中重建的三维曲面导出为CAD软件可以进行进一步处理的形式。
步骤4、根据各个待分析组件的几何模型与参数化缺陷分布数据进行自动化仿真网格划分，生成计算网格。
进行缺陷分析与性能预示之前，必须利用上述CT数据处理与重构模块的输出数据(包括缺陷数据)进行自动化仿真网格划分。网格划分模块针对从CT数据重构的含缺陷固体火箭发动机几何模型，实现结构完整性分析网格、非均匀燃烧内弹道分析网格的自动划分与标注。
步骤4.1、导入利用CT数据处理与重构模块输出的几何模型数据和缺陷数据。
步骤4.2、进行缺陷重建。在待测固体火箭发动机标准图纸的基础上，使用三维重建步骤中得到的各缺陷的参数，在标准图纸中对其进行重建。该过程可以基于缺陷重建数据，应用CAD自动技术进行，无需手动操作，降低操作员的学习成本和错误几率。
步骤4.3、进行全自动网格划分，并按仿真需求进行网格输出。可以对包含缺陷数据的CAD图纸进行标注和输出，将相关数据导入到全自动网格划分模块。模块自动调用自适应网格划分技术，对输入模型进行网格划分。
步骤4.4、边界条件识别与标记。用于执行仿真分析的网格中必须包含符合物理实际的边界条件标识。利用CT数据处理与重构模块中可以获得的零件、几何图素间的位置、干涉关系，进行边界条件识别与标记，实现对仿真网格的边界条件标识。
对于执行网格划分的需求，基于实体模型的标注信息，在无需设计人员参与的情况下，完成对于要做模型的网格划分操作，并自动进行划分后网格中的物理域的标注。这一过程中，所有的所需的数据已经在前置步骤中完全导出并组织到磁盘，因此这一过程不需要设计人员的任何干预，可以实现完全的自动化运行，完成一般精度的仿真所需的网格划分操作，一般可以在1min内完成，图9展示了自动划分示例多梯度药柱所得的网格。
以上所述实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。
Claims (9)
1.一种基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，包括以下步骤：
对固体火箭发动机进行工业X射线计算机层析ICT检测，获得CT数据；
对CT数据进行多次、多分辨率扫描处理，获得三维扫描数据，并对三维扫描数据进行融合和上采样；
对融合和上采样后的三维扫描数据中的几何特征进行识别，并判断几何特征的预置缺陷形式，对缺陷特征进行参数化重构，获得固体火箭发动机中各个待分析组件的三维几何模型与参数化缺陷分布数据；
根据各个待分析组件的几何模型与参数化缺陷分布数据进行自动化仿真网格划分，生成计算网格。
2.根据权利要求1所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，所述对固体火箭发动机进行工业X射线计算机层析ICT检测，获得CT数据，具体步骤包括：
沿着固体火箭发动机的轴线进行CT扫描，获得固体火箭发动机的截面数据；
采用截面数据文件的文件名作为坐标标识，获取CT扫描界面的物理位置；
解析扫描文件名是否为合法数字，对于文件名是合法数字的扫描数据文件，依据文件名将对应位置的扫描数据作为差值基础数据，所述差值基础数据为获得的CT数据。
3.根据权利要求1所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，利用三维差值技术对所述三维扫描数据进行融合和上采样，从粗扫描数据中建立伪细扫描数据。
4.根据权利要求3所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，所述对融合和上采样后的三维扫描数据中的几何特征进行识别，并判断几何特征的预置缺陷形式，对缺陷特征进行参数化重构，获得各个待分析组件的三维几何模型与参数化缺陷分布数据，具体步骤包括：
采用直接体绘制法描述经过融合和上采样后的三维扫描数据，构建等值面，获得体素数据；
对体素数据进行语义标记；
利用等值面抽取技术，从具有语义标记的体素数据中抽取各个几何图素的离散化几何数据，完成几何特征的识别和抽取；
基于预置缺陷形式，对抽取得到的特征进行判读，选择预置缺陷形式，对缺陷特征进行参数化重构，获得各个待分析组件的三维几何模型与参数化缺陷分布数据。
5.根据权利要求4所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，在所述构建等值面之前，还包括以下步骤：
对融合和上采样后的三维扫描数据中的断层图像进行预处理；
对预处理后的断层图像缺陷边缘进行检测。
6.根据权利要求5所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，所述对融合和上采样后的三维扫描数据中的断层图像进行预处理包括对断层图中ICT探伤射束硬化产生伪影进行校正及对ICT断层图像去噪处理，断层图像的噪声包括：由X射线束流或被测到的X光子数决定的量子噪声、由检测系统产生的物理噪声和重建算法产生的噪声。
7.根据权利要求5所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，所述对预处理后的断层图像缺陷边缘进行检测，包括边缘法向方向检测、边缘方向检测及边缘强度检测。
8.根据权利要求5所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，根据各个待分析组件的几何模型与参数化缺陷分布数据进行自动化仿真网格划分，生成计算网格，具体步骤包括：
在待测固体火箭发动机标准图纸的基础上，使用参数化重构步骤中得到的各缺陷的参数，在标准CAD图纸中对其进行重建；
对包含缺陷数据的CAD图纸进行标注和输出，将相关数据导入到全自动网格划分模块，进行全自动网格划分，并按仿真需求进行网格输出；
对网格进行边界条件识别与标记，生成计算网格。
9.根据权利要求8所述的基于ICT的固体火箭发动机装药计算网格生成方法，其特征在于，所述对网格进行边界条件识别与标记具体为：根据零件、几何图素间的位置、干涉关系，进行边界条件识别与标记，实现对仿真网格的边界条件标识。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210375556.3A CN114693660B (zh) | 2022-04-11 | 一种基于ict的固体火箭发动机装药计算网格生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210375556.3A CN114693660B (zh) | 2022-04-11 | 一种基于ict的固体火箭发动机装药计算网格生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114693660A true CN114693660A (zh) | 2022-07-01 |
