RU2801295C1

RU2801295C1 - Способ дистанционной оценки пространственного распределения теплофизических параметров материалов

Info

Publication number: RU2801295C1
Application number: RU2022118911A
Authority: RU
Inventors: Вадим Владимирович Родионов; Сергей Николаевич Глинчиков; Александр Александрович Зенкин; Андрей Игоревич Уваров; Игорь Николаевич Ищук
Filing date: 2022-07-11
Publication date: 2023-08-07

Abstract

Изобретение относится к технике активного неразрушающего теплового контроля и может быть использовано в аппаратуре дистанционной диагностики материалов. Согласно способу осуществляют съемку исследуемых объектов в видимом и инфракрасном диапазоне длин волн 3…5 мкм и 8…14 мкм, по данным которых определяют значения коэффициентов излучательной способности. Для изображений видимого диапазона создают банк данных типовых исследуемых объектов. Для изображений инфракрасного диапазона создают банк данных эталонных конструкционных и функциональных материалов объектов, содержащий таблицу значений теплопроводности, температуропроводности, плотности теплового потока, удельной теплоемкости, плотности и тепловой инерции для каждого объекта классификатора, ранее измеренным с эталонного образца. Изображения инфракрасного диапазона пересчитывают в пространственное распределение термодинамических температур, которые классифицируют на основе алгоритмов сверточных нейронных по теплофизическим свойствам конструкционных и функциональных материалов объектов в каждой точке изображения. Технический результат изобретения заключается в повышении достоверности определения теплофизических параметров исследуемых объектов дистанционного мониторинга за счет измерения пространственного распределения радиационных температур в двух ИК диапазонах длин волн 3…5 мкм и 8…14 мкм с точным расчетом значений коэффициентов излучательной способности для каждого из этих диапазонов электромагнитного спектра во всех точках бинарного изображения. 4 ил., 1 табл.

Description

Изобретение относится к методам активного теплового неразрушающего контроля, заключающееся в определении пространственного распределения теплофизических параметров путем совместной обработки изображений исследуемых объектов в видимом и инфракрасном (ИК) диапазонах длин волн, полученных с помощью многоспектральной оптико-электронной системы.

Известен способ измерения пространственного распределения теплофизических параметров изотропных материалов, заключающийся в измерении пространственного распределения теплофизических параметров изотропного материала с применением теплового воздействия от ИК источника нагрева на поверхность изотропного материала и дистанционным измерением с помощью тепловизионного приемника радиационного температурного поля во всех точках пространственной сетки видимой поверхности исследуемого изотропного материала (патент RU 2544890, G01N 25/18, 20.03.15).

Основными недостатками данного способа являются низкая точность результатов исследования, влияние конечности размеров нагревателя, его собственной теплоемкости, теплоемкости термоприемников, недостаточно полно используется измерительная информация, полученная в результате теплофизического эксперимента (предполагается использование только отдельных точек термограмм).

Известен способ дистанционной оценки пространственного распределения теплофизических параметров объектов и фонов (патент RU 2760528, 26.11.2021), ближайший по технической сущности и принятый за прототип.

Данный способ основан на облете исследуемого района с осуществлением съемки в светлое время суток в видимом и инфракрасном диапазонах и в темное время суток в инфракрасном диапазоне. Для изображений видимого диапазона создают банк данных типовых объектов и фонов дистанционного мониторинга, содержащий таблицу значений коэффициентов излучательной способности для каждого объекта классификатора, измеренных заранее и записанных в таблицу классификатора. Для изображений инфракрасного диапазона создают банк данных эталонных конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов, содержащий таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции для каждого объекта классификатора, ранее измеренных и записанных в таблицу. По изображениям видимого диапазона, полученным в светлое время суток, классифицируют объекты и фоны на основе алгоритмов сверточных нейронных сетей, определяют их класс и присваивают значения коэффициента излучательной способности в каждой точке изображения из соответствующего банка данных. Изображения инфракрасного диапазона, полученные в светлое и темное время суток, пересчитывают в пространственное распределение термодинамических температур, которые классифицируют на основе алгоритмов сверточных нейронных сетей по теплофизическим свойствам конструкционных и функциональных материалов объектов, антропогенных и природных ландшафтов в каждой точке изображения с присвоением табличных значений теплопроводности, температуропроводности, удельной теплоемкости, плотности и тепловой инерции из соответствующего банка данных.

