基于數字圖像相關方法的不銹鋼內部缺陷檢測研究

尹凌霄, 吳 丹

基于數字圖像相關方法的不銹鋼內部缺陷檢測研究

尹凌霄, 吳 丹*

（寧波大學 機械工程與力學學院, 浙江 寧波 315211）

不銹鋼材料內部缺陷檢測是無損檢測領域的研究熱點和難點之一, 尤其對微小和閉合裂紋的檢測. 本文提出了一種基于數字圖像相關方法的應變集中缺陷識別方法, 即對試樣表面采用曝光燈進行輻射加熱, 利用數字圖像相關方法定量分析試樣表面應變場, 通過試樣表面高應變區域的表征, 實現對金屬內部裂紋的檢測. 結果表明, 該方法可以在試樣加熱過程中表征不銹鋼內部裂紋, 其有效檢測深度可達3.71mm.

數字圖像相關方法; 亞表面缺陷; 金屬裂紋; 無損檢測

奧氏體不銹鋼由于其優異的機械性能和高耐腐蝕性而廣泛應用在工業領域[1]. 然而, 在材料的制作和使用過程中, 由于靜載荷、疲勞、機械損傷等原因, 會在鋼結構內部存在微小的閉合裂紋. 這些裂紋在應力或循環應力作用下不斷生長, 嚴重影響了金屬的機械性能. 因此, 在這些裂紋進一步生長前, 通過無損檢測方法檢出裂紋意義重大.

目前, 常用的金屬材料內部缺陷無損檢測技術有: 射線檢測、超聲檢測、渦流檢測、漏磁檢測以及主動紅外熱成像檢測等[2-8]. 其中射線檢測對奧氏體材料的裂紋、未熔合等缺陷的檢出率較低, 容易發生漏檢, 而此類平面型缺陷是管道系統中危害最大的缺陷. 超聲檢測對平面型缺陷檢測非常敏感, 但奧氏體材料晶粒粗大, 且各向異性, 會對超聲波產生強烈的散射作用, 甚至有可能歪曲聲波路徑, 使焊縫缺陷定位出現較大誤差. 渦流檢測對金屬管道表面缺陷有較高的靈敏度, 但由于存在趨膚效應, 對內部缺陷檢測靈敏度大大降低. 漏磁檢測因其對檢測環境的限制較低, 因此被廣泛用于在役管道中, 然而在漏磁檢測中管道需要達到磁飽和狀態才能保證磁敏元件有效捕捉缺陷漏磁場信號; 此外, 鐵磁性材料被磁化后會形成剩磁, 磁化強度太大產生的剩磁對管道壽命影響較大. 紅外熱成像技術檢測具有較高的檢測效率, 其中脈沖紅外熱成像已成功用于各種材料的缺陷檢測, 但非均勻加熱和熱波的橫向擴散會導致熱圖像的對比度較低, 尤其在檢測裂紋時效果不佳. 因此, 需要研發一種高效檢測裂紋的方法. 數字圖像相關方法(Digital Image Correlation, DIC)作為一種非接觸光學測量, 具有較高的檢測效率和精度, 在裂紋擴展的動態檢測等領域被廣泛關注.

數字圖像相關方法的基本原理是對變形前的散斑圖像(基準圖像)和變形后的散斑圖案進行匹配, 匹配區域的相似程度通過預定義的數學標準(相關系數)判定. 根據搜索算法尋找選用相關系數取最大時的區域, 通過跟蹤該圖像子區內變形后圖像(目標圖像)的位置獲得圖像子區中心點的位移矢量; 按照同樣方法對參考圖像中感興趣區域內的多個像素點進行相關計算, 即可獲得該計算區域的位移場.

