基于紅外熱波技術的起重機械金屬氣孔缺陷識別

李向東，殷晨波 ，陳 曦 ，黃 凱

(1.江蘇省特種設備安全監督檢驗研究院，江蘇 南京 210003;2. 南京工業大學 車輛與工程機械研究所，江蘇 南京 211816)

0 引言

近年來，隨著中國在冶金、建筑業和機械制造等方面投入的加大，起重機械的應用越來越普遍。起重機械工作時容易因疲勞老化或惡劣環境而出現表面缺陷(例如關鍵部位結構損傷、幾何不連續性缺陷等)，由此導致金屬材料的性能和耐久性顯著降低,直至破壞整機的安全性，從而威脅到人員生命財產安全。因此，為了保證金屬材料的性能和耐久性，需要對金屬材料進行表面缺陷檢測。目前，對機械產品的缺陷大多采用接觸式辨識方法，如磁粉、敲擊和超聲波檢測等方法。采用接觸式檢測方法對待測試件進行缺陷檢測時，不可避免地會產生碰撞造成傳感器的損壞或待檢試件精度的降低。隨著信息化水平的提高，缺陷檢測方法逐步趨向無損化、可靠化和在線化方向發展。因此，需要尋求一種非接觸式的、無需分解的、快速高效的無損檢測技術對金屬材料缺陷進行識別。

脈沖式紅外熱成像技術是近年來無損檢測領域的一個重要發展方向，它可以實現快速、直觀、準確、非接觸檢測，可以現場檢測且檢測成本低。本文首先利用ANSYS Workbench對高能脈沖閃光燈熱激勵下金屬板材試件內部熱流傳遞過程進行仿真分析，之后搭建脈沖式紅外熱成像檢測系統并配備試驗平臺，通過有限元仿真與試驗相結合的研究方法，對內部含有氣孔缺陷的金屬板材進行紅外熱波檢測，從而驗證紅外熱成像用于起重機械檢測的可行性和有效性。

1 脈沖式紅外熱波檢測原理

利用高能脈沖閃光燈在瞬間激發出的毫秒級的可見光熱波在被檢測的金屬材料含氣孔缺陷內部傳播過程中表面溫度產生異常，從而使材料內部的缺陷以溫度發生明顯變化差異的形式表現出來。缺陷檢測時，采用高精度紅外熱像儀連續觀察和記錄被測試件表面的溫度梯度變化，最后通過對采集到的紅外熱圖像序列進行處理后，可以實現對金屬材料含氣孔缺陷的檢測和特征提取。脈沖式紅外熱波檢測原理如圖1所示[1-2]。

圖1 脈沖式紅外熱波檢測原理

2 脈沖式紅外熱波檢測系統

本文搭建了一個典型的紅外熱波無損檢測系統，主要由兩盞500 W的鹵素燈、紅外熱像儀FLIR SC660和計算機及分析軟件組成，如圖2所示。其中紅外熱像儀是一款高清晰度640×480非制冷微熱量焦平面紅外熱像儀，工作波長為7.5 μm～13 μm，熱靈敏度<0.3 ℃，可自動和手動調焦距，具有溫度測量精確、圖像顯示清晰、檢測的靈敏度高等優點。試驗平臺如圖3所示。試驗時整個加熱過程中應時刻注意周圍環境，不要移動儀器設備，因為加熱過程中和加熱后燈頭、燈罩仍有很高溫度，以免燙傷[3]。

3 缺陷試件的仿真分析

模擬仿真過程中采用的被測試件為含有氣孔缺陷的金屬Q235鋼板，為了簡化計算，近似認為材料為各

向同性。Q235的密度為7 840 kg/m3，比熱容為465 J/(kg·K)，熱傳導系數為49.8 W/(m·K)。為了研究缺陷大小對表面溫度場的影響，建立如圖4所示的幾何模型，在尺寸為110 mm×60 mm×5 mm的Q235金屬鋼板試件上預埋15個氣孔型孔洞，各行孔洞缺陷直徑分別為10 mm、7 mm、4 mm，每行孔洞深度依次為(從左到右)4 mm、3.5 mm、3 mm、2.5 mm和2 mm。空氣的物性參數為：密度1.1 kg/m3，比熱容1 300 J/(kg·K)，熱傳導系數0.025 1 W/(m·K)。單元首選用Solld90二十個節點六面體的三維實體單元，采用多節點的單元特性可以提高有限元仿真分析計算時對溫度場變化分析的計算精度。由于建立的幾何模型長和寬遠遠大于厚度，因此不考慮側面的對流傳熱條件。又由于熱波在被測金屬試件的內部主要傳播方向是縱向，因此采用掃掠網格的劃分方法。網格劃分的結果如圖5所示。網格的合理劃分能夠提高仿真分析中溫度計算的精度。