Основные недостатки данного способа заключаются в низкой точности определения коэффициента излучательной способности объектов и фонов, что обуславливается табличным способом определения его значений из банка данных «объектов и фонов», а также отсутствием учета значений суммарной плотности теплового потока, приходящего на исследуемую поверхность.

Технический результат изобретения заключается в повышении точности и достоверности определения теплофизических параметров исследуемых объектов дистанционного мониторинга за счет измерения пространственного распределения радиационных температур в двух ИК диапазонах длин волн (3…5 мкм и 8…14 мкм) с точным расчетом значений коэффициентов излучательной способности для каждого из этих диапазонов электромагнитного спектра во всех точках бинарного изображения.

Данный технический результат достигается тем, что в способе дистанционной оценки пространственного распределения теплофизических параметров материалов, основанного на инфракрасном нагреве и съемке исследуемого объекта в видимом и инфракрасном диапазонах длин волн, производится пересчет измеренных значений радиационных температур в термодинамические, а оценка пространственного распределения значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции к материалам объектов, плотности теплового потока осуществляется с помощью алгоритмов нейронных сетей глубокого обучения. Способ отличается тем, что дополнительно, съемку исследуемых объектов производят в двух инфракрасных диапазонах длин волн (3…5 мкм и 8…14 мкм), получают динамические изображения в трех диапазонах (видимый, 3…5 мкм, 8…14 мкм), по данным которых рассчитывают точные значения коэффициентов излучательной способности в каждой точке бинарного изображения. Изображения инфракрасного диапазона (8…14 мкм) пересчитывают в пространственное распределение термодинамических температур, которые классифицируют по теплофизическим свойствам конструкционных и функциональных материалов объектов в каждой точке изображения с оценкой значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, и тепловой инерции по эталонным материалам и плотности теплового потока.

Представим доказательство данного технического результата.

Сущность изобретения заключается в том, что съемка исследуемого объекта осуществляется в двух диапазонах инфракрасных длин волн (3…5 мкм и 8…14 мкм) по данным которых определяют значения коэффициентов излучательной способности. Изображения инфракрасного диапазона (8…14 мкм) пересчитывают в пространственное распределение термодинамических температур, которые классифицируют по теплофизическим свойствам (конструкционным и функциональным) исследуемых объектов в каждой точке изображения с оценкой значений: теплопроводности; температуропроводности; удельной теплоемкости; плотности и тепловой инерции. Диагностирование исследуемых объектов в инфракрасном диапазоне осуществляется на основе алгоритмов нейронных сетей, которые обеспечивают обнаружение и распознавание скрытых полостей (дефектов) объектов. Классификация плотности материалов по пространственному распределению теплофизических параметров в инфракрасном диапазоне осуществляется на основе алгоритмов нейронных сетей из банка данных «эталонных материалов».

На фиг. 1 представлен вариант схемы устройства, реализующего предлагаемый способ дистанционной оценки пространственного распределения теплофизических параметров исследуемых объектов, где:

1 - инфракрасный излучатель;

2 - блок управления инфракрасным излучателем;

3 - оптико-электронная система видимого диапазона;

4 - оптико-электронная система инфракрасного диапазона 3…5 мкм;

5 - оптико-электронная система инфракрасного диапазона 8…14 мкм;

6 - блок расчета коэффициентов излучательной способности исследуемой поверхности в диапазонах длин волн 3…5 мкм и 8…14 мкм;

7 - блок оценки пространственного распределения теплофизических параметров;

8 - блок банка данных «эталонных материалов»;

9 - блок измерения плотности теплового потока и температуры воздуха.

Блоки 1 и 2 предназначены для кратковременного нагрева исследуемых объектов площадным источником ИК излучения с заданной длительностью.