| CN114693660B CN114693660B (zh) | 2024-06-21 |
Family
ID=
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116203056A (zh) * | 2023-05-05 | 2023-06-02 | 中国检验认证集团河北有限公司黄骅港分公司 | X射线荧光光谱仪用熔片的平整度检测方法 |
| CN117197345A (zh) * | 2023-08-30 | 2023-12-08 | 北京长木谷医疗科技股份有限公司 | 基于多项式拟合的智能骨关节三维重建方法、装置及设备 |
| CN117197000A (zh) * | 2023-11-06 | 2023-12-08 | 武汉中观自动化科技有限公司 | 一种快速网格去噪方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5345490A (en) * | 1991-06-28 | 1994-09-06 | General Electric Company | Method and apparatus for converting computed tomography (CT) data into finite element models |
| CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
| CN112036018A (zh) * | 2020-08-21 | 2020-12-04 | 西北工业大学 | 基于二次开发技术的固体火箭发动机尾焰流场计算方法 |
| CN113111552A (zh) * | 2021-04-08 | 2021-07-13 | 内蒙动力机械研究所 | 一种固体火箭发动机药柱结构完整性分析建模方法 |
| CN113779849A (zh) * | 2021-09-28 | 2021-12-10 | 中国矿业大学 | 一种基于ct扫描的钢纤维混凝土模型构建方法 |
| CN114202470A (zh) * | 2021-11-12 | 2022-03-18 | 江苏核电有限公司 | 一种压力容器主螺栓孔螺纹三维重建及缺陷自动识别方法 |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5345490A (en) * | 1991-06-28 | 1994-09-06 | General Electric Company | Method and apparatus for converting computed tomography (CT) data into finite element models |
| CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
| CN112036018A (zh) * | 2020-08-21 | 2020-12-04 | 西北工业大学 | 基于二次开发技术的固体火箭发动机尾焰流场计算方法 |
| CN113111552A (zh) * | 2021-04-08 | 2021-07-13 | 内蒙动力机械研究所 | 一种固体火箭发动机药柱结构完整性分析建模方法 |
| CN113779849A (zh) * | 2021-09-28 | 2021-12-10 | 中国矿业大学 | 一种基于ct扫描的钢纤维混凝土模型构建方法 |
| CN114202470A (zh) * | 2021-11-12 | 2022-03-18 | 江苏核电有限公司 | 一种压力容器主螺栓孔螺纹三维重建及缺陷自动识别方法 |
Non-Patent Citations (6)
| Title |
|---|
| 卢洪义;陈庆贵;周红梅;赵汝岩;张宗伟;喻舟;: "固体火箭发动机CT图像条状伪影校正", 航空动力学报, no. 10, 31 October 2016 (2016-10-31) * |
| 李朋;卢洪义;朱敏;于光辉;徐明;: "基于面绘制的固体火箭发动机装药缺陷预整形方法", 固体火箭技术, no. 05, 15 October 2015 (2015-10-15) * |
| 李朋;卢洪义;李慎;柳林;曹亮;: "固体火箭发动机ICT仿真方法研究", 弹箭与制导学报, no. 06, 15 December 2013 (2013-12-15) * |
| 聂璇;段黎明;: "基于工业CT切片数据的汽车发动机STL建模实现", 中国水运(学术版), no. 04, 30 April 2007 (2007-04-30) * |
| 郭忠全;刘建霞;罗文彩;陈小前;: "运载火箭气动外形CAD/CFD集成设计系统研究", 机械科学与技术, no. 01, 15 January 2013 (2013-01-15) * |
| 钟江城;王子辉;王路军;赵家巍;任伟光;周宏伟;: "基于CT三维重构的深部煤体损伤演化规律", 煤炭学报, no. 05, 15 May 2019 (2019-05-15) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116203056A (zh) * | 2023-05-05 | 2023-06-02 | 中国检验认证集团河北有限公司黄骅港分公司 | X射线荧光光谱仪用熔片的平整度检测方法 |
| CN117197345A (zh) * | 2023-08-30 | 2023-12-08 | 北京长木谷医疗科技股份有限公司 | 基于多项式拟合的智能骨关节三维重建方法、装置及设备 |
