基于紅外無損檢測的激光熔覆零件表面質(zhì)量評(píng)價(jià)方法*

郭 峰，孫文磊，王恪典

(新疆大學(xué) 機(jī)械工程學(xué)院，烏魯木齊 830047)

0 引言

激光熔覆再制造技術(shù)是將廢舊機(jī)械零部件用激光熔覆技術(shù)進(jìn)行修復(fù)或強(qiáng)化，增加零部件的服役年限。但激光熔覆后材料的熔覆質(zhì)量需要保障，要避免出現(xiàn)裂紋、氣孔等的缺陷出現(xiàn)，而無損檢測是最為理想和有效的檢測手段。

無損檢測大致經(jīng)歷了無損探傷(NDI)、無損檢測(NDT)、無損評(píng)價(jià)(NDE)幾個(gè)發(fā)展階段[1]，美國在無損檢測的基礎(chǔ)理論研究、高新設(shè)備的研發(fā)以及無損檢測標(biāo)準(zhǔn)等諸多方面都保持世界領(lǐng)先地位。我國的無損檢測在基礎(chǔ)理論研究和儀器設(shè)備開發(fā)方面，與世界先進(jìn)國家之間還有一定的差距，特別是紅外、聲發(fā)射等高新技術(shù)方面。

20世紀(jì)90年代，國際上積極開展紅外熱波無損檢測技術(shù)的研究，它的特定優(yōu)勢使其在無損檢測領(lǐng)域得到了快速發(fā)展。美國的紅外無損檢測研究一直處于世界前列，成果被多家公司和政府所采用，并形成了行業(yè)標(biāo)準(zhǔn)。此外，許多國家都在致力于該項(xiàng)技術(shù)的研究，并廣泛應(yīng)用于復(fù)合材料構(gòu)件內(nèi)部缺陷的檢測。我國對紅外無損檢測的研究起步較晚，特別是主動(dòng)式紅外無損檢測技術(shù)，是近十幾年才發(fā)展起來。我國高校對紅外無損檢測的理論、方法和缺陷定性定量研究等方面取得了一些成果，并逐漸將其應(yīng)用于工程領(lǐng)域[1]。

本文將采用紅外無損檢測來檢測某激光熔覆材料，通過實(shí)驗(yàn)來進(jìn)行缺陷的定性、定量的分析方法研究。檢測結(jié)果表明紅外無損檢測技術(shù)能夠有效地檢測激光熔覆后材料的常見缺陷和損傷，這比傳統(tǒng)的檢測方式更靈敏、準(zhǔn)確和高效。

1 紅外無損檢測原理

1.1 紅外無損檢測的物理基礎(chǔ)

紅外熱波成像檢測技術(shù)是建立在電磁輻射和熱傳導(dǎo)理論基礎(chǔ)上的一門無損探傷技術(shù)。由熱輻射普朗克定律導(dǎo)出斯蒂芬-波爾茲曼定律，即：

W=εσT4

(1)

式中，W——物體的輻射強(qiáng)度，ε——灰體的發(fā)射系數(shù)，σ——史蒂芬-玻爾茲曼常數(shù)，T——物體的絕對溫度。

因此，物體具有不同的溫度和發(fā)射系數(shù)，熱像儀接收來自物體的輻射，便可測定物體表面的溫度場分布。而熱傳導(dǎo)理論最根本的任務(wù)就是確定物體內(nèi)的溫度分布。把熱流與溫度聯(lián)系起來的是傅里葉定律，即：

q(r,t)=-k▽T(r,t)

(2)

式中，q——單位面積上在溫度降低方向上單位時(shí)間的熱流量，k——材料導(dǎo)熱系數(shù)，T——溫度分布，▽T——溫度梯度。

它揭示了熱流量與溫度梯度之間的關(guān)系。通常用熱傳導(dǎo)微分方程來描述溫度場時(shí)空域的內(nèi)在聯(lián)系：

(3)

式中，α——熱擴(kuò)散系數(shù)，c——材料比熱容，qv——熱源項(xiàng)，ρ——材料密度[2-3]。

1.2 紅外無損檢測的理論基礎(chǔ)

紅外無損檢測是利用變化性熱激勵(lì)，使試件處于非熱平衡狀態(tài)，當(dāng)一個(gè)物體有溫度的變化時(shí)，熱量就會(huì)流動(dòng)，在流動(dòng)的過程中遇到缺陷就會(huì)以表面溫場變化的差異形式表現(xiàn)出來，用紅外熱熱像儀記錄下物體的溫度變化情況，并對熱圖的結(jié)果進(jìn)行處理和分析，從而對物體缺陷進(jìn)行定性、定量的分析。