Блоки 3, 4 и 5 предназначены для получения изображений исследуемой поверхности в видимом и инфракрасных диапазонах (3…5 мкм и 8…14 мкм) соответственно с помощью двух тепловизионных приемников. Съемка в инфракрасном диапазоне осуществляется с заданной периодичностью в течение всего времени проведения мониторинга. Таким образом, получают совокупность многовременных изображений исследуемых объектов в видимом и инфракрасном диапазонах длин волн.

Блок 6 предназначен для расчета коэффициентов излучательной способности исследуемой поверхности в диапазонах длин волн 3…5 мкм и 8…14 мкм в соответствии с выражениями:

где: Tr₁ - значение радиационной температуры исследуемой поверхности, измеренная с помощью блока 4, Tr₂ - значение радиационной температуры исследуемой поверхности, измеренная с помощью блока 5, Т_а - значение температуры воздуха, полученная с помощью блока 9, Т - значение термодинамической температуры исследуемой поверхности, ε₁ - коэффициент излучательной способности объектов, наблюдаемых с помощью блока 4 тепловизионных приемников, ε₂ - коэффициент излучательной способности объектов, наблюдаемых с помощью блока 5 тепловизионных приемников, k - коэффициент усиления, который определяют заранее с помощью эталонного материала - «абсолютно черного тела», путем вычисления уровня соотношения сигналов от блока 4 и блока 5, измеренных для одной и той же точки поверхности «абсолютно черного тела» с известным значением термодинамической температуры Т:

Блок 7 предназначен для распознавания объектов по данным изображений в видимом диапазоне (блок 3) и пространственных изображений термодинамических температур, их классификации сверточными нейронными сетями, обладающими высокой эффективностью в решении задачи распознавания образов. Основные преимущества данного алгоритма заключаются в том, что в отличие от полносвязных моделей сверточные нейронные сети обрабатывают локальные признаки объектов, что позволяет производить обучение на относительно «небольшом» наборе изображений (от нескольких сотен до нескольких десятков тысяч) с точностью классификации не менее 85% и без необходимости конструировать отличительные признаки вручную. [Шолле Ф. Глубокое обучение на Python. - СПб.: Питер, 2018. - 400 с.: ил. - (Серия «Библиотека программиста»)]. Математически классификатор объектов и фонов представлен в виде дискриминантной функции. Пусть ω₁, ω₂…, ω_ζ, обозначают ζ классов (образов), подлежащих распознаванию и образуют полную группу событий:

где ω_i, ω_j - классы объекты и фоны, Ω - суммарное пространство классов. [Ищук И.Н., Громов Ю.Ю., Филимонов A.M. Классификация объектов дистанционного мониторинга по тепловым томограммам: монография. - Тамбов; М.; СПб.; Баку; Вена; Стокгольм; Буаке; Варна: изд-во МИНЦ «Нобелистика», 2019. - 132 с.]

Отличительной особенностью работы блока 7 от аналогичного блока в способе прототипе, заключается в распознавании объектов по двум изображениям: видимом и термодинамическом.

На основе банка данных конструкционных и функциональных материалов объектов исследуемых объектов, содержащим таблицу значений теплопроводности λ, температуропроводности а, удельной теплоемкости С плотности ρ, тепловой инерции I для каждого объекта классификатора, ранее измеренным и записанным в таблицу (например, таблица 1 - типы материалов и их теплофизические свойства). Температуропроводность а рассчитывается по известной формуле [Лыков А.В. Теория теплопроводности / А.В. Лыков. - М.: Высшая школа. - 1967. - 600 с.]:

На основе оценки пространственного распределения теплофизических параметров материалов исследуемых объектов путем решения коэффициентной обратной задачи нестационарной теплопроводности, обеспечивающей получение оценок значений теплопроводности 1, температуропроводности α, удельной теплоемкости С, плотности ρ, тепловой инерции I по данным пространственных распределений термодинамических температур нейросетевыми алгоритмами.

