鋼絲繩缺陷渦流熱成像在線檢測方法研究

夏 慧 鄭 軍 邱錦川 伍劍波 王 杰

四川大學機械工程學院，成都，610065

0 引言

鋼絲繩作為最重要的傳動構件之一，由于其具有工作平穩、抗拉強度較高以及可以在高速條件下工作等優點，被廣泛應用于礦產、交通、建筑等行業，電梯、起重機、索道以及礦井起重機等設備都大量使用鋼絲繩[1-3]。鋼絲繩在服役過程中總是承擔較大的拉力且會和滑輪、導軌等接觸，常常會出現磨損和斷絲等現象[4]。由于其承載能力和可靠性直接關系到設備及人身安全，實際使用過程中鋼絲繩通常會定期更換，其中約70%的鋼絲繩在強度和可靠性仍能達到使用要求的情況下被替換[5]，這種使用方式會造成巨大的人力和經濟損失。因此，為了在保證鋼絲繩可靠性的基礎上盡量延長其使用壽命，對鋼絲繩缺陷進行檢測具有非常重要的意義。

近年來，許多無損檢測方法被應用到鋼絲繩缺陷的檢測中，例如渦流檢測[6-7]、漏磁檢測[8-12]、機器視覺[13-14]和X射線斷層掃描檢測方法[15]等。CAO等[16]設計了一種基于渦流檢測方法的可調環形測試裝置，利用響應信號和激勵信號的差值作為特征來檢測鋼絲繩斷絲缺陷，此外，他們利用神經網絡算法實現斷絲的分類。但是由于感應渦流的趨膚效應，渦流檢測方法只能檢測到鋼絲繩近表面的斷絲信號[17]。相對于渦流檢測方法，漏磁檢測方法可實現更大埋藏深度的缺陷檢測，ZHANG等[18]利用分布在鋼絲繩表面的霍爾傳感器陣列，得到鋼絲繩表面的漏磁量，利用空間濾波算法消除噪聲，并提出了一種二維圖像識別算法來提取斷絲信息。但是漏磁檢測方法中傳感器必須與鋼絲繩接觸，這會導致兩者的磨損，并且由于鋼絲繩需要被整體磁化，故該方法只適用于檢測相對較細的鋼絲繩。因此，ZHOU等[14]提出了一種基于特征提取和主成分分析算法的機器視覺方法，實現對鋼絲繩高光圖像中缺陷的識別和提取。機器視覺方法可實現鋼絲繩缺陷的非接觸檢測，但是該方法算法復雜且只能對鋼絲繩表面特征進行提取。CHAKHLOV等[15]利用計算機斷層掃描方法得到鋼絲繩截面信息，并和完整鋼絲繩進行對比，從而可得到鋼絲繩內部缺陷信息。但是X射線斷層掃描檢測方法時間成本和經濟成本高，并且可能會對操作人員身體產生傷害。

與上述提到的無損檢測方法相比，渦流熱成像方法具有非接觸、高精度、可檢測表面和近表面缺陷、對身體無損害并且可直接成像等優點。傳統的渦流熱成像檢測中，試件和熱像儀保持相對靜止，在高頻感應線圈產生的交變激勵磁場作用下，試件表面會感應出渦流，如果試件存在缺陷則會導致渦流分布發生畸變，根據焦耳定律，畸變渦流分布會產生非均勻的溫度場分布，可以通過熱像儀采集試件表面熱響應溫度分布信息，并提取試件表面熱響應分布特征以及加熱和降溫階段的特征來實現對該位置缺陷的檢測[19-20]。筆者曾在研究中利用靜止渦流熱成像方法得到鋼絲繩表面降溫1.5 s后的熱響應溫度分布，并利用邊緣提取和二值化算法實現鋼絲繩斷絲的檢測和量化[21]。但是在實際應用中，鋼絲繩長度都是以m甚至km為單位，傳統渦流熱成像方法效率太低，不能實現鋼絲繩缺陷的整體快速檢測。因此，為突破以上問題，提出了運動渦流熱成像(motion eddy current thermography，MECT)方法實現鋼絲繩的在線檢測。

