航天隔热复合材料粘接缺陷检测方法与流程

本发明涉及符合材料
技术领域：
，更具体的说是涉及航天隔热复合材料粘接缺陷检测方法。
背景技术：
：先进的隔热材料具有耐高温、强度高、刚度大等众多优点，在现代航空飞行器设计与制造领域已得到了广泛应用。目前通常采用粘合胶将隔热材料粘合到航天飞行器的基板上，以减缓飞行器外壳与大气摩擦所产生的大量热量对飞行器的损伤，产生热防护的效果。如果在隔热材料粘接过程中，粘接质量不高，并且受到特殊的运行环境影响，胶层中很容易产生孔洞或脱粘等不利情况，都会导致隔热材料在飞行过程中的脱落，造成不可预测的损失。随着隔热材料技术的不断进步，涌现出了一系列新结构、新材料、新工艺的材料，因此对胶接结构粘接质量的无损检测标准也越来越高，涡流、超声、太赫兹、红外热成像等传统的检测方法已无法满足检测需求。其中低频涡流技术必须先确认飞机的主要内部结构，才能确定其检测方法；超声波法在强吸收性的复合材料中衰减较大，深层界面的超声信号微弱，因此超声波法对于较厚复合材料的内部缺陷检测适用性较差；太赫兹检测法虽能穿透材质不均匀的非金属材料，但对于含有金属夹层的隔热材料，不能提供有效的胶层缺陷检测信息；红外热波检测[7]适用于复合材料薄板的检测，对周围环境温度较为敏感，因此对具有高隔热的航天复合材料并不适用。基于以上常规检测方法的局限性，为实现对一些具有多孔、各向异性、强吸声、高隔热及低导电特性的新型复合材料的无损检测，本文采用了一种同面电容成像的无损检测方法。同面电容成像(electricalcapacitancetomography-ect)是一种灵敏度高、快速灵活、非侵入的新型检测技术，且不受材料特性的约束，能够进行非接触检测，不需耦合介质，对材料完全无损。而电容成像重建算法将影响后期重建图像的有效性和检测精度。kalman滤波是一种基于线性最小方差估计理论，通过多次测量获取新信息，进而可实现对离散随机过程的状态值做出最优估计，现已广泛应用于传感器数据融合、机器人控制、通讯以及雷达监测等领域[8]，而将kalman滤波成像算法应用于隔热材料粘接缺陷的检测领域，还尚未有文献记载，即在此基础之上提出了一种基于kalman滤波的同面电容成像算法，对航天隔热材料粘接胶层缺陷进行可视化检测，并对图像重建结果与实际粘接缺陷进行观察对比，分析给定重建图像质量评价指标，证明本文所提算法的有效性和优越性。因此，如何提供一种可以克服电容成像系统的病态问题，重建图像分辨率较高，针对缺胶、气泡等不同类型的隔热材料粘接缺陷可进行有效识别，检测效果明显；而且通过不断的研究完善图像重建算法，增加测量值样本数目，可进一步提高隔热材料粘接层的缺陷检测质量，提升缺陷检测精度的航天隔热复合材料粘接缺陷检测方法是本领域技术人员亟需解决的问题。技术实现要素：有鉴于此，本发明提供了一种具有检测效果明显、精准度高、提高检测质量特点的航天隔热复合材料粘接缺陷检测方法。为实现上述目的，本发明提供如下技术方案：航天隔热复合材料粘接缺陷检测方法，利用同面电容成像系统对航天隔热复合材料粘接缺陷检测，同面电容成像系统主要包括电容传感器、数据采集系统和图像重建计算机三大部分；其特征在于，通过电容传感器将物场内介质的分布转化为传感器的输出电容，利用数据采集系统采集电容值并传递给图像重建计算机，计算机通过相应图像重建算法进行图像重建和显示；具体的操作步骤为：本发明采用12电极的同面阵列电容传感器，由此可以得到66个独立电容值；每两个极板之间的电容ci，j＝∫∫ε(x，y)·si，j(x，y，ε(x，y))dxdy(1)式中：i、j分别表示为激励电极和测量电极板的序号，ε(x，y)为被测物场截面的介质分布函数，sij(x，y，ε(x，y))表示为电极对电容值cij的灵敏度分布函数，即电容cij对点(x，y)处介电常数变化的敏感程度，d表示待测平面面积；假设灵敏度分布函数受介质分布影响很小，可近似忽略，则式(1)可表示为：ci，j＝∫∫(x，y)si，j(x，y)dxdy(2)式中：sij(x，y)为极板间电容cij的灵敏度函数。对其进行离散化和归一化，得到同面电容成像系统的数学模型c＝sg(3)式中：为归一化的电容矢量，为归一化的敏感场矩阵，为归一化介电常数矢量，即重建图像的像素灰度值。