圖2 紅外熱波無損檢測系統

圖3 試驗平臺

圖4 被測試件的幾何模型 圖5 被測試件的有限元網格模型

假定試件初始溫度和環境溫度均為22 ℃，脈沖強度為10 000 W/m2熱流。加熱和冷卻過程中金屬材料表面對流換熱系數約為10 W/(m2·℃)。脈沖激勵分為主動激勵和冷卻兩個過程，在0～0.02 s給金屬材料加熱，在0.02～0.5 s金屬材料冷卻。利用ANSYS Workbench瞬態熱力學模塊對其進行了脈沖式紅外熱波檢測過程模擬，獲得的不同時刻的紅外序列圖如圖6所示。由圖6可知，深度為4 mm即最深的缺陷首先表現出來，這是由于深度最深的缺陷因為熱傳導率低，從而影響了熱波在金屬材料內部的傳導，可以得出深度越深的地方溫差越大，而缺陷較淺的地方對熱波影響較晚且不明顯，因此表面溫度的變化分布足以對缺陷深度進行定性評價，從而驗證了該方法的有效性。

圖6 獲得的不同時刻的紅外序列圖

4 試驗研究及缺陷辨識

以Q235金屬鋼板作為試件，平底圓柱形孔洞為預設缺陷，加工試件示意圖如圖7所示。圖7中，圓孔直徑都為10 mm；第一行缺陷的深度從左到右分別為4 mm、0.5 mm；第二行缺陷的深度從左到右分別為3.5 mm、1 mm。

圖8給出了紅外熱像儀采集的序列某一幀的圖像。對圖像進行存儲，然后依靠計算機進行圖像處理和識別。

圖7Q235鋼板試件 圖8紅外熱圖像

對紅外熱像儀采集的缺陷圖像進行后處理和輪廓辨識，是紅外熱波檢測的關鍵。鋼板試件輪廓缺陷辨識的原理是基于OpenCV開源開發的，通過語言編程可實現脈沖紅外熱圖像的增強、濾波、形態學處理、圖像特征提取、圖像輪廓的識別等多種功能[4-5]。

本文對已有的缺陷熱圖像(如圖8所示)采用目前常用的高斯濾波方式去噪增強，然后選擇適當的閾值進行閾值分割后得到二值化黑白圖，再采用形態學處理可以優化缺陷的邊緣，形態學處理包括膨脹、腐蝕、開運算、閉運算，利用形態學處理結果可以看到處理后的缺陷圖像邊緣輪廓清晰、平滑且去除了突兀的點。本文在OpenCV環境下定義函數并編寫代碼，對紅外熱像儀采集缺陷熱圖進行提取，過程如圖9～圖12所示。分析結果顯示此方法可實現對金屬材料氣孔缺陷的特征提取。

5 結束語

本文搭建了脈沖式紅外熱波檢測系統，并針對該系統在ANSYS Workbench中對內部含有氣孔缺陷的金屬試件中的熱傳導過程進行了仿真。仿真結果表明：深度越深的缺陷表面溫度越高，溫差大；缺陷深度較淺的地方溫度較低，溫差較小，從而驗證了該方法的有效性。采用高能脈沖閃光燈進行激勵，利用紅外熱像儀記錄紅外熱圖像，并對其某一幀缺陷熱圖像進行分析，最后在OpenCV環境下編寫代碼，采用高斯濾波算法、閾值二值化及形態學處理，從缺陷熱圖像中提取出了缺陷輪廓。通過仿真分析與試驗證明，紅外熱成像用于起重機械檢測表面氣孔缺陷是可行的。

圖9 原始圖像灰度圖 圖10 濾波去噪后圖像 圖11 閾值分割后圖像 圖12 形態學處理