复合材料缺陷的深度预测方法.pdf

《复合材料缺陷的深度预测方法.pdf》由会员分享，可在线阅读，更多相关《复合材料缺陷的深度预测方法.pdf（9页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911005167.6 (22)申请日 2019.10.22 (71)申请人 四川沐迪圣科技有限公司 地址 610036 四川省成都市高新区紫瑞大 道292号1层 (72)发明人 高斌汪美伶 (74)专利代理机构 成都行之专利代理事务所 (普通合伙) 51220 代理人 温利平 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/543(2017.01) (54)发明名称 一种复合材料缺陷的深度预测方法 (57)摘要 本发明公开了一种复合材料缺陷的深。

2、度预 测方法， 通过基于稀疏矩阵分解算法定性分析， 利用高斯变换， 通过提取缺陷区域和非缺陷区域 的热对比温度曲线， 以热对比曲线峰值时间为不 同深度的特征时间， 将理论上特征时间和缺陷深 度之间的非线性关系重新映射为线性关系， 从而 精准的预测出缺陷深度， 具有方法简便， 且预测 精度高等特点。 权利要求书1页 说明书5页 附图2页 CN 110880170 A 2020.03.13 CN 110880170 A 1.一种复合材料缺陷的深度预测方法， 其特征在于， 包括以下步骤： (1)、 对被测试件进行热激励， 采集被测试件的红外热图像序列； (2)、 利用矩阵稀疏分解算法对红外热图像序列。

3、进行缺陷定性分析， 从而确定出所有缺 陷区域； (3)、 提取不同深度缺陷的热对比特征时间 (3.1)、 在每一个缺陷区域内选取中心区域内的多个像素点， 再提取每个像素点的温度 随时间变化的曲线， 记为该深度缺陷下的时间-温度曲线i1,2,k， k表示选取的像 素点个个数， j1,2,N， N表示缺陷区域的个数； 以及在该缺陷区域周围选取一个非缺陷 区域的像素点， 并提取该像素点的温度随时间变化的曲线， 记为标准的时间-温度曲线Tj； (3.2)、 将每一个深度缺陷下的时间-温度曲线与标准的时间-温度曲线作差， 得到每一 个深度缺陷下对应的热对比曲线即 (3.3)、 将每一个深度缺陷下的所有峰。

4、值所对应的时间求均值， 得到每一个深度缺 陷下的特征时间 j； (3.4)、 将所有深度缺陷下的特征时间 j组成特征时间序列 mj； (4)、 预测缺陷深度 (4.1)、 利用高斯分布对非线性因素进行建模 建立修正特征时间值 mj mj+ j，j为不同深度缺陷下的不确定性变量； 建立高斯变换的数学模型：其中， 1jN， rank( mj)表示 mj的大小 次序， -1是累积分布函数的反函数； 其中， -1满足：其中， (4.2)、 选取不同的标准差 ， 建立 mj与缺陷深度dj之间的关系； 其中，表示 mj与dj之间拟合的线性映射矩阵， T表示转置； (4.3)、 将选取的不同的 值代入到步骤。

5、(4.2)所示的关系式中， 分别计算出不同的缺陷 深度dj， 再根据公式计算误差errorj， 最后选取最小值errorj对应的 作为 最终的标准差， ； (4.4)、 根据最终的 值修正 mj， 得到修正后的特征时间值 mj； (4.5)、 建立 mj与缺陷深度dj之间的关系， 进而预测出不同的缺陷深度； 权利要求书 1/1 页 2 CN 110880170 A 2 一种复合材料缺陷的深度预测方法 技术领域 0001 本发明属于无损检测技术领域， 更为具体地讲， 涉及一种复合材料缺陷的深度预 测方法。 背景技术 0002 无损检测是建立在现代科学技术基础上的一门应用性技术学科， 以不破坏被测。

