论文部分内容阅读
热障涂层是航空发动机叶片隔热材料的重要组成部分。由于传统的检测方法不能满足对检测的精度和安全性要求，本文采用红外热波无损检测技术对热障涂层缺陷进行检测。针对采用红外热波无损检测技术建立热传导模型来计算材料热物理特征分布的方法难以实现定量分析的问题，本文采用从图像处理与目标识别的角度进行缺陷的分析，并通过探索缺陷的分类识别算法实现对被检测物内部缺陷的快速分析。本文通过对缺陷红外序列图像的研究，从以下三个方面进行了研究与实现：
(1)基于奇异值分解的缺陷特征提取方法。该特征提取方法采用对缺陷的红外序列图像进行相空间变换构造缺陷矩阵，通过对重构的缺陷矩阵进行奇异值分解把矩阵投影到时间基与空间基向量。由于奇异值分解后的空间与时间基向量包含了缺陷静态空间与动态热量变化的特征信息，因此，在提取缺陷矩阵的代数特征基础上，通过提取缺陷空间与时间基向量的特征信息，进一步丰富缺陷的特征表征。在验证分析中，本文采用RBF神经网络作为分类器，实现对热障涂层缺陷样本的分类识别，分类结果验证了缺陷的特征提取算法的有效性。
(2)基于压缩传感的缺陷识别方法。压缩传感理论是一种全新的数据采集技术，压缩传感采用非自适应线性投影来保持信号的原始结构，能通过数值最优化问题准确重构原始信号。基于压缩传感的缺陷识别是依据压缩传感的思想，采用提取缺陷的全部信息，通过变换缺陷序列图像建立缺陷特征矩阵，对经过测量矩阵投影后测量值进行分析实现缺陷的类别判断。本文采用基于压缩传感的缺陷识别算法在热障涂层的分类识别中取得了很好的分类结果，通过实验验证了本算法的有效性。
(3)本文根据项目需求，完成了热障涂层内部缺陷识别系统的设计与实现。该系统由缺陷的定位与分割、缺陷样本库生成、缺陷分类识别以及缺陷评估与分析等模块组成，实现对缺陷的快速识别功能，具有较大的工程应用价值。