主成分分析在飛機多層結(jié)構(gòu)層間腐蝕脈沖渦流檢測中的應(yīng)用

李朝夕，付躍文，鄒國輝

(無損檢測技術(shù)教育部重點實驗室(南昌航空大學(xué))，南昌 330063)

0 引言

由于飛行時間和氣候條件的影響，在飛機機身多層鉚接結(jié)構(gòu)層間會發(fā)生腐蝕，尤其是服役期過長的老齡飛機，由此而發(fā)生故障的概率明顯增加。近期快速發(fā)展起來的脈沖渦流檢測技術(shù)(Pulsed Eddy Current，PEC)由于包含了從直流到高頻(高頻一般為幾十到幾百kHz)的很寬的頻譜，不同頻率形成的渦流在金屬中具有不同的滲透深度，能夠一次掃描檢測多層結(jié)構(gòu)不同深度的缺陷，因此受到研究界的重視，并已有部分應(yīng)用［1-6］。在提取PEC 信號的特征值時，最常用的是峰值高度、峰值時間和過零時間［7］。這些特征值可對多層結(jié)構(gòu)層間缺陷進(jìn)行定位和定量［8］，但是這2 個特征值容易受到提離效應(yīng)和其他噪聲的影響，應(yīng)用中發(fā)現(xiàn)不足，為此國內(nèi)外學(xué)者研究通過其他特征量改善缺陷的檢測及分類。

主成分分析法(Principle Component Analysis，PCA)是一種將多個變量通過線性變換以選出較少個重要變量的多元統(tǒng)計方法［9］，近年來被用來探索在PEC 方面的應(yīng)用效果。2003年，Sophian等［6］利用PCA 方法對表面和亞表面裂紋以及壁厚變化進(jìn)行了研究，發(fā)現(xiàn)比傳統(tǒng)的時域響應(yīng)峰值分析具有更好的缺陷識別能力。G.Y.Tian 等［10］在2005年提出了一種分級的基于小波變換的PCA 新方法，發(fā)現(xiàn)小波和PCA 的聯(lián)合分析能夠得到比傳統(tǒng)方法更好的缺陷類型的分類結(jié)果。2010年，J.Kim 等［11］提出了一種利用PCA 和K-means算法對飛機機身鉚釘根部不同深度和大小裂紋的自動檢測和分類技術(shù)，結(jié)果表明其試驗系統(tǒng)能夠檢測深度在10 mm 以上的1 mm 裂紋，并且提出基于PCA 和K-means 算法的圖像數(shù)據(jù)自動分類技術(shù)具有對鉚釘頭下面裂紋進(jìn)行檢測和定量的潛力。2012年有了新的進(jìn)展，S.Hosseini 等［12］應(yīng)用時頻分析方法，對三層金屬結(jié)構(gòu)中不同深度不同位置的腐蝕缺陷進(jìn)行了分析，并利用PCA 和Kmeans 算法對缺陷進(jìn)行了分類，能夠?qū)Ω鲗痈g分布進(jìn)行自動定位。

在上述研究中利用PCA 方法進(jìn)行缺陷的分類和識別時，沒有考慮提離效應(yīng)的影響，盡管文獻(xiàn)［6］提及了應(yīng)考慮提離。然而，在實際的飛機機身檢測中，由于機身表面的不平整以及涂層厚度變化等因素影響，提離效應(yīng)成為不可避免的因素［13］。提離變化引起的信號變化與缺陷引起的信號變化在時域內(nèi)具有相似性，所以利用PCA 方法時，對提離效應(yīng)進(jìn)行研究不可少，否則該種方法在實際檢測中的實用性就很受限。本研究將PCA 方法用于脈沖渦流檢測時，考慮提離的影響，以便全面評估PCA 方法的作用。在使用該方法時，與K-means 聚類算法進(jìn)行了結(jié)合。

1 實驗系統(tǒng)

1.1 脈沖渦流檢測平臺

脈沖渦流檢測平臺主要由脈沖信號發(fā)生器、探頭、被檢試樣和數(shù)據(jù)采集卡及PC 機采集程序5部分組成(圖1)。使用脈沖信號發(fā)生器產(chǎn)生脈沖方波。本研究中使用了50 Hz 方波脈沖，同步觸發(fā)方式使用下降沿觸發(fā)。試驗探頭由激勵線圈、鐵氧體磁芯、TMR 磁傳感器3 部分組成。激勵線圈用來在被測試樣中產(chǎn)生渦流，鐵氧體用于引導(dǎo)聚集磁場，TMR 磁敏傳感器置于線圈中央下方用于檢測磁場。激勵線圈采用圓柱形線圈:外徑24 mm，內(nèi)徑14 mm，高8 mm。