6、物 体内部结构为前提， 用物理的方法检测物体内部或表面的物理性能， 状态特性以及内部结 构， 检查物体内部是否存在缺陷， 从而判断被测试件是否合格。 对于缺陷的检测主要分为定 性分析和定量分析， 定性分析以确定被测试件是否含有缺陷， 而定量分析确定缺陷的尺寸 以及深度。 0003 碳纤维复合材料具有低密度、 高强度、 耐高温、 抗氧化等优点， 在航空航天领域的 应用越来越广泛。 在严峻的航空环境下， 复合材料部件往往会因为疲劳累积、 撞击、 腐蚀等 物理化学因素影响， 容易产生缺陷和损伤。 出于对航空材料的高质量， 高可靠性的需求， 无 损检测也就具有巨大的重要性。 红外热成像检测技术被广泛用。

7、于各类缺陷的快速检测， 再 利用红外热图像序列进行分析处理实现缺陷的定性分析和定量分析。 发明内容 0004 本发明的目的在于克服现有技术的不足， 提供一种复合材料缺陷的深度预测方 法， 通过提取缺陷热对比特征时间和高斯变换相结合， 将特征时间和缺陷深度的非线性关 系通过高斯变换映射为线性关系， 从而实现缺陷深度的准确估计。 0005 为实现上述发明目的， 本发明一种复合材料缺陷的深度预测方法， 其特征在于， 包 括以下步骤： 0006 (1)、 对被测试件进行热激励， 采集被测试件的红外热图像序列； 0007 (2)、 利用矩阵稀疏分解算法对红外热图像序列进行缺陷定性分析， 从而确定出所 有。

8、缺陷区域； 0008 (3)、 提取不同深度缺陷的热对比特征时间 0009 (3.1)、 在每一个缺陷区域内选取中心区域内的多个像素点， 再提取每个像素点的 温度随时间变化的曲线， 记为该深度缺陷下的时间-温度曲线i1,2,k， k表示选取 的像素点个数， j1,2,N， N表示缺陷区域的个数； 以及在该缺陷区域周围选取一个非缺 陷区域的像素点， 并提取该像素点的温度随时间变化的曲线， 记为标准的时间-温度曲线 Tj； 0010 (3.2)、 将每一个深度缺陷下的时间-温度曲线与标准的时间-温度曲线作差， 得到 每一个深度缺陷下对应的热对比曲线即 0011(3.3)、 将每一个深度缺陷下的所有。

9、峰值所对应的时间求均值， 得到每一个深 度缺陷下的特征时间 j； 说明书 1/5 页 3 CN 110880170 A 3 0012 (3.4)、 将所有深度缺陷下的特征时间 j组成特征时间序列 mj； 0013 (4)、 预测缺陷深度 0014 (4.1)、 利用高斯分布对非线性因素进行建模 0015 建立修正特征时间值 mj mj+ j，j为不同深度缺陷下的不确定性变量； 0016建立高斯变换的数学模型：其中， 1jN， rank( mj)表示 mj的 大小次序， -1是累积分布函数的反函数； 0017其中， -1满足：其中， 0018 (4.2)、 选取不同的标准差 ， 建立 mj与缺陷。

10、深度dj之间的关系； 0019 0020其中， 表示 mj与dj之间拟合的线性映射矩阵， T表示转置； 0021 (4.3)、 将选取的不同的 值代入到步骤(4.2)所示的关系式中， 分别计算出不同的 缺陷深度dj， 再根据公式计算误差errorj， 最后选取最小值errorj对应的 作为最终的标准差， 其中， 表示第j个缺陷区域的实际深度； 0022 (4.4)、 根据最终的 值修正 mj， 得到修正后的特征时间值 mj； 0023 (4.5)、 建立 mj与缺陷深度dj之间的关系， 进而预测出不同的缺陷深度； 0024 0025 本发明的发明目的是这样实现的： 0026 本发明一种复合材料。

