一种热障涂层中缺陷定量检测方法及系统

本发明涉及目标检测，特别是涉及一种热障涂层中缺陷定量检测方法及系统。

背景技术：

1、涡轮叶片是燃气涡轮发动机中承温和承载最为苛刻的核心部件，也是制约发动机发展的关键短板。国际公认设置热障涂层是大幅提高发动机服役温度最切实可行的办法。但热障涂层服役环境恶劣，且其为多层结构，从而让其在服役过程中极其容易产生裂纹和脱粘等缺陷，这一系列的缺陷如若继续扩展下去，则会促使热障涂层剥落从而失效。如果在燃气涡轮发动机在运行的过程中发生脱落，严重威胁到人民的生命财产安全。所以为了保证燃气涡轮发动机的正常运行以及人民的生命财产安全，对热障涂层却缺陷的定量表征具有关键的意义。

2、材料的表征方法可以大致分为两类，有损检测和无损检测，但是有损检测在对材料进行表征时会对材料产生不可逆转的损害，导致材料无法二次利用。在无损检测中，红外无损检测有着检测快速，观测面积大，结果直观，定量缺陷信息，无接触等优点，被广泛的应用到材料的表征当中。

3、缺陷几何信息的定量表征是以导热反问题为基础的，红外无损检测是已知试样的温度矩阵，进而求解试样的几何特征。根据三维导热微分方程，假定材料各向同性以及对流换热，三维导热微分方程可以近似成一维导热微分方程，可以得到缺陷深度与最大温差，最佳检测时间存在非线性关系。目前此过程通过了对此近似求解，得到的结果没有说服力。

技术实现思路

1、本发明的目的是提供一种热障涂层中缺陷定量检测方法及系统，提高了检测的准确性。

2、为实现上述目的，本发明提供了如下方案：

3、一种热障涂层中缺陷定量检测方法，包括：

4、获取待检测热障涂层的红外热序列图；所述待检测热障涂层包括缺陷区域和非缺陷区域；

5、根据所述红外热序列图确定最大温差和最佳检测时间；所述最大温差为所述缺陷区域的最高温度和所述非缺陷区域的最低温度之差，所述最佳检测时间为所述最高温度和所述最低温度对应的热激励时间中的较早的时间；

6、将所述最大温差和所述最佳检测时间输入缺陷定量检测模型，获得所述待检测热障涂层的缺陷区域直径和缺陷区域深度；所述缺陷定量检测模型是对bp神经网络进行粒子群算法优化和数据集训练后确定的；

7、所述缺陷定量检测模型的确定具体包括：

8、采用粒子群算法优化bp神经网络的权重和偏置，获得优化后的bp神经网络；

9、采用数据集对优化后的bp神经网络进行训练，将训练好的优化后的bp神经网络作为所述缺陷定量检测模型；所述数据集中样本数据包括最大温差、最佳检测时间以及缺陷区域直径和缺陷区域深度。

10、可选地，所述粒子群算法的速度更新公式表示为：

11、vij(t+1)＝wvij(t)+c1r1(t)[pibest(t)-xij(t)]+c2r2(t)[pigbest(t)-xij(t)]；

12、所述粒子群算法的位置更新公式表示为：

13、xij(t+1)＝xij(t+1)+vij(t+1)；

14、其中，vij(t+1)表示第t+1次迭代后第i个粒子的速度，vij(t)表示第t次迭代后第i个粒子的速度，t表示迭代次数，w表示惯性因子，c1表示个体学习因子，c2表示社会学习因子，r1(t)表示[0,1]之间的伪随机数，r2(t)表示[0,1]之间的伪随机数，pibest(t)表示第i个粒子第t次迭代后的最优位置，pigbest(t)表示第t次迭代后的整个粒子群找到的最优位置，xij(t)表示第t次迭代后第i个粒子的位置，xij(t+1)表示第t+1次迭代后第i个粒子的位置。

15、可选地，所述采用粒子群算法优化bp神经网络的权重和偏置过程中，所述惯性因子的更新公式表示为：

16、

17、w＝wmax others

18、其中，wmin为惯性权重最小值，wmax为惯性权重最大值，fmin最小的自适应度，fmax表示最大的自适应度，f表示当前的自适应度，favg表示当前迭代次数下的平均自适应度。