| CN117197345B (zh) * | 2023-08-30 | 2024-05-31 | 北京长木谷医疗科技股份有限公司 | 基于多项式拟合的智能骨关节三维重建方法、装置及设备 |
| CN117197000A (zh) * | 2023-11-06 | 2023-12-08 | 武汉中观自动化科技有限公司 | 一种快速网格去噪方法、装置及电子设备 |
| CN117197000B (zh) * | 2023-11-06 | 2024-03-19 | 武汉中观自动化科技有限公司 | 一种快速网格去噪方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220035961A1 (en) | System and method for artifact reduction of computed tomography reconstruction leveraging artificial intelligence and a priori known model for the object of interest | |
| US11927586B2 (en) | Item inspection by radiation imaging using an iterative projection-matching approach | |
| Van Aarle et al. | Super-resolution for computed tomography based on discrete tomography | |
| Tyystjärvi et al. | Automated defect detection in digital radiography of aerospace welds using deep learning | |
| EP2036038A1 (en) | Method and system for error compensation | |
| CN109920020A (zh) | 一种锥束ct病态投影重建伪影抑制方法 | |
| JP2002528828A (ja) | 非破壊試験の為のコンピュータ断層撮影法 | |
| CN107111871A (zh) | 从体图像记录确定局部质量测量 | |
| GB2346028A (en) | Locating image edges using a de-convolution process | |
| Ferrucci et al. | Charting the course towards dimensional measurement traceability by X-ray computed tomography | |
| EP3566205B1 (en) | Method of obtaining 3d model data of a plurality of components of an object | |
| Ametova et al. | A computationally inexpensive model for estimating dimensional measurement uncertainty due to X-ray computed tomography instrument misalignments | |
| Reiter et al. | Case study of empirical beam hardening correction methods for dimensional X-ray computed tomography using a dedicated multi-material reference standard | |
| Fragnaud et al. | CAD-based X-ray CT calibration and error compensation | |
| Presenti et al. | Dynamic few-view X-ray imaging for inspection of CAD-based objects | |
| Ametova et al. | A tool for reducing cone-beam artifacts in computed tomography data | |
| Tan et al. | Scan angle selection and volume fusion for reducing metal artifacts by multiple X-ray CT scanning | |
| Taillandier-Thomas et al. | Measurement of 3D displacement fields from few tomographic projections | |
| Ohtake et al. | Thickness-Driven Sheet Metal Segmentation of CT-Scanned Body-in-White | |
| CN114693660B (zh) | 一种基于ict的固体火箭发动机装药计算网格生成方法 | |
| Ziabari et al. | Simurgh: A Framework for CAD-Driven Deep Learning Based X-Ray CT Reconstruction | |
| Heinzl | Analysis and visualization of industrial CT data | |
| Costin et al. | A 2D multiresolution image reconstruction method in X-ray computed tomography | |
| CN114693660A (zh) | 一种基于ict的固体火箭发动机装药计算网格生成方法 | |
| Leach et al. | Fourier method for 3-dimensional data fusion of X-ray Computed Tomography and ultrasound |
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 |