Сущность изобретения заключается в следующем:

Коэффициенты излучающей способности исследуемого объекта определяется по формуле:

где: Е - спектральная плотность потока объекта, E_o - спектральная плотность абсолютно черного тела.

В большинстве случаев ИК термография оперирует с оптически непрозрачными средами, в которых коэффициент пропускания среды равен нулю [В.П. Вавилов Инфракрасная термография и тепловой контроль. - М.: ИД Спектр, 2009 - с. 263-264]. В результате имеет место следующее соотношение:

где ε - коэффициент излучательной способности, А - коэффициент отражательной способности поверхности, рассчитываемый в соответствии с выражением:

где α, β, γ - коэффициенты уравнения регрессии, Q - суммарная радиация в зоне исследуемой поверхности, L - яркость исследуемой поверхности. [Пат. 2 628 991 С1 Российская Федерация, МПК G01N 21/55. Способ определения альбедо поверхности / Журавский Д.М. Техносфера, 2007 г. - с. 445, 449-450].

Значения измеренных, с помощью тепловизионных приемников, радиационных температур T_r (инфракрасных изображений исследуемой поверхности) связаны с термодинамической температурой. [Яне Б. Цифровая обработка изображений Москва: Техносфера, 2007 г. - с. 183] с соотношением:

где T_r - значение радиационной температуры исследуемой поверхности, Т - значение термодинамической температуры исследуемой поверхности, ε - коэффициент излучательной способности, σ - коэффициент Стефана-Больцмана, T_A - значение температуры воздуха.

При измерении T_r в двух диапазонах ИК спектра, связь между T_r и Т описывается системой уравнений:

Из системы уравнений (10) определяют коэффициент излучательной способности в двух диапазонах длин волн ИК спектра. Соотношение для определения коэффициента излучательной способности в двух ИК диапазонах длин волн (3…5 мкм и 8…14 мкм) имеет вид (1), (2):

Перерасчет коэффициентов излучательной способности поверхностей тел производят в каждой точке растра бинарных изображений размером I×J:

На основании точных значений ε₂ по данным бинарного ИК изображения от блока 5 с помощью выражения:

рассчитывают пространственное распределение термодинамических температур в каждой точке растра I×J:

Сравнение пространственного распределения теплофизических параметров исследуемых объектов и их классификация производится в блоке 7 с помощью сверточных нейронных сетей по данным обучающей выборки в видимом диапазоне длин волн и термодинамических температур Т материалов, а также данных теплового потока Q от блока 9, сформированных путем наблюдения изменения термодинамических температур эталонных материалов и хранящихся в блоке 8.

Повышение точности и достоверности классификации материалов обеспечивается возможностью дополнения в обучающую выборку термодинамических температур, пересчитанных из инфракрасных изображений, а также смоделированных инфракрасных сигнатур объектов, на основе методов глубокого обучения нейронных сетей с учителем.

Результатом работы блока являются изображения пространственного распределения теплофизических параметров:

где матрица (15) - распределение теплопроводности, матрица (16) - распределение температуропроводности, матрица (17) - распределение удельной теплоемкости, матрица (18) - распределение плотности.

По полученным распределениям теплопроводности и температуропроводности (15) и (16) определяют значения тепловой инерции земной поверхности [К.Ф. Фокин. Строительная теплотехника ограждающих частей зданий. - 4-е, переработанное и дополненное. - Москва: Стройиздат, 1973. - с. 117]:

где матрица (19) - распределение тепловой инерции.

Матрицы (15)-(19) соответствуют значениям теплофизических свойств эталонных конструкционных и функциональных материалов объектов.

Работоспособность предлагаемого способа проверена экспериментально с помощью многоспектральной оптико-электронной системы, установленной на каркасную раму, с последующей компьютерной обработкой полученных результатов на основе специального программного обеспечения, позволяющего реализовывать вычислительные операции блоков способа дистанционной оценки пространственного распределения теплофизических параметров исследуемых объектов (фиг. 1).

На фиг. 2 представлен график зависимости изменения плотности теплового потока и температуры с течением времени (время проведения эксперимента составляет: 1 минуту нагревания объектов, 5 минут остывание).