11、缺陷的深度预测方法， 通过基于稀疏矩阵分解算法定性分 析， 利用高斯变换， 通过提取缺陷区域和非缺陷区域的热对比温度曲线， 以热对比曲线峰值 时间为不同深度的特征时间， 将理论上特征时间和缺陷深度之间的非线性关系重新映射为 线性关系， 从而精准的预测出缺陷深度， 具有方法简便， 且预测精度高等特点。 附图说明 0027 图1是本发明一种复合材料缺陷的深度预测方法流程图； 0028 图2是复合材料缺陷试件的热图像样图； 0029 图3是不同深度缺陷的热对比曲线； 0030 图4是通过选取不同的 值对于修正结果的影响图。 具体实施方式 0031 下面结合附图对本发明的具体实施方式进行描述， 以便本。

12、领域的技术人员更好地 理解本发明。 需要特别提醒注意的是， 在以下的描述中， 当已知功能和设计的详细描述也许 会淡化本发明的主要内容时， 这些描述在这里将被忽略。 说明书 2/5 页 4 CN 110880170 A 4 0032 实施例 0033 图1是本发明一种复合材料缺陷的深度预测方法流程图。 0034 在本实施例中， 如图1所示， 本发明一种复合材料缺陷的深度预测方法， 包括以下 步骤： 0035 S1、 图像采集 0036 对被测试件用卤素灯进行热加载， 采集被测试件的红外热图像序列； 0037 S2、 图像预处理 0038 利用矩阵稀疏分解算法对红外热图像序列进行缺陷定性分析， 从。

13、而确定出所有缺 陷区域； 0039 在本实施例中， 对于获得的含缺陷的红外热图像序列， 为减少热图像帧数及提高 缺陷检测的精度， 先通过常用的特征提取算法进行预处理， 例如主成分分析(PCA)、 独立成 分分析(ICA)和热图像信号重构(TSR)， 在本实施例中， 采用稀疏矩阵分解算法进行预处理， 这样可以确定出所有缺陷区域。 0040 S3、 提取不同深度缺陷的热对比特征时间 0041 S3.1、 在每一个缺陷区域内选取中心区域内的多个像素点， 再提取每个像素点的 温度随时间变化的曲线， 记为该深度缺陷下的时间-温度曲线i1,2,k， k表示选取 的像素点个数， j1,2,N， N表示缺陷区。

14、域的个数； 以及在该缺陷区域周围选取一个非缺 陷区域的像素点， 并提取该像素点的温度随时间变化的曲线， 记为标准的时间-温度曲线 Tj； 0042 在本实施例中， 根据图2显示的缺陷区域和非缺陷区域， 选取两种不同直径大小的 缺陷(A组和B组)的四个不同深度的缺陷， 记为A1-A4和B1-B4； 在本实施例中， 为了减小误 差， 根据缺陷直径大小选取了不同个数像素点， 取这些像素点的温度热对比峰值时间的平 均值。 其中， 在20mm直径的B组缺陷中选取了30个像素点， 在10mm直径大小的A缺陷中选取了 16个像素点， 为了减少不均匀加热的影响， 选取了缺陷区域旁边的非缺陷区域像素点， 选取 。

15、完像素点后， 提取它们的温度随时间变化曲线。 0043 S3.2、 将每一个深度缺陷下的时间-温度曲线与标准的时间-温度曲线作差， 得到 每一个深度缺陷下对应的热对比曲线即 0044S3.3、 将每一个深度缺陷下的所有峰值所对应的时间求均值， 得到每一个深度 缺陷下的特征时间 j； 0045 在本实施例中， 为了更加清楚的显示它们的峰值时间， 统一将曲线都进行了归一 化， 如图3所示， 不同的深度缺陷会在不同的时间达到热对比的峰值， 随着深度的增加， 时间 出现得也越晚。 0046 S3.4、 将所有深度缺陷下的特征时间 j组成特征时间序列 mj； 0047 S4、 预测缺陷深度 0048 S。