20世紀80年代, Peters等[9]提出了數字圖像相關方法, 后經Tong[10]和潘兵等[11-12]對該算法進一步優化, 現已較為成熟, 且應用廣泛. 目前DIC方法不僅僅局限于應變變形測量, 在材料缺陷表征中也有應用[13-15]. 利用DIC全場應變分析的優勢是在微細觀尺度可通過應變集中區域對材料的缺陷進行表征. 例如, Coburn等[16]通過DIC定量測量了熱障涂層材料表面微裂紋的形成演化; Qvale等[17]通過DIC識別不規則腐蝕表面裂紋萌生和早期擴展. 但上述研究中缺陷(裂紋)均局限在表面. 現有研究表明, 對近表面內部缺陷, 通過DIC應變分析方法同樣可以有效表征. 例如, Yuan等[18]通過拉伸實驗, 結合三維DIC應變分析, 對管道內部裂紋進行了表征. Sarasini等[19]結合數字圖像相關和聲發射技術對碳纖維在疲勞拉伸載荷下內部的損傷進行了研究, 結果表明通過DIC全場應變分析復合材料表面應變集中區域, 可以對內部損傷過程進行表征. 綜上可知, DIC全場應變分析可以用于材料表面缺陷及近表面內部缺陷表征, 但是尚不能實現材料缺陷的無損檢測, 因為在缺陷表征中均有外力作用, 這可能導致缺陷進一步發展, 進而加重材料的損傷.

本文提出了一種基于數字圖像相關方法的應變集中無損缺陷識別技術, 通過對試樣表面采用曝光燈進行輻射加熱, 結合數字圖像相關方法對試樣表面應變進行分析, 以此識別缺陷. 同時, 對比仿真結果, 分析缺陷深度對表面應變量變化的影響, 通過應變分析確定材料內部裂紋的位置.

1 材料與方法

1.1 材料

本研究選用奧氏體材料為304不銹鋼, 材料參數為: 線膨脹系數17.2×10-6K-1、密度7930 kg·cm-3、楊氏模量193kN·mm-2、泊松比0.3、熱導率16.3W·(m·K)-1、比熱容5×105J·(kg·K)-1.

圖1 304不銹鋼斷面SEM圖像

使用日立SU5000掃描電子顯微鏡(SEM)觀察材料斷面, 其微觀結構如圖1所示. 通過材料斷面的微觀圖像可以發現, 試樣內部分布有許多微小裂紋, 這些裂紋會在應力或循環應力作用下生長, 最終引起材料的破壞.

1.2 方法

1.2.1 實驗樣品制備

在無損檢測研究中, 定義試樣拍攝表面到缺陷表面的距離為缺陷深度. (1)預制深度缺陷試樣制備: 預制缺陷試樣的材料尺寸為100mm×15mm×6mm, 平底槽寬度為2mm, 長度為7mm, 深度分別為1.0、1.5、2.0mm. 平底槽缺陷由機械加工制成, 如圖2(a)所示. (2)裂紋試樣制備: 材料尺寸為50mm×10mm×6mm, 試樣1中裂紋寬度為0.2mm、裂紋深度為1.51mm, 如圖2(b)所示. 試樣2預制處截面為三角形缺口, 截面寬度為1mm、高度為0.5mm, 如圖2(c)所示.

圖2 實驗試樣(單位: mm)

1.2.2 實驗設置

由2盞曝光燈(功率為1kW)、時間繼電器、相機(焦距40mm, 分辨率1920×1600)以及圖像采集系統組成, 實驗設置如圖3所示. 其中工業相機光軸垂直于拍攝試樣表面, 曝光燈架設置方向與相機的光軸夾角為45°, 并由時間繼電器控制加熱時間. 整體系統采用非接觸、全場應變測量方式.

圖3 實驗系統示意圖(單位: mm)

1.3 基于DIC方法的輻射加熱實驗

采用數字圖像相關方法獲得加熱過程中的相關參數. 試樣表面需要進行預處理. 為獲得DIC所需的數字散斑圖像, 對試樣前表面進行預處理. 由于不銹鋼表面發射率低, 會影響輻射加熱, 在前表面噴涂高射率的黑漆作為底漆, 然后噴涂白漆作為散斑圖案.

使用2盞曝光燈光學激發, 加熱時間為20s. 使用CCD相機以2Hz的拍攝頻率進行記錄. 在測試過程中需要在相機前添加偏光鏡, 以確保捕獲樣品圖像清晰. 以激發瞬間的拍攝圖像作為原始圖像, 然后采用Matlab軟件中Ncorr-DIC模塊進行分析[20].

2 結果與討論

2.1 仿真結果與預制實驗對比

在傳統無損檢測中, 為定量分析缺陷深度對檢測效果的影響, 會選擇在試樣背部加工出不同深度的缺陷進行分析. 因此, 本研究通過預制缺陷實驗結合有限元仿真, 分析含缺陷試樣在受熱后內部缺陷對試樣表面應變分布的影響, 以驗證所提出方法的有效性.