根據(jù)檢測時(shí)是否需要對被檢件施加熱(冷)激勵(lì)，而將其分為主動(dòng)式和被動(dòng)式兩大類。被動(dòng)式檢測利用被檢件自身的輻射能而不需要對其施加激勵(lì)，多用于運(yùn)行中的電力設(shè)備(高壓電纜)，石化設(shè)備(反應(yīng)釜、蒸餾塔)的在役檢測。主動(dòng)式檢測需在檢測時(shí)對被檢件施加外部熱(冷)激勵(lì)，使其表面溫度場發(fā)生變化，通過連續(xù)獲取來自被撿件的紅外熱圖像，來對其中的缺陷進(jìn)行判斷。無損檢測研究一般采用主動(dòng)式檢測。常見熱激勵(lì)有：聚光燈、脈沖閃光燈、紅外燈、激光器、超聲波、電磁感應(yīng)、水浴、電流、烤箱、機(jī)械振動(dòng)、離子噴注、直接火焰、熱空氣噴注、太陽光等等。圖1為紅外無損檢測原理圖。本文采用熱空氣噴注這種簡單實(shí)用的方式進(jìn)行熱激勵(lì)[2-5]。

圖1 紅外無損檢測原理圖

2 紅外無損檢測的模型和實(shí)驗(yàn)

2.1 實(shí)驗(yàn)儀器

(1)實(shí)驗(yàn)使用的紅外熱像儀為美國FLIR紅外熱像儀Therma Vision A40M。它探測到的溫度變化小到0.08℃，測溫范圍為：-40℃～+500℃，生成的紅外熱序圖分辨率達(dá)到320×240像素，是一款完美的適用于機(jī)械監(jiān)測的紅外熱像儀[6-7]。紅外熱像儀如圖2所示。

圖2 紅外熱像儀及測量現(xiàn)場

(2)熱激勵(lì)為熱空氣噴注，選擇某牌熱風(fēng)機(jī)(功率為1200W)在單側(cè)45°處進(jìn)行熱激勵(lì)。實(shí)驗(yàn)?zāi)Ｐ腿鐖D3所示。

圖3 實(shí)驗(yàn)?zāi)Ｐ?/p>

(3)試件為長13.5cm、寬6cm、厚6mm的鋼板，材質(zhì)為Q304，在其一側(cè)進(jìn)行激光熔覆，熔覆的材料為鐵基粉末，面積為(13.5×3)cm2，熔覆厚度平均為1.5mm。在激光熔覆后試件出現(xiàn)了兩處比較大的缺陷，試件模型和缺陷位置如圖4所示。

圖4 試件模型和缺陷位置

2.2 實(shí)驗(yàn)過程

(1)準(zhǔn)備實(shí)驗(yàn)儀器(試件、紅外熱像儀、熱風(fēng)機(jī)、計(jì)算機(jī)、支撐臺(tái)等)，并將熱像儀和計(jì)算機(jī)連接好，打開Thermcam軟件。

(2)選擇合適的鏡頭，用電烙鐵測試鏡頭焦距，當(dāng)距離鏡頭1.7m的時(shí)候，計(jì)算機(jī)上呈現(xiàn)出清晰的電烙鐵紅外圖像。

(3)將試件放置在支撐臺(tái)上，距離紅外熱像儀鏡頭1.7m處，將熱風(fēng)機(jī)置于圖3所示位置，計(jì)算機(jī)上開始錄制視頻，同時(shí)打開熱風(fēng)機(jī)。

(4)當(dāng)紅外熱像儀記錄試件溫度變化360s后，停止熱風(fēng)機(jī)的工作，然后在空氣中靜置30s后(減少外界因素對實(shí)驗(yàn)結(jié)果的影響)，再次錄制試件溫度變化的紅外熱像視頻，540s后停止視頻的錄制。

(5)保存錄制的兩個(gè)視頻，便于以后在FLIR Research IR軟件中進(jìn)行分析。

3 熔覆表面質(zhì)量定性評(píng)價(jià)

3.1 材料表面溫度分析

選取在空氣中開始冷卻的紅外熱序圖，通過觀察可以看出，在試件上有幾處出現(xiàn)明顯的溫度波動(dòng)。在激光熔覆區(qū)域取5個(gè)均勻分布的點(diǎn)(其中點(diǎn)4和點(diǎn)5為缺陷1和缺陷2的位置)，點(diǎn)的分布如圖5所示，應(yīng)用ThermaCAM Researcher Professional軟件得出各點(diǎn)的溫度值如表1所示。由表1可以得出點(diǎn)3處的溫度值最低，而缺陷1和缺陷2處的溫度值相對較高，可見缺陷會(huì)影響材料的熱物理性質(zhì)，最終會(huì)在物體表面形成相應(yīng)的“熱區(qū)”和“冷區(qū)”。