优选的，在上述一种航天隔热复合材料粘接缺陷检测方法中，所述图像重建计算机单元主要是基于kalman滤波的图像重建算法；所述kalman滤波的图像重建算法是一种基于最小方差估计理论的数值优化算法，采用信号与噪声的状态空间模型，并利用前一时刻的预测值和当前时刻的测量值来得到当前时刻的最优估计值；具体操作步骤为：为将kalman滤波应用到同面电容成像系统的图像重建中，首先要建立起同面电容成像的状态空间模型；假设在电容测量期间被测物场内部介质分布无变化，只考虑测量噪声，且认为测量噪声方差矩阵为固定值，即rk＝r，系统噪声设置为零；状态转移矩阵设为单位阵，即在多次测量过程中测量值保持不变，系统噪声驱动矩阵同样设为单位矩阵，量测噪声序列为vk，量测矩阵为敏感场矩阵s，而被估计量即为重建图像的像素灰度值gk，测量值为归一化的电容值ck，则系统模型(3)变为：并得到针对同面电容成像系统的kalman滤波数学方程组：基于kalman滤波的图像重建过程分为两部分：预测和校正；前者是对当前状态的图像灰度值gk及误差协方差矩阵p进行先验估计，为下一个时间状态构造先验估计值；校正过程提供反馈，是在先验估计的基础上，结合当前时刻所测得的电容值，对先验估计值进行校正，得到最优的重建图像像素灰度值，图像重建框图如图2所示；根据k时刻的测量值ck和已知测量噪声方差矩阵r的情况下，只需给定初始值g0和p0，就可以推算出k时刻的最优估计值gk；而kalman滤波是一种最优化自回归处理算法，可以降低对第一初始值g0的依赖性，随着kalman的工作，图像灰度值g会逐渐收敛，最后趋于稳定，增强了图像重建质量，一般可将lbp算法中g＝stc作为初始值g0，或者直接设为0；而对于估计均方误差p0没有先验信息，p0取ai，a为较大常数，i为单位矩阵即可。经由上述的技术方案可知，与现有技术相比，本发明为实现对航天隔热复合材料粘接缺陷检测的研究，本文采用了同面电容成像无损检测系统，并针对传统的图像重建算法成像分辨率较低的缺点，尝试将线性最小方差估计的kalman滤波应用到图像重建之中，结合同面电容成像的基本原理，建立起基于kalman滤波的同面电容成像数学模型，应用到模拟真实胶接缺陷的实验样件之中，并从图像相关系数和相对图像误差指标进行定性分析；实验结果表明，基于kalman滤波的同面电容图像重建算法较好的克服了电容成像系统的病态问题，重建图像分辨率较高，针对缺胶、气泡等不同类型的隔热材料粘接缺陷可进行有效识别，检测效果明显。通过不断的研究完善图像重建算法，增加测量值样本数目，可进一步提高隔热材料粘接层的缺陷检测质量，提升缺陷检测精度。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1附图为同面电容成像系统结构图。图2附图为实验样件示意图。图3附图为基于kalman滤波的ect图像重建框图。图4附图为模拟缺陷样件1。图5附图为缺陷样件1测量电容差值折线图。图6附图为模拟缺陷样件2。图7附图为样件1图像重建结果图。图8附图为缺陷样件2测量电容差值折线图。图9附图为样件2图像重建结果图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明实施例公开了一种可以克服电容成像系统的病态问题，重建图像分辨率较高，针对缺胶、气泡等不同类型的隔热材料粘接缺陷可进行有效识别，检测效果明显；而且通过不断的研究完善图像重建算法，增加测量值样本数目，可进一步提高隔热材料粘接层的缺陷检测质量，提升缺陷检测精度的航天隔热复合材料粘接缺陷检测方法。请参阅附图1、附图2、附图3、附图4、附图5、附图6、附图7、附图8、附图9，为本发明公开的一种航天隔热复合材料粘接缺陷检测方法，具体包括：利用同面电容成像系统对航天隔热复合材料粘接缺陷检测，同面电容成像系统主要包括电容传感器、数据采集系统和图像重建计算机三大部分；其特征在于，通过电容传感器将物场内介质的分布转化为传感器的输出电容，利用数据采集系统采集电容值并传递给图像重建计算机，计算机通过相应图像重建算法进行图像重建和显示；具体的操作步骤为：本发明采用12电极的同面阵列电容传感器，由此可以得到66个独立电容值；每两个极板之间的电容ci，j＝∫∫ε(x，y)·si，j(x，y，ε(x，y))dxdy(1)式中：i、j分别表示为激励电极和测量电极板的序号，ε(x，y)为被测物场截面的介质分布函数，sij(x，y，ε(x，y))表示为电极对电容值cij的灵敏度分布函数，即电容cij对点(x，y)处介电常数变化的敏感程度，d表示待测平面面积；假设灵敏度分布函数受介质分布影响很小，可近似忽略，则式(1)可表示为：ci，j＝∫∫(x，y)si，j(x，y)dxdy(2)式中：sij(x，y)为极板间电容cij的灵敏度函数。