但是由于鋼絲繩和熱像儀之間的相對運動，在熱像儀采集到的熱響應溫度分布圖像中，鋼絲繩區域經歷不同的加熱與降溫階段，由運動引起的非均勻熱分布會影響缺陷的檢測與識別；并且相對于鋼板、鋼管等形狀規則的試件，鋼絲繩是由一定數量鋼絲螺旋捻制成繩股，再由一定數量繩股繞繩心捻制而成，其結構復雜，表面發射率不同，導致熱像儀拾取的表面溫度分布存在誤差，影響缺陷的評價特征精度[22-23]。為解決上述問題，提出了基于等時加熱的圖像重構算法，獲得經歷相同降溫時間的重構圖像，并提出了列最大值歸一化算法，消除表面發射率不一致對溫度采集過程的影響。

本文面向鋼絲繩斷絲和磨損缺陷的在線檢測需求，提出了基于等時加熱的圖像重構算法和列最大值歸一化算法的運動渦流熱成像檢測方法，針對鋼絲繩缺陷熱響應機理問題，利用數值有限元仿真方法對不同斷絲數目和磨損缺陷的熱響應分布進行了分析。在此基礎上，設計了運動渦流熱成像檢測系統并進行了實驗驗證。

1 原理

1.1 鋼絲繩運動渦流熱成像檢測原理

如圖1所示，當鋼絲繩以速度v在螺旋線圈內部移動時，根據法拉第電磁感應定律，線圈中間的鋼絲繩內部會產生感應渦流，根據焦耳定律，感應渦流單位時間內產生的熱量q可表示為[24]

(1)

式中，Icoil和fcoil分別為線圈中電流大小和激勵磁場頻率；μ為磁導率；σ為電導率。

圖1 運動渦流熱成像檢測原理Fig.1 Working principle of MECT

由于鋼絲繩和線圈的相對運動，鋼絲繩的溫度分布受感應加熱和熱傳導的影響，位于M(x,r)位置的點在t時刻的溫度可以表示為[25]：

(2)

式中，t′為時間變量；α為傳熱系數；λ為熱導率；r為M點與x軸之間的距離；D為鋼絲繩直徑。

如圖1所示，如果鋼絲繩中存在缺陷，則會阻礙感應渦流的傳導，導致異常的熱響應溫度分布，通過熱像儀采集鋼絲繩表面溫度分布信息可以得到缺陷信息。

1.2 熱響應數據處理原理

由式(2)可知，由于鋼絲繩和熱像儀的相對運動，在熱像儀采集的熱響應圖像中，鋼絲繩區域經歷了不同的加熱與降溫階段，由運動引起的非均勻熱分布會影響缺陷的檢測與識別。為解決這一問題，提出了基于等時加熱的圖像重構方法。

首先，熱像儀采集到的數據是一個三維矩陣，如圖2a所示，其中每個像素點代表該位置的熱響應溫度，可以用以下數學模型表示：

(3)

式中，D為三維熱響應數據；n為圖像幀數(由實際采集數據決定)；Ti(x,y) 為熱響應數據中位于第i幀圖像(x,y)位置的像素點的熱響應溫度。

基于運動渦流熱成像的檢測原理，對熱像儀拾取的每幀圖像依次進行處理，沿激勵線圈邊緣提取同一像素線的溫度分布并依次進行拼接，以保證重構圖像中所有區域均經歷了相同的加熱過程，如圖2步驟(1)所示，其原理可表示為

(4)