采用NI USB6356 數(shù)據(jù)采集卡進(jìn)行數(shù)據(jù)采集，采樣頻率500 kHz，A/D 分辨率16 bit。在上位機PC 上，采用Labview 軟件顯示和保存實驗數(shù)據(jù)。

圖1 脈沖渦流檢測平臺實物圖Fig.1 Physical figure of PEC testing platform

1.2 多層金屬鉚接結(jié)構(gòu)缺陷試樣

本試驗使用的試樣為模擬飛機機身的多層鉚接鋁結(jié)構(gòu)。試樣整體幾何尺寸為450 mm ×400 mm×15 mm(長×寬×高)，每層鋁板厚度為1.5 mm，共10 層，將10 層鋁板用帶螺紋的鉚釘和螺栓緊密連接，缺陷試塊可放在不同的深度。在一塊鋁板上加工了腐蝕和裂紋兩種缺陷。腐蝕為圓形腐蝕，直徑分別為30、20、10、5 mm，深度分別為0.50、0.40、0.25、0.15、0.10 mm。腐蝕缺陷的尺寸為直徑和深度的不同組合。本試驗所研究的是層間腐蝕缺陷，試驗中所使用的各腐蝕缺陷實際加工后的尺寸為30 mm×0.51 mm，30 mm ×0.40 mm，30 mm × 0.26 mm，30 mm × 0.17 mm，30 mm×0.08 mm，20 mm×0.52 mm。缺陷試樣的設(shè)計如圖2。

2 試驗方法和步驟

將厚度已知的硬塑料薄層放在探頭和試樣之間產(chǎn)生提離。第一層腐蝕放置在鉚接后試樣第一層的底部，第二層腐蝕放置在第二層頂部，第三層腐蝕放置在第三層頂部。

共進(jìn)行純提離、純腐蝕、腐蝕加提離3 種類型的試驗。變化提離和腐蝕尺寸及深度，提取差分信號作為主成分分析的輸入數(shù)據(jù)。

圖2 缺陷試樣的設(shè)計圖Fig.2 Blueprint of the defect block

對于以上3 種類型的試驗通過以下步驟來實現(xiàn):

1)純提離信號采集。探頭放在試樣無缺陷處，首先采集一個參考信號，并保存，然后采集提離高度0～0.9 mm，間隔為0.1 mm 的提離信號，并分別保存。

2)純腐蝕信號采集。當(dāng)腐蝕缺陷放置在第一層時，首先，將探頭放在試樣無缺陷處采集一個參考信號，并保存，然后移動探頭至不同腐蝕缺陷上方，找到差分信號幅值最大的位置，采集此時的信號并保存。按照此方法，采集和保存腐蝕缺陷放置在第二層和第三層時的信號。

3)腐蝕加提離信號采集。按照2)所述方法，將探頭分別提離不同的高度后再進(jìn)行采集和保存即可。

4)分別提取3 種類型數(shù)據(jù)的差分信號，做為PCA 算法的輸入，通過計算得出各個主成分，提取前3 個主成分(第一主成分W1，第二主成分W2，第三主成分W3)用于識別不同類型的信號。

5)在部分試驗數(shù)據(jù)處理中，利用從PCA 提取的主成分W1、W2、W3，應(yīng)用K-means 算法對信號進(jìn)行分類。

3 試驗結(jié)果和分析

圖3 給出了純提離和其他不同類型信號的PCA 分布。純提離的標(biāo)號1～6 分別代表提離高度0、0.1、0.3、0.5、0.7、0.9 mm。由圖3 可知，純提離信號的PCA 分布軌跡近似平行于W1 軸且W2 的值近似等于0，而其他信號(純腐蝕信號和腐蝕提離混合信號)的分布軌跡與W1 有一定的夾角且W2 的值大于0。可以看出，純提離信號可以與其他信號顯著分離開來，利用PCA 能夠?qū)崿F(xiàn)對純提離信號的識別。

圖3 純提離信號和其他信號的PCA 分布Fig.3 PCA distribution for Pure lift-off and other signals

對于一個未知的檢測信號，如果已判斷出它不是純提離信號，那么對信號進(jìn)一步的判斷就顯得必要，為此進(jìn)行了進(jìn)一步的實驗。

圖4 給出了不同深度不同大小的純腐蝕缺陷信號的PCA 分布。可以看到，不同層純腐蝕的分布軌跡具有不同的方向且其與W1 軸的夾角隨著腐蝕深度的增加而增大，因此通過PCA 方法可以將不帶提離時的純腐蝕信號的深度識別出。

圖4 不同深度純腐蝕信號的PCA 分布Fig.4 PCA distribution for different layer pure corrosion signals

