版权归原作者所有,如有侵权,请联系我们

[科普中国]-涡轮叶片缺陷检测技术

科学百科
原创
科学百科为用户提供权威科普内容,打造知识科普阵地
收藏

涡轮叶片缺陷检测技术是指对发动机涡轮叶片可能存在的缺陷进行检测的技术。在航空工业中,发动机涡轮叶片的缺陷检测对保证飞机安全、防止重大事故有着很重要的作用。

简介涡轮叶片缺陷检测技术是指对发动机涡轮叶片可能存在的缺陷进行检测的技术。在航空工业中,发动机涡轮叶片的缺陷检测对保证飞机安全、防止重大事故有着很重要的作用1。

缺陷缺陷(imperfection)是指铸件表面或内部的欠缺(fault of defect},在工厂中是通过验收标准〔指不损害或不降低铸件设计性能要求的最严重的缺陷)来标定的。

典型的缺陷类型(1)孔洞类

缩孔:形状不规则,尺寸比较大,灰度值小,与目标实体的灰度值有明显的区别,轮廓清晰纤维状缩孔其形状成树枝状,但在ICT切片上形状比较模糊,灰度值比目标实体的灰度值小。可以从图像中看出来。海绵状缩孔与疏松的呈云雾状,灰度值比目标实体的要小,轮廓不清晰;

气孔:孤立或成群的圆形、椭圆形、梨形暗斑,轮廓光滑,灰度值较小。

(2)夹杂类

夹杂:由致密氧化皮等组成的高密夹杂,其灰度值比目标实体的高,很容易通过肉眼来识别出来,形状呈小颗粒状或片状图象,轮廓比较清晰。还有一类夹杂为低密夹杂,如果其密度很低时,其灰度值与切片上孔洞的缺陷灰度值相差很近时,可以通过孔洞缺陷的检测将缺陷分离出来。当夹杂物的密度与目标实体密度相接过时,此时,夹杂缺陷的灰度值与目标实体的灰度值相差不是很大,轮廓也比较模糊。

(3)疏松类

疏松:是由于铸件内部或表面非常细微的不规则的小孔或细微的缩裂的聚集的区域所造成的。通常可以从灰度的变化不均匀,边界轮廓较模糊来进行判断。

(4)裂纹类

热裂纹:不规则的暗结,常为波折线,可分叉,灰度值比目标实体的灰度值要小,在ICT切片上波折线比较模糊,形状也很复杂,不容易识别出来;

冷裂纹:平滑直线状或弯曲平滑线状,灰度值比目标实体的灰度值要小,同样折线比较不太清晰2。

涡轮叶片缺陷形成原因发动机叶片由于内部结构复杂,一般采用无余量精铸成型。在工艺成型过程中,经常导致成型叶片内部存在夹渣、孔洞、裂缝、表面缺陷、铸件残缺等缺陷。并且涡轮叶片的叶身段型面很复杂,横截面沿叶长各不相同,成型工艺复杂,在熔模铸造、机械加工以及后续的热处理等制造过程中可能会产生各种各样的缺陷,如微小的裂纹、气孔、应力集中等。相对于叶片的外部缺陷,叶片的内部缺陷,如气孔、夹杂、内部裂纹、疏松等缺陷,就很难通过常规的方法发现,潜在的危害也就更大,因而寻找有效的检测手段对于提高涡轮叶片质量,保障飞行安全,提高我国航空工业水平有着非常重要的意义。

现有缺陷检测方法现有的检测方法都是基于某种特定的应用领域而设计的,即针对某种特定的缺陷类型来进行缺陷检测。常用的缺陷检测方法包括荧光检验技术、X射线技术、超声脉冲回波技术等人工判片方法和基于二维图像的缺陷检测方法,包括基于阈值的方法、基于边缘检测的方法、基于聚类的方法、基于数字减影的方法和基于统计的方法。

人工判断缺点(1)工作人员工作量大,容易发生疲劳引起误判;

(2)检测工作效率低、速度慢、有可能延误工程的进度;

(3)在某些环节上抽检率低,不可能满足高质量的要求;

(4)实时性差,不能满足生产线的高效率;

(5)缺乏检测的一致性、科学性,主要依靠检测员的主观判断,从而降低了检测的置信度;

(6)检测环境恶劣、枯燥,对人身危害较大,而且检测人员的疲乏和精力的分散,都会造成误判和漏检3。

基于阈值分割的缺陷提取基于阈值分割的缺陷提取方法需要计算出一个分割阈值,然后将分割阈值与像素值进行比较。这种方法可以应用于噪声比较大,缺陷形态、灰度不是很复杂的情况下。

在焊缝缺陷检测以及在钢球表面的缺陷检测中的应用,应用于钢球表面的缺陷检测/阈值的确定。

基于边缘检测算子的缺陷提取边缘的检测方法常借助空域微分算子进行,通过将其模板与图像卷积完成,两个具有不同灰度值的相邻域之间总存在灰度边缘。灰度边缘是灰度值不连续(或突变)的结果,这种不连续常可利用求导数的方法方便地得到。这种方法对边缘信息很敏感,但是抗噪性能比较差。

基于聚类的图象分割方法聚类方法是将一组目标根据从它们测得的特征值将它们划分到各类中的方法。这种分割方法是一种全局的方法,比基于边缘检测的方法更具有抗噪声的能力。这种分割方法适用于区域划分比较明显、并具有很强相关性的图像。

基于数字减影的缺陷检测数字减影即数字血管造影(Digital Subtraction Angiography,DSA)是80年代继CT之后出现的一项医学影像学新技术,是电子计算机与常规X射线血管造影相结合的一种新的检查方法。减影技术的基本内容是把两帧匹配好的同一部位的图像相减,从而得出它们的差值部分。这种方法需要有Mask图像,即标准图像。

基于统计方法的缺陷检测统计分割方法用于缺陷在图像中所占像素数较少,或者既有高密度缺陷存在又有低密度缺陷存在。而且图像的灰度分布符合一定的统计规律的情况下2。

本词条内容贡献者为:

杜强 - 高级工程师 - 中国科学院工程热物理研究所