式中，Ti(x) 為第i幀熱響應圖像中第x列的溫度值；R為Ti(x)按幀順序依次拼接后的二維溫度分布圖，如圖2b所示。

通過圖像重構之后，熱響應分布圖像中所有像素點具有相同的降溫時間t與相同的位置參數(x,r)，從而消除了相對運動對缺陷檢測的影響。但是由于鋼絲繩是由繩心和一定數量繩股螺旋繞制而成，并且每根繩股又是由一定數量鋼絲捻制而成，其結構復雜，表面發射率不同，導致熱像儀拾取的表面溫度分布存在誤差，影響缺陷的評價特征精度。所以本文提出了列溫度最大值歸一化方法，即將每一列溫度除以該列熱響應溫度最大值，消除發射率不一致造成的數據采集誤差問題，并達到突出缺陷的目的，如圖2c所示：

(5)

式中，N是歸一化之后的圖像結果。

最后獲得的熱響應溫度分布圖像是消除發射率影響、經歷相同加熱階段后鋼絲繩整體的溫度分布圖像。

(b)二維重構數據(a)三維原始熱響應數據 (c)數據歸一化圖2 熱響應數據重建過程示意圖Fig.2 Schematic diagram of the thermal datareconstruction process

2 鋼絲繩運動渦流熱成像仿真分析

把握鋼絲繩缺陷引起的鋼絲繩表面溫度分布特征是實現鋼絲繩缺陷檢測的基礎。由于鋼絲繩是多股螺旋結構，其斷絲和磨損缺陷的結構特征復雜，由線圈激勵產生的感應渦流分布與之前研究的規則形狀試件不同，所以為得到鋼絲繩缺陷感應渦流熱成像的熱響應特征，采用COMSOL Multiphysics有限元仿真軟件對鋼絲繩斷絲和磨損缺陷的熱響應機理進行了分析。為簡化仿真運算，結合鋼絲繩實際形狀和缺陷特征，建立圖3所示的鋼絲繩簡化仿真模型。圖3a所示是鋼絲繩1根斷絲缺陷的仿真模型，斷絲長度為3.0 mm，考慮實際斷絲時斷絲會卷翹的情況，斷絲殘余部分與完整鋼絲之間會產生間隙，因此，在仿真模型中斷絲殘余部分和完整鋼絲之間設置0.2 mm的間隙；圖3b所示是鋼絲繩磨損缺陷的仿真模型，磨損區域最大直徑為3.4 mm，深度為0.4 mm，由于在實際環境中磨損會使得鋼絲之間接觸更緊密，因此，仿真模型中磨損區域的鋼絲都相互接觸，鋼絲繩和激勵線圈之間的最大距離是10 mm。仿真采用旋轉機械磁物理場和熱傳導的耦合物理場，激勵線圈相對于鋼絲繩以速度30 mm/s運動，鋼絲繩材料為低碳鋼，激勵線圈材料為銅，通入380A、240 kHz的交流電，采用超細化網格劃分。

(a)斷絲缺陷

(b)磨損缺陷圖3 鋼絲繩斷絲和磨損缺陷幾何模型Fig.3 Geometric model of WR with broken wire andwear defects

首先，通過仿真獲得鋼絲繩存在斷絲和磨損缺陷時的感應渦流分布，如圖4所示。圖4a為距離鋼絲繩斷絲截面1.0 mm的截面感應渦流分布圖(與圖5a中A-A截面位置相同)，從圖中可以看出，由于斷絲殘余部分與其相鄰鋼絲之間存在間隙，無法與其他鋼絲一起形成完整的感應渦流回路，所以斷絲區域(綠色虛線框區域)的感應渦流強度低于完整鋼絲區域(藍色虛線框區域)。圖4b所示為磨損缺陷截面的感應渦流分布，由于磨損區域會阻礙感應渦流的傳導，導致磨損區域(綠色虛線框區域)的感應渦流強度低于兩側區域(藍色虛線框區域)。由此看出，鋼絲繩斷絲和磨損缺陷會影響鋼絲繩感應渦流的分布，且分布特征不同，斷絲缺陷的兩側殘留斷絲區域的感應渦流強度比完整鋼絲低，而磨損缺陷的磨損區域感應渦流強度比兩側低。