На фиг. 3 представлены внешний вид БпЛА «Гранат-1» при отсутствии дефектов и повреждений и сегментированное изображение, полученное в результате эксперимента. После перерасчета радиационных температур в термодинамические по данным разновременных изображений инфракрасного диапазона и обучения нейронной сети по данным банка данных конструкционных и функциональных материалов объектов, содержащим таблицу значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции для каждого объекта классификатора, а также значений плотности теплового потока были достоверно классифицированы типы материалов с теплофизическими характеристиками, представленными в таблице 1 - типы материалов и их теплофизические свойства. Об отсутствии скрытых повреждений в области нагрева исследуемого (эталонного) образца свидетельствует равномерное и не имеющее значительных отклонений распределение термодинамической температуры по его поверхности, что подтверждает коричневый цвет заливки, демонстрирующий структуру «композиционный материал + воздушная прослойка + композиционный материал». Бирюзовый цвет заливки соответствует структуре «композиционный материал + деревянная переборка + композиционный материал».

На фиг. 4 представлены результаты контроля состояния того же БпЛА после 30 циклов «взлет-посадка» аналогично тому, как это проводилось на первоначальном этапе перед началом его эксплуатации. При непосредственном визуальном осмотре повреждения не обнаруживаются, но на обработанном сверточной нейронной сетью изображении, наблюдаются заметные отличия от эталонного, а именно изменение коричневого цвета заливки на бирюзовый, что указывает на изменение структуры «композиционный материал + воздушная прослойка + композиционный материал» правого полукрыла на структуру «композиционный материал + деревянная переборка + композиционный материал». Наличие зеленого цвета заливки в носовой части отсека силовой установки соответствует структуре «пенопласт», что говорит о хрупкости материала в данной точке. Из анализа полученного изображения можно сделать вывод, что на БпЛА в указанном месте правого полукрыла присутствует скрытый дефект, возникший в результате удара наизлом и трещина носовой части отсека силовой установки, полученная в результате удара и разрушения.

Из описания следует, что схема устройства, реализующая предлагаемый способ, может быть реализована на основе известных функциональных устройств: суммирующих и вычитающих устройств, устройств умножения и деления, возведения в степень и извлечения корня, а также логических и интегрирующих устройств, которые подробно описаны с конструктивными признаками их технической реализации, например, в книге: Шумоподобные сигналы в системах передачи информации. / Под ред. Пестрякова В.Б. М.: Сов. радио, 1973. Все вычислительные операции в данном способе являются элементарными в техническом исполнении и могут быть реализованы в едином специально запрограммированном устройстве.

Таким образом, предлагаемый способ дистанционной оценки пространственного распределения теплофизических параметров материалов не имеет принципиальных ограничений в техническом исполнении и может быть реализован на основе известных функциональных устройств радиоэлектроники.

Claims

Способ дистанционной оценки пространственного распределения теплофизических параметров материалов, основанный на инфракрасном нагреве и съемке исследуемых объектов в видимом и инфракрасном диапазонах длин волн, определении коэффициентов излучательной способности объектов, оценке пространственного распределения значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции к материалам объектов, плотности теплового потока, отличающийся тем, что дополнительно съемку исследуемых объектов осуществляют в двух инфракрасных диапазонах длин волн 3…5 мкм и 8…14 мкм, получают динамические изображения в трех диапазонах видимый, 3…5 мкм, 8…14 мкм, по данным которых определяют значения коэффициентов излучательной способности в каждой точке изображения, изображения инфракрасного диапазона 8…14 мкм пересчитывают в пространственное распределение термодинамических температур с учетом измеренной температуры окружающего воздуха и коэффициента усиления тепловизионных приемников, которые классифицируют по теплофизическим свойствам конструкционных и функциональных материалов объектов в каждой точке изображения с оценкой значений теплопроводности, температуропроводности, удельной теплоемкости, плотности, тепловой инерции и плотности теплового потока по эталонным материалам.