圖5 中給出了帶提離的腐蝕信號和不同深度的純腐蝕信號的PCA 分布。圖中可以看到第三層腐蝕+提離0.1 mm 混合信號與第一層純腐蝕信號在空間中的分布軌跡容易產(chǎn)生混淆，表明帶提離腐蝕和純腐蝕這兩種信號不能準(zhǔn)確的識別。

圖5 純腐蝕和腐蝕提離混合信號的PCA 分布Fig.5 PCA distribution for pure corrosion and lift-off-corrosion signals

圖6 是K-means 分類圖，每一個圓內(nèi)的樣本代表一種信號，圓的圓心是K-means 聚類簇的質(zhì)心，半徑大小根據(jù)具體需要設(shè)置。可以看到純提離信號分布在圖形的最右邊，且分布范圍很窄;純腐蝕信號分布在圖形的最左邊，且沿W3 軸方向從上到下依次是第一層腐蝕，第二層腐蝕和第三層腐蝕;腐蝕提離混合信號分布在圖形的中間，且沿W3 軸方向從上到下依次是提離0.2、1.5 mm。圖6 表明，可以將純提離信號與其他信號區(qū)別開來，但純腐蝕信號和腐蝕提離混合信號在某些區(qū)域有混淆，如圖中的第三層腐蝕和第二層的帶提離腐蝕。

圖6 基于PCA 的K-means 分類Fig.6 Classification of PCA output for different signals using K-means clustering

4 結(jié)論

1)純提離信號的PCA 軌跡的線性度近似于100%，與其他類型信號的分布軌跡具有明顯差異，能夠識別純提離信號。

2)不同層純腐蝕信號具有不同的走向，PCA方法能夠識別第一層1 mm、第二層1.5 mm、第三層3.0 mm 處的腐蝕缺陷。

3)將PCA 提取的主成分作為K-means 聚類器的輸入，能夠成功地將純提離信號與其他信號區(qū)別，分類成功率為100%;但純腐蝕信號和腐蝕提離混合信號不能完全分離，且提離越大，分類的成功率越小。

［1］耿榮生，鄭勇.航空無損檢測技術(shù)發(fā)展動態(tài)及面臨的挑戰(zhàn)［J］.無損檢測，2002，24(1):1-5.

［2］Smith R A，Harrison D J.Hall sensor arrays for rapid large-area transient eddy current inspection［J］.Insight-non-destructive Testing and Condition Monitoring，2004，46(3):142-146.

［3］Smith R A，Edgar D，Skramstad J，et al.Enhanced transient eddy current detection of deep corrosion［J］.Insight-nondestructive Testing and Condition Monitoring，2004，46(2):88-91.

［4］He Y，Luo F，Pan M，et al.Pulsed eddy current technique for defect detection in aircraft riveted structures［J］.NDT ＆ E International，2010，43(2):176-181.

［5］Horan P，Underhill P R，Krause T W.Pulsed eddy current defection of cracks in F/A-18 inner wing spar without wing skin removal using modified principle component analysis［J］.NDT＆E International，2013，55(2):21-27.

［6］Sophian A，Tian G Y，Taylor D，et al.A feature extraction technique based on principle component analysis for pulsed eddy current NDT［J］.NDT ＆ E International，2003，36(1):37-41.

［7］Bieber J A，Tai C，Moulder J C，et al.Quantitative assessment of corrosion in aircraft structures using scanning pulsed eddy current［C］// Review of Progress in Quantitative Nondestructive Evaluation，San Diego，CA，1998，17:315-322.

［8］徐平，羅飛路.多層金屬結(jié)構(gòu)腐蝕缺陷脈沖渦流檢測技術(shù)研究［J］.自動化儀表，2007，28(11):25-28.

［9］Jolliffe I T.Principle component analysis［M］.Springer Series in Statistics，2002:1-20.

［10］Tian G Y，Sophian A，Taylor D，et al.Wavelet-based PCA defect classification and quantification for pulsed eddy current NDT［J］.IEEE Proceedings-science，Measurement and Technology，2005，152(4):141-48.

［11］Kim J，Yang G，Udpa L，et al.Classification of pulsed eddy current GMR date on aircraft structures［J］.NDT ＆ E International，2010，43(2):141-144.

［12］Hosseini S，Lakis A A.Application of time-frequency analysis for automatic hidden corrosion detection in a multilayer aluminum structure using pulsed eddy current［J］.NDT ＆ E International，2012，47(2):70-79.

［13］Safizaden M S，Lepine B A，F(xiàn)orsyth D S，et al.Timefrequency analysis of pulsed eddy current signals［J］.Journal of Nondestructive Evaluation，2001，20(2):73-86.