(a)斷絲缺陷 (b)磨損缺陷圖4 鋼絲繩斷絲和磨損缺陷截面感應渦流強度分布圖Fig.4 Inductive eddy current intensity of WR withbroken wire and wear defect

(a)斷絲缺陷(b)磨損缺陷

(c)A-A (d)B-B圖5 鋼絲繩斷絲和磨損缺陷仿真熱響應溫度分布圖Fig.5 The simulation thermal response distribution ofWR with broken wire and wear defects

進一步，仿真分析缺陷引起的熱響應溫度分布規律。設置激勵線圈以30 mm/s速度從左到右進行運動掃查，圖5a是線圈處于最右側時鋼絲繩斷絲缺陷的熱響應溫度分布圖。圖5c是此刻距離鋼絲繩斷絲截面1.0 mm的A-A截面溫度分布圖，從圖中可以看出殘留斷絲的熱響應溫度比完整鋼絲低。圖5b是線圈處于最右側時鋼絲磨損缺陷的熱響應溫度分布圖，圖5d是磨損區域B-B截面溫度分布圖，可以看出磨損區域熱響應溫度比兩側完整區域低。從以上結果可以看出基于仿真得到的鋼絲繩缺陷熱響應溫度分布特征，可以實現鋼絲繩斷絲和磨損缺陷的檢測和識別。

3 實驗研究

根據圖1所示的運動渦流熱成像檢測原理，設計了圖6所示的鋼絲繩缺陷運動渦流熱成像檢測系統，主要包括：高頻交流激勵裝置(交流電源型號：EASYHEAT 0112)、熱成像系統(熱像儀型號：FLIR A655sc)、運動裝置以及被測鋼絲繩。高頻加熱螺旋線圈為中空銅管，外徑為6.0 mm，中間有冷卻循環水通過，螺旋線圈整體寬度約25.0 mm，加熱線圈與鋼絲繩外表面提離距離為10.0 mm。高頻加熱螺旋線圈和被檢鋼絲繩如圖6紅色虛線框內的局部放大圖所示。關于渦流熱成像在線檢測方法中的激勵參數與運動速度對檢測效果的影響規律，已有文獻開展了相關研究[26-27]，本文主要是為探究利用渦流熱成像實現鋼絲繩缺陷在線檢測的可行性，所以基于之前的研究結果選取了典型的運動速度和激勵參數，鋼絲繩運動速度設置為30 mm/s，其他具體激勵參數和實驗裝置參數如表1所示。

圖6 鋼絲繩運動渦流熱成像檢測系統實物圖Fig.6 Photo of MECT setup for WR

表1 實驗參數

被檢鋼絲繩的截面結構如圖7所示，鋼絲繩直徑是10.0 mm，由6個直徑3.4 mm的繩股圍繞繩心螺旋繞制而成，每股由19根直徑0.8 mm的鋼絲捻制而成。為驗證所提檢測方法的檢測能力，在鋼絲繩上加工了不同類型的缺陷，如圖8所示，圖8a～圖8e分別表示1～5根斷絲缺陷，斷絲區域長度約為3.0 mm，圖8f表示磨損缺陷。

圖7 鋼絲繩截面結構示意圖Fig.7 Cross-sectional view of WR

(a)1根斷絲 (b)2根斷絲

(c)3根斷絲 (d)4根斷絲

(e)5根斷絲 (f)磨損圖8 不同類型的鋼絲繩缺陷實物圖Fig.8 Photos of WR with different types of defects

(a)4根斷絲 (b)磨損圖9 鋼絲繩4根斷絲和磨損缺陷的熱響應溫度分布圖Fig.9 The thermal response distribution with 4 brokenwires and wear defect