对其进行离散化和归一化，得到同面电容成像系统的数学模型c＝sg(3)式中：为归一化的电容矢量，为归一化的敏感场矩阵，为归一化介电常数矢量，即重建图像的像素灰度值。本发明一种航天隔热复合材料粘接缺陷检测方法，利用同面电容成像系统对航天隔热复合材料粘接缺陷检测，同面电容成像系统主要包括电容传感器、数据采集系统和图像重建计算机三大部分。本发明是基于kalman滤波的同面电容图像重建算法较好的克服了电容成像系统的病态问题，重建图像分辨率较高，针对缺胶、气泡等不同类型的隔热材料粘接缺陷可进行有效识别，检测效果明显；通过不断的研究完善图像重建算法，增加测量值样本数目，可进一步提高隔热材料粘接层的缺陷检测质量，提升缺陷检测精度。为了进一步优化上述技术方案，图像重建计算机单元主要是基于kalman滤波的图像重建算法；所述kalman滤波的图像重建算法是一种基于最小方差估计理论的数值优化算法，采用信号与噪声的状态空间模型，并利用前一时刻的预测值和当前时刻的测量值来得到当前时刻的最优估计值；具体操作步骤为：为将kalman滤波应用到同面电容成像系统的图像重建中，首先要建立起同面电容成像的状态空间模型；假设在电容测量期间被测物场内部介质分布无变化，只考虑测量噪声，且认为测量噪声方差矩阵为固定值，即rk＝r，系统噪声设置为零；状态转移矩阵设为单位阵，即在多次测量过程中测量值保持不变，系统噪声驱动矩阵同样设为单位矩阵，量测噪声序列为vk，量测矩阵为敏感场矩阵s，而被估计量即为重建图像的像素灰度值gk，测量值为归一化的电容值ck，则系统模型(3)变为：并得到针对同面电容成像系统的kalman滤波数学方程组：基于kalman滤波的图像重建过程分为两部分：预测和校正；前者是对当前状态的图像灰度值gk及误差协方差矩阵p进行先验估计，为下一个时间状态构造先验估计值；校正过程提供反馈，是在先验估计的基础上，结合当前时刻所测得的电容值，对先验估计值进行校正，得到最优的重建图像像素灰度值，图像重建框图如图2所示；根据k时刻的测量值ck和已知测量噪声方差矩阵r的情况下，只需给定初始值g0和p0，就可以推算出k时刻的最优估计值gk；而kalman滤波是一种最优化自回归处理算法，可以降低对第一初始值g0的依赖性，随着kalman的工作，图像灰度值g会逐渐收敛，最后趋于稳定，增强了图像重建质量，一般可将lbp算法中g＝stc作为初始值g0，或者直接设为0；而对于估计均方误差p0没有先验信息，p0取ai，a为较大常数，i为单位矩阵即可。为了进一步优化上述技术方案，仿真实验：为实现对航天隔热复合材料粘接缺陷的检测研究，本文提出了一种基于kalman滤波的同面电容成像无损检测方法。通过同面阵列电极检测系统，实验验证所提算法的优越性。实验隔热材料采用15cm*15cm的陶瓷多孔隔热材料，并采用与实际隔热材料粘接剂相似的16cm*16cm、厚度为3mm的环氧树脂胶块，来模拟胶层。其中空场(满空气)样件图、满场(满胶)样件图如附图3所示；实验结果分析：本发明采用12阵列电极的同面电容数据采集系统，可以获得66个独立电容值。而待测物场的灵敏度矩阵由ansys有限元软件对胶层进行有限元剖分得出，剖分有限元网格为1024个。为了便于后期数据的处理，将原始电容值和灵敏度矩阵进行归一化运算，最后采用四种图像重建算法分别对实验样件进行图像重建。为了进一步优化上述技术方案，中心气泡、孔洞缺胶模拟试验：为模拟实际应用过程中，胶接层中可能出现的胶层气泡、中心区域缺胶等情况，实验样件1中预制1块2cm*2cm的方形孔洞，孔洞植入位置如附图4所示，实验过程中，分别测量植入孔洞的缺陷样件1的电容值和无缺陷的满胶样件电容值，并对两组电容值进行作差处理，得到样件1的电容差值折线图，结果如附图5所示；气泡、空洞等缺陷的存在会导致相应电极对之间电容值的减小，即会出现上文所提到的电容差值。