19、可选地，惯性权重的取值范围为0.5-0.8。

20、可选地，所述根据所述红外热序列图确定最大温差和最佳检测时间，具体包括：

21、将所述红外热序列图转换为m*n*t的三维矩阵，m*n为红外热图的分辨率，t表示热激励时间；所述红外热序列图包括按照热激励时间顺序排列的红外热图；

22、将所述三维矩阵转化为时间温度曲线图；

23、提取所述时间温度曲线图中缺陷区域的最高温度和非缺陷区域的最低温度。

24、可选地，所述获取待检测热障涂层的红外热序列图，具体包括：

25、采用红外热成像仪获取待检测热障涂层的红外热序列图。

26、可选地，所述bp神经网络包括依次连接的输入层、隐藏层和输出层；

27、其中，所述输入层的节点数m、所述隐藏层的节点数n以及所述输出层的节点数a满足公式r表示[1,10]之间的随机数。

28、本发明公开了一种热障涂层中缺陷定量检测系统，包括：

29、红外热序列图获取模块，用于获取待检测热障涂层的红外热序列图；所述待检测热障涂层包括缺陷区域和非缺陷区域；

30、最大温差和最佳检测时间确定模块，用于根据所述红外热序列图确定最大温差和最佳检测时间；所述最大温差为所述缺陷区域的最高温度和所述非缺陷区域的最低温度之差，所述最佳检测时间为所述最高温度和所述最低温度对应的热激励时间中的较早的时间；

31、缺陷区域直径和深度确定模块，用于将所述最大温差和所述最佳检测时间输入缺陷定量检测模型，获得所述待检测热障涂层的缺陷区域直径和缺陷区域深度；所述缺陷定量检测模型是对bp神经网络进行粒子群算法优化和数据集训练后确定的；

32、所述缺陷定量检测模型的确定具体包括：

33、采用粒子群算法优化bp神经网络的权重和偏置，获得优化后的bp神经网络；

34、采用数据集对优化后的bp神经网络进行训练，将训练好的优化后的bp神经网络作为所述缺陷定量检测模型；所述数据集中样本数据包括最大温差、最佳检测时间以及缺陷区域直径和缺陷区域深度。

35、根据本发明提供的具体实施例，本发明公开了以下技术效果：

36、本发明采用粒子群算法优化bp神经网络的权重和偏置，并采用数据集对优化后的bp神经网络进行训练，得到训练好的缺陷定量检测模型，用缺陷定量检测模型来定量预测热障涂层缺陷区域的直径和深度，通过粒子群算法避免bp神经网络陷入局部最小值，提高了缺陷定量检测模型的预测精度。

技术特征：

1.一种热障涂层中缺陷定量检测方法，其特征在于，包括：

2.根据权利要求1所述的热障涂层中缺陷定量检测方法，其特征在于，所述粒子群算法的速度更新公式表示为：

3.根据权利要求2所述的热障涂层中缺陷定量检测方法，其特征在于，所述采用粒子群算法优化bp神经网络的权重和偏置过程中，所述惯性因子的更新公式表示为：

4.根据权利要求3所述的热障涂层中缺陷定量检测方法，其特征在于，惯性权重的取值范围为0.5-0.8。

5.根据权利要求1所述的热障涂层中缺陷定量检测方法，其特征在于，所述根据所述红外热序列图确定最大温差和最佳检测时间，具体包括：

6.根据权利要求1所述的热障涂层中缺陷定量检测方法，其特征在于，所述获取待检测热障涂层的红外热序列图，具体包括：

7.根据权利要求1所述的热障涂层中缺陷定量检测方法，其特征在于，所述bp神经网络包括依次连接的输入层、隐藏层和输出层；

8.一种热障涂层中缺陷定量检测系统，其特征在于，包括：

技术总结
本发明公开一种热障涂层中缺陷定量检测方法及系统，涉及缺陷检测领域：该方法包括：获取待检测热障涂层的红外热序列图；根据红外热序列图确定最大温差和最佳检测时间；最大温差为缺陷区域的最高温度和非缺陷区域的最低温度之差，最佳检测时间为最高温度和最低温度对应的热激励时间中的较早的时间；将最大温差和最佳检测时间输入缺陷定量检测模型，获得待检测热障涂层的缺陷区域直径和缺陷区域深度；缺陷定量检测模型的确定具体包括：采用粒子群算法优化BP神经网络的权重和偏置，获得优化后的BP神经网络；采用数据集对优化后的BP神经网络进行训练，将训练好的优化后的BP神经网络作为缺陷定量检测模型。本发明提高了检测的准确性。

技术研发人员：朱旺,刘尧,郭进伟,赵镍
受保护的技术使用者：湘潭大学
技术研发日：
技术公布日：2024/1/11