實驗中選取缺陷附近區域(40pixel×80pixel)作為計算區域, 計算子區設為15pixel×15pixel. 通過對平底槽試樣的加熱實驗, 得到不同深度缺陷方向應變云圖(圖4).

圖4 輻射時間t=15 s時預制缺陷應變云圖

對于深度為1.0mm的預制缺陷, DIC可以清晰看出缺陷形狀. 對于深度為1.5mm的預制缺陷, DIC能判斷出缺陷位置與形狀, 但云圖中伴有噪聲存在. 對于深度為2.0mm的預制缺陷, DIC能大致判斷缺陷位置, 但噪聲的存在對預制缺陷的判別影響較大.

為了研究檢測內部缺陷機理, 提取缺陷實驗結果與仿真數據進行對比, 結果如圖5所示. 從圖5可見, 試樣表面經輻射加熱后, 缺陷區域溫度高于其他區域, 高溫區域輪廓反映出背部缺陷形狀. 同時, 在試樣表面熱應變云圖中, 缺陷區域存在應變集中現象. 提取缺陷區域溫度隨時間變化曲線可知, 試樣表面溫度隨時間以非線性形式增長, 與溫度變化對應的熱應變以同樣的變化趨勢上升. DIC計算的應變數據接近仿真熱應變結果. 因此, DIC應變云圖中的高應變區域是由于試樣內部存在缺陷導致試樣表面存在高溫, 從而引起熱應變集中.

2.2 閉合裂紋加熱實驗結果

預制實驗表明, 含缺陷試件在加熱后, 內部缺陷引起的應變集中會反映到試件表面. 通過有限元仿真, 驗證了由應變集中表征內部缺陷結果的有效性. 為了得到DIC系統對閉合裂紋的檢測效果, 分析內含閉合裂紋試樣表面在加熱過程中的變化規律, 其中DIC計算選取裂紋附近20pixel× 80pixel作為計算區域.

2.2.1 裂紋對試樣表面位移的影響

圖6對比分析了裂紋對試樣表面位移變化的影響規律. 無裂紋試樣在加熱后方向位移云圖中線的位移量呈現線性分布. 裂紋試樣的位移分布存在一處明顯變化區域, 即應變集中區域.

圖5 仿真結果與DIC計算結果對比

圖6 熱輻射實驗v方向位移云圖及云圖中線分布

2.2.2 閉合裂紋應變結果

通過對試樣1表面輻射加熱實驗, 得到裂紋試樣在加熱過程中方向應變云圖, 如圖7所示. 從圖7可見, 在加熱初始階段, 云圖右側出現一處半月形的應變集中區域, 伴隨加熱持續, 該應變集中區域的應變量逐漸上升, 且明顯有別于其他區域, 判斷此應變集中區域為裂紋區域.

選取DIC計算區域內不同計算點, 得到不同區域的應變—時間曲線, 如圖8所示.

圖7 不同加熱時間試樣表面y方向應變云圖

從圖8可見, 試樣表面應變隨加熱時間增長以非線性增加, 其變化規律與預制缺陷實驗相似. 對比非裂紋部位點的應變曲線可知, 內部裂紋的存在顯著提高了表面的應變量.

將應變云圖與背部裂紋進行對比, 結果如圖9(a)所示. 從圖9可見, 應變云圖中的應變集中區域為背部裂紋所在位置, 應變帶弧度與背部裂紋弧度相似. 將試樣1拉斷得到裂紋位置截面, 由于拉伸斷裂的斷面與疲勞斷面存在明顯差異, 可以看到試樣1內部裂紋的真實延展情況. 通過延展情況可以看出試樣1內部真實的裂紋深度分布. 通過測量裂紋深度發現, DIC系統檢測裂紋的深度明顯大于預制缺陷深度. 這是由于試樣受熱后, 在裂紋尖端存在應力集中, 使得裂紋區域的應變集中更加明顯. 實驗結果表明, 當試樣內部存在裂紋時, DIC能在輻射加熱過程中對裂紋位置進行有效表征.

圖9 DIC結果(單位: mm)

2.3 疲勞裂紋生長實驗結果

對試樣2進行疲勞循環加載, 探究DIC系統檢測內部裂紋的有效深度. 使用拉伸試驗機對試樣2施加幅值為10kN、疲勞為8Hz的疲勞載荷.