16、4.1、 利用高斯分布对非线性因素进行建模 0049 首先， 我们对特征峰值时间和缺陷深度之间的关系进行理论分析。 0050 热图像中表面温度场在趋于平衡的过程中， 每个像素点的温度变化可简化为一维 热传导模型， 由傅里叶扩散方程得出的缺陷区域和非缺陷区域之间的热对比曲线Td(0,t)、 说明书 3/5 页 5 CN 110880170 A 5 Tn(0,t)可表示为： 0051 0052 其中， 表示热扩散率， k、 、 c分别表示被测试件的热导率、 密度和比热容； Q为表面 总能量， d为缺陷的深度， t为时间； 0053 将上式微分， 可以得到热对比曲线的峰值时间： 0054 0055 。

17、该式是由闪光灯作为激励源所导出的关系式， 闪光灯的加热时间极短， 仅仅只有 几毫秒， 而卤素灯的加热时间却长达几秒， 由于热激励输入导致的试件表面的温度响应这 个过程不是时不变的， 那么就不能把卤素灯的温度响应当成闪光灯温度响应的简单叠加， 也就是说tPCT会发生偏移。 0056 然而以上所有理论都是建立在热传导一维模型分析的， 但是热的传导本身是三维 的， tPCT不仅和缺陷的深度有关， 也和缺陷的横向大小有关， 因此特征时间和缺陷深度之间 复杂的非线性关系很难建立。 0057 因此， 在本实施例中， 我们采用高斯变换对非线性因素进行建模， 而高斯变换的思 想是将不确定性的分布转换为高斯分布。

18、， 其具体过程为： 0058 建立修正特征时间值 mj mj+ j，j为不同深度缺陷下的不确定性变量； 0059建立高斯变换的数学模型：其中， 1jN， rank( mj)表示 mj的 大小次序， -1是累积分布函数的反函数； 0060其中， -1满足：其中， 0061 S4.2、 选取不同的标准差 ， 建立 mj与缺陷深度dj之间的关系； 0062 0063其中， 表示 mj与dj之间拟合的线性映射矩阵， T表示转置； 0064 S4.3、 在本实施例中， 由于-1与高斯分布标准差 相关， 不同的 值会对应不同的 修正结果， 为了得出最佳的 值， 对比了不同 值所修正的不同结果。 0065 。

19、具体方法为： 将选取的不同的 值代入到步骤S4.2所示的关系式中， 分别计算出不 同的缺陷深度dj， 再根据公式计算误差errorj， 最后选取最小值errorj对应 的 作为最终的标准差， 其中， 表示第j个缺陷区域的实际深度； 0066 在本实施例中， 如图4所示， 修正后的深度误差会因为不同 值而不同， 图4(a)为 10mm直径缺陷的修正结果， 随着 值的增大， 深度的误差有减小的趋势， 但当 5的时候， 误 差的改进并不明显， 并且有反而增大误差的风险， 如图4(a)中0.5mm和2mm深度缺陷， 图4(b) 中的1mm缺陷。 经过数据分析， 最终将最佳标准差 定为10。 说明书 4。

20、/5 页 6 CN 110880170 A 6 0067 S4.4、 根据最终的 值修正 mj， 得到修正后的特征时间值 mj； 0068 S4.5、 建立 mj与缺陷深度dj之间的关系， 进而预测出不同的缺陷深度； 0069 0070 综述， 由于特征时间和缺陷深度之间的理论非线性关系， 因此修正前的线性拟合 会造成较大的深度预测误差， 而本实施例中用高斯分布对非线性因素建模， 使其非线性关 系映射为更加准确的线性关系， 如表1所示， 修正后， 预测深度的误差会明显减小。 0071 0072 表1 0073 尽管上面对本发明说明性的具体实施方式进行了描述， 以便于本技术领域的技术 人员理解本发明， 但应该清楚， 本发明不限于具体实施方式的范围， 对本技术领域的普通技 术人员来讲， 只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内， 这些 变化是显而易见的， 一切利用本发明构思的发明创造均在保护之列。 说明书 5/5 页 7 CN 110880170 A 7 图1 图2 说明书附图 1/2 页 8 CN 110880170 A 8 图3 图4 说明书附图 2/2 页 9 CN 110880170 A 9 。