圖9為鋼絲繩4根斷絲和磨損缺陷通過螺旋線圈加熱后由熱像儀采集的鋼絲繩表面熱響應溫度分布圖。鋼絲繩沿移動方向依次經歷了常溫、升溫和降溫階段，其中在螺旋線圈附近溫度最高。由圖9a可以看出,斷絲缺陷的鋼絲繩表面形成了斷絲區域高溫(白色虛線框內區域)和兩側低溫(黑色虛線框內區域)的溫度分布特征;圖9b中磨損缺陷的鋼絲繩表面形成了磨損區域低溫(黑色虛線框內區域)的溫度分布特征。上述實驗結果證明,運動渦流熱成像方法可以實現鋼絲繩斷絲缺陷和磨損缺陷的檢測與識別，與仿真結果一致，具有重要意義。

(a)1根斷絲

(b)2根斷絲

(c)3根斷絲

(d)4根斷絲

(e)5根斷絲

(f)磨損圖10 鋼絲繩斷絲和磨損缺陷的溫度重構圖像及歸一化處理結果Fig.10 The reconstruction images and normalizedresults of WR with broken wires and wear defect

另外，由于鋼絲繩和熱像儀的相對運動，在直接成像的熱響應溫度分布圖像中，鋼絲繩區域經歷了不同的加熱和降溫階段，由此引起的非均勻熱分布會影響缺陷的檢測與識別。為此，提出基于等時加熱的圖像重構方法，選取每一幀圖像中鋼絲繩通過線圈之后的像素線溫度(如圖9a中紅色虛線所示)并按照逐幀順序拼接，以保證重構圖像中鋼絲繩所有區域均經歷了相同的加熱過程。結果如圖10所示，圖10a～圖10e左圖為不同斷絲熱響應溫度拼接結果，其中斷絲區域熱響應溫度高，兩側熱響應溫度低；圖10f左圖為磨損缺陷的熱響應溫度分布，圖中顯示磨損區域熱響應溫度明顯低于無磨損區域。此外，將重構后的圖10d左圖和圖10f左圖分別與直接成像的圖9a和圖9b相比，重構圖像消除了相對運動導致的加熱階段不一致問題，使得缺陷區域溫度場特征更加容易識別，從而提高了鋼絲繩缺陷的運動渦流熱成像檢測能力。

進一步，為了消除由于表面發射率不一致造成的熱像儀采集誤差，采用了列最大值歸一化方法對圖像進行處理。由圖10可以看出，通過歸一化處理之后斷絲區域和磨損區域的溫度分布特征更加突出,因此，相對于直接成像的熱響應圖像，經過重構和歸一化處理之后的熱響應圖像中的鋼絲繩缺陷的檢測性能更好。

4 結論

(1)針對鋼絲繩缺陷的自動檢測問題，提出了運動渦流熱成像方法，為分析鋼絲繩斷絲和磨損缺陷的熱響應機理，建立了鋼絲繩缺陷的簡化模型，通過有限元仿真得到鋼絲繩斷絲和磨損的熱響應分布特征，為實現鋼絲繩缺陷的運動渦流熱成像提供參考。

(2)設計鋼絲繩缺陷運動渦流熱成像檢測系統，并提出了基于等時加熱的圖像拼接算法和列最大值歸一化處理算法。通過實驗發現，鋼絲繩斷絲缺陷區域會形成高溫區域而兩側殘余斷絲部分形成低溫區域，鋼絲繩磨損缺陷區域會形成低溫區域，由此證明該方法可以實現鋼絲繩缺陷的在線檢測，且可以根據熱響應溫度場的分布特征來實現鋼絲繩斷絲和磨損缺陷的識別。結果表明，新方法可實現鋼絲繩1～5根斷絲和磨損缺陷的在線檢測和識別，為鋼絲繩的安全運行提供了參考。

(3)本文主要針對鋼絲繩斷絲和磨損缺陷的在線檢測，然而在實際生產過程中，人工通過重構熱響應圖像識別缺陷會非常耗時且容易出現漏檢誤檢的問題，為了實現鋼絲繩缺陷的自動化檢測與識別，還需要進行后續分析。同時，為了實現鋼絲繩使用狀態的判定，利用運動渦流熱成像方法對鋼絲繩斷絲數目的量化和磨損狀態的評價也需要進一步研究。