圖10為裂紋長度與疲勞循環次數之間的關系. 從圖10可見, 當試樣在第9000次循環時, 裂紋延展至試樣前表面, 認為此時試樣已被破壞, 停止加載. 將疲勞循環次數在第0次、第6772次、第8412次和第8720次的試樣進行輻射加熱實驗, 以第0次疲勞循環試樣作為對照組.

輻射加熱實驗DIC所測量的方向應變云圖如圖11所示. 與對照組相比, 存在裂紋試樣的應變云圖具有復雜的應變集中區.

圖10 不同疲勞循環下背部裂紋生長

圖11 數字圖像處理結果(從左到右加熱時間分別為2、4、12、20 s)

從圖11可見, 對照組即使輻射時間達到20s, 在應變云圖中仍沒有明顯的應變集中區域. 而在內部裂紋生長后, 應變云圖中出現了應變集中區. 以裂紋深度最淺的第8720次實驗組為例, 在加熱初期, 在云圖中出現一處貫穿左右邊界的應變集中區. 隨著加熱過程的持續, 應變集中區的應變量進一步提升. 表明在輻射加熱實驗中, 應變集中區域的出現是由于內部存在裂紋.

為了有效識別內部裂紋位置, 引入圖像信噪比的定量標準方法來評估應變云圖數據, 其中信噪比的計算公式為[21]:

式中:D為真實圖像的灰度值;N為噪聲圖像的灰度值;為噪聲圖像的灰度值標準差.

借鑒上述思想, 用D表示缺陷區域應變值,N表示非缺陷區域應變值,表示非缺陷區域應變值的標準差.

表1展示了不同疲勞循環次數試樣在加熱實驗方向應變云圖的信噪比. 與對照相比, 裂紋的存在提高了圖像的信噪比. 選取圖像信噪比最大的圖像作為缺陷識別圖像, 結合圖11可知在不同疲勞循環下的裂紋位置. 對比缺陷識別圖像可知, 不同疲勞循環下試樣內部延展趨勢存在差異.

表1 應變云圖信噪比結果

通過測量側面裂紋深度可知, 在6772次疲勞循環后, 裂紋深度為3.71mm左右. 實驗表明, 本文提出的DIC系統可以對深度在3.71mm以內的閉合裂紋進行有效表征.

3 結論

(1)結合DIC檢測技術獲取了試樣表面加熱過程中的位移和應變場, 進一步通過對比DIC技術和有限元仿真分析, 得到拍攝表面缺陷區域不同時刻的應變云圖. 結果表明, 在加熱過程中試樣表面應變集中可以有效反映內部缺陷, 實驗驗證了DIC技術在無損檢測中有效.

(2)由于疲勞裂紋的尖端應力集中效果比人工預制凹槽缺陷更為明顯, 使得DIC疲勞裂紋的檢測深度明顯大于預制凹槽缺陷.

(3)引入NR作為應變云圖數據的評估表征, 發現裂紋深度與加熱時間都對圖像NR值有影響, 而NR值越大應變集中區域對比度越明顯, 因此選取NR最大值對應圖像作為缺陷識別圖像. 在識別圖像中, 可通過集中區域判別不銹鋼內部裂紋的走勢. 結合深度測量結果, 表明DIC檢測的閉合裂紋深度可達3.71mm.

[1] Tekkaya A E, Bouchard P O, Bruschi S, et al. Damage in metal forming[J]. CIRP Annals, 2020, 69(2):600-623.

[2] Mandache C. Overview of non-destructive evaluation techniques for metal-based additive manufacturing[J]. Materials Science and Technology, 2019, 35(9):1007- 1015.

[3] da Silva R R, Siqueira M H S, de Souza M P V, et al. Estimated accuracy of classification of defects detected in welded joints by radiographic tests[J]. NDT & E International, 2005, 38(5):335-343.

[4] Aleshin N P, Murashov V V, Shchipakov N A, et al. Experimental research into possibilities and peculiarities of ultrasonic testing of additive manufactured parts[J]. Russian Journal of Nondestructive Testing, 2016, 52(12): 685-690.

[5] García-Martín J, Gómez-Gil J, Vázquez-Sánchez E. Non- destructive techniques based on eddy current testing[J]. Sensors, 2011, 11(3):2525-2565.

[6] Ph Papaelias M, Roberts C, Davis C L, et al. Further developments in high-speed detection of rail rolling contact fatigue using ACFM techniques[J]. Insight - Non-Destructive Testing and Condition Monitoring, 2010, 52(7):358-360.