通过分析差值折线图中峰值出现的位置，可定性分析出样件缺陷的大致位置，验证了同面电容成像的可行性；实验中，将样件1的初始电容值作为图像重建测量值，并分别应用到lbp算法、tikhonov算法、landweber算法以及基于kalman滤波的图像重建算法中，实验仿真情况如附图6所示，附图6中第1组图像为lbp线性反投影算法得到的实验结果图，依次为模拟缺陷样件1、图像重建效果视图、3d图像重建效果视图，第2、3、4组图像分别为采用tikhonov非迭代算法、landwerber迭代算法以及基于kalman滤波的迭代类算法时的实验结果视图，且图像排布均同第一组。针对样件1类缺陷，对于非迭代类图像重建算法，lbp和tikhonov算法，可以粗略的分析出缺陷的大致位置以及轮廓信息，但缺陷信息比较匮乏，而对于迭代类图像重建算法，landweber法，缺陷图像重建效果有了较大提高，成像质量高于传统的非迭代类算法，已经能够大致复现出样件1的缺陷信息，而基于kalman滤波的迭代图像处理算法在检测缺陷样件1时，重建图像效果明显优于传统图像重建算法，与真实样件缺陷更加接近。为了进一步优化上述技术方案，相邻空气缺胶模拟试验：为了模拟胶接结构中相邻空气缺陷情况，样件2预制2块2*2cm的方形空气缺陷，并分别置于左侧和正中间位置，孔洞植入位置如附图7所示；实验过程中，分别测量植入孔洞的缺陷样件2的电容值和无缺陷的满胶样件电容值，并对两组电容值进行作差处理，得到样件2的电容差值折线图，结果如附图8所示；相对于图5的电容差值折线图，附图8中折线图出现两个峰值，这也恰好说明了空气缺陷的存在会导致相应电极对之间电容值的减小，并且通过对折线图中峰值出现位置的分析，可定性分析出胶层缺陷的大致位置，同时也对实验1的结论进行了有效的验证，实验中，将样件2的初始电容值作为图像重建测量值，并分别应用到lbp算法、tikhonov算法、landweber算法以及基于kalman滤波的图像重建算法中，实验仿真情况如附图9所示；由样件2的图像重建结果分析可以看出，对于非迭代类图像重建算法，lbp和tikhonov算法，可以粗略的分析出缺陷的大致位置以及缺陷数量，但对于缺陷位置的排布因素干扰较大，而对于迭代类图像重建算法，landweber法，对于样件2的缺陷图像重建效果比较明显，成像质量高于传统的非迭代类算法，较好的复现出样件2的缺陷信息，而基于kalman滤波的迭代图像处理算法在检测缺陷样件2时，得到了更加清晰的缺陷成像效果，成像质量明显优于上述重建算法，更好的复现出胶层缺陷的尺寸、数量、位置以及轮廓信息。为了进一步优化上述技术方案，重建图像质量评价：为对不同图像重建算法的成像质量进行定量评价，文本采用相对图像误差ie和图像相关系数ic两项质量评价指标[16]进行分析研究。相对图像误差是指原始缺陷图像向量与重建图像向量之间的偏离程度，具体公式表示如下：式中：为图像重建算法得到的重建图像灰度值，g为原始图像灰度值，ie即为相对图像误差。ie值越小，说明重建图像质量越好；另一个评价指标为图像相关系数，其含义为原始缺陷图像分布与重建图像分布之间的空间相似性，具体公式如下所示：式中：和分别为重建图像和原始图像g的平均值，ic即为重建图像和原始图像g的相关系数。ic值越大，意味着重建图像精度越高；表1、表2分别为样件1、样件2利用传统图像重建算法与本文所提基于kalman滤波算法的重建图像质量评价指标ic与ie。表1图像相关系数ic算法样件1样件2lbp0.66670.5052tikhonov0.77030.6577landweber0.81840.6863kalman0.86040.8089表2相对图像误差ie算法样件1样件2lbp2.60735.4236tikhonov1.73102.8022landweber1.44802.3530kalman1.15291.5848针对实验缺陷样件1和缺陷样件2，利用基于kalman滤波算法的图像相关系数最高，即重建图像与原始缺陷图像最为吻合，同时基于kalman滤波算法的图像误差系数最小，即重建图像失真率最低；通过上述实验表明，相对传统的电容成像检测方法，本文采用的基于kalman滤波的电容成像无损检测方法，重建图像相关系数大、重建误差小、精度较高，针对强吸声、高隔热、多孔性、低导电的复合粘接胶层缺陷材料具有良好的检测效果，能够较好的重建出胶层缺陷的位置、数量、尺寸、及轮廓信息，基本实现对复合材料粘接缺陷的检测与定量分析。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。当前第1页12