[7] Grosso M, Margarit-Mattos I C P, Pereira G R. Pulsed thermography inspection of composite anticorrosive coatings: Defect detection and analysis of their thermal behavior through computational simulation[J]. Materials, 2020, 13(21):4812.

[8] Wang Z J, Tian G Y, Meo M, et al. Image processing based quantitative damage evaluation in composites with long pulse thermography[J]. NDT & E International, 2018, 99:93-104.

[9] Peters W H, Ranson W F. Digital imaging techniques in experimental stress analysis[J]. Optical Engineering, 1982, 21(3):427-431.

[10] Tong W. An evaluation of digital image correlation criteria for strain mapping applications[J]. Strain, 2005, 41(4):167-175.

[11] 潘兵, 謝惠民. 數字圖像相關中基于位移場局部最小二乘擬合的全場應變測量[J]. 光學學報, 2007, 27(11): 1980-1986.

[12] 潘兵, 謝惠民, 戴福隆. 數字圖像相關中亞像素位移測量算法的研究[J]. 力學學報, 2007, 39(2):245-252.

[13] Mehboob G, Xu T, Li G R, et al. Tailoring periodic vertical cracks in thermal barrier coatings enabling high strain tolerance[J]. Coatings, 2021, 11(6):720.

[14] Lopez-Crespo P, Moreno B, Lopez-Moreno A, et al. Characterisation of crack-tip fields in biaxial fatigue based on high-magnification image correlation and electro-spray technique[J]. International Journal of Fatigue, 2015, 71:17-25.

[15] Zhou Y, Zhao D J, Li B, et al. Fatigue damage mechanism and deformation behaviour of granite under ultrahigh- frequency cyclic loading conditions[J]. Rock Mechanics and Rock Engineering, 2021, 54(9):4723-4739.

[16] Coburn D, Slevin J. Digital correlation system for nondestructive testing of thermally stressed ceramics[J]. Applied Optics, 1995, 34(26):5977-5986.

[17] Qvale P, Zarandi E P, ?s S K, et al. Digital image correlation for continuous mapping of fatigue crack initiation sites on corroded surface from offshore mooring chain[J]. International Journal of Fatigue, 2021, 151: 106350.

[18] Yuan T Y, Dai X J, Shao X X, et al. Dual-biprism-based digital image correlation for defect detection of pipelines [J]. Optical Engineering, 2019, 58(1):014107.

[19] Sarasini F, Tirillò J, D’Altilia S, et al. Damage tolerance of carbon/flax hybrid composites subjected to low velocity impact[J]. Composites Part B: Engineering, 2016, 91:144-153.

[20] Blaber J, Adair B, Antoniou A. Ncorr: Open-source 2D digital image correlation matlab software[J]. Experimental Mechanics, 2015, 55(6):1105-1122.

[21] Liu J Y, Yang W, Dai J M. Research on thermal wave processing of lock-in thermography based on analyzing image sequences for NDT[J]. Infrared Physics & Technology, 2010, 53(5):348-357.

Stainless steel internal crack detection based on digital image correlation method

YIN Lingxiao, WU Dan*

( Faculty of Mechanical Engineering & Mechanics, Ningbo University, Ningbo 315211, China )

The detection of internal defects in stainless steel is regarded as a hot and difficult topic in the field of nondestructive testing, especially for the micro and closed cracks detection. Therefore, this paper proposes a strain concentration defect identification method based on the digital image correlation method, that is, the sample surface is heated by a radiation exposure lamp, and the strain field on the sample surface is quantitatively analyzed by the digital image correlation method, and the internal cracks of the metal are detected by the characterization of the high-strain region on the sample surface. The results show that this method can characterize the internal crack of stainless steel during heating, and the effective detection depth can reach 3.71 mm.

digital image correlation methods; subsurface defects; metal cracks; non-destructive testing

TP391.4

A

1001-5132（2023）03-0064-08

2022?06?08.

寧波大學學報（理工版）網址: http://journallg.nbu.edu.cn/

國家自然科學基金（11702151）.

尹凌霄（1997－）, 男, 浙江麗水人, 在讀碩士研究生, 主要研究方向: 實驗固體力學. E-mail: 739068288@qq.com

通信作者:吳丹（1987－）, 女, 河南信陽人, 講師, 主要研究方向: 實驗固體力學. E-mail: wudan@nbu.edu.cn

（責任編輯 史小麗）