圖5 5點(diǎn)分布位置圖

表1 5點(diǎn)的溫度值

在試件上取3個(gè)點(diǎn)(點(diǎn)1和點(diǎn)2為缺陷1和缺陷2的位置，點(diǎn)3為熔覆質(zhì)量好的位置)，點(diǎn)的分布如圖6所示，停止熱激勵(lì)在空氣中靜置30s后在空氣中冷卻540s，應(yīng)用ThermaCAM Researcher Professional軟件記錄這3個(gè)點(diǎn)在冷卻過程的溫度變化情況，并繪制圖7。由圖7可知，點(diǎn)1和點(diǎn)2處的降溫速率明顯高于點(diǎn)3處，可見缺陷的存在影響了該處溫度變化的效率，故會(huì)在物體表面出現(xiàn)波動(dòng)較大的溫度值，因此利用紅外無損檢測可以直觀檢測出試件是否存缺陷和缺陷的位置。

圖6 3點(diǎn)分布位置圖

圖7 3點(diǎn)冷卻過程的溫度變化圖

3.2 材料平整度分析

在試件上取三條橫線，線的分布如圖8a所示，將停止熱激勵(lì)在空氣中靜置30s后的紅外熱圖導(dǎo)入ThermaCAM Researcher Professional軟件，記錄這三條線上的每個(gè)點(diǎn)從左到右的溫度值，并繪制如圖8b所示。由于線3位于基材處，沒有進(jìn)行激光熔覆工藝，故其在圖8b中溫度分布基本平穩(wěn)。A處出現(xiàn)波動(dòng)是由于在基材上用黑筆做過標(biāo)記，致使該處溫度值較高)，線1和線2位于進(jìn)行激光熔覆工藝后的兩個(gè)位置，由圖8b可以看出，在線1和線2處溫度波動(dòng)較大，可以得出激光熔覆的材料橫向分布不均勻，熔覆的平面度很差。

在試件上取兩條豎線，線的分布如圖8c所示，將停止熱激勵(lì)在空氣中靜置30s后的紅外熱圖導(dǎo)入ThermaCAM Researcher Professional軟件，記錄這兩條線上的每個(gè)點(diǎn)從上到下的溫度值，并繪制如圖8d所示。由圖8d可以看出，線1和線2在虛線位置之前溫度波動(dòng)較大，而在虛線之后溫度圖線基本重合，虛線位置就是熔覆層和基材之間的分界線。由此可以得出激光熔覆的材料縱向分布也不均勻。

導(dǎo)致上述兩種結(jié)果可能原因有：①激光熔覆過程中送粉速率不均勻；②激光熔覆過程中激光掃描速率不均勻；③激光熔覆過程中載氣流量不均勻等。

(a)三橫線分布圖

(b)三橫線冷卻過程的溫度變化圖

(c)兩豎線分布圖

(d)兩豎線冷卻過程的溫度變化圖圖8 平整度分析圖

4 激光熔覆表面質(zhì)量定量評(píng)價(jià)

4.1 RGB圖像轉(zhuǎn)化及其剪切

通常，圖像類型的轉(zhuǎn)化是圖像處理的基礎(chǔ)。在Matlab中將RGB圖像轉(zhuǎn)化為灰度圖像，需要利用函數(shù)rgb2gray( )。運(yùn)行程序后，顯示結(jié)果如圖9a所示。

在圖像處理過程中，有時(shí)我們只對圖像的部分區(qū)域感興趣，這時(shí)就需要對圖像進(jìn)行剪切。在Matlab中利用函數(shù)imcrop( )，通過指令或鼠標(biāo)操作實(shí)現(xiàn)圖像的剪切。運(yùn)行程序后，顯示結(jié)果如圖9b所示。

(a)灰度圖 (b)剪切圖圖9 圖像的轉(zhuǎn)化與剪切

4.2 圖像的增強(qiáng)

圖像增強(qiáng)的主要目的是改善圖像的視覺效果，使圖像更加清晰，便于對圖像做進(jìn)一步的處理。傳統(tǒng)的圖像增強(qiáng)技術(shù)對基于空間域的處理居多，因?yàn)榭沼蛱幚矸椒ū容^簡單和容易理解。在空間域的圖像增強(qiáng)技術(shù)主要有灰度變換方法和直方圖方法等[8]。本文利用灰度變化增強(qiáng)來實(shí)現(xiàn)圖像的增強(qiáng)。

在進(jìn)行灰度變化前，先在Matlab中通過函數(shù)imhist( )獲取灰度圖像的直方圖。如圖10所示。

圖10 灰度圖像的直方圖

由于該灰度圖像的灰度值主要集中在100～255之間，將小于100的灰度值賦值為0，大于255的灰度值賦值為255。設(shè)位于100～255之間的灰度值為x，0～255之間的灰度值為y，則x和y滿足如下公式：

(4)

利用Matlab編寫程序，將100～255的灰度值調(diào)整為0～255，程序運(yùn)行后，輸出結(jié)果如圖11所示。

圖11 圖像增強(qiáng)后的圖像

4.3 圖像的去噪濾波

由于一些噪聲的干擾，采集的圖像會(huì)出現(xiàn)模糊和失真，需要沿著圖像退化的逆過程來恢復(fù)圖像的本來面目，這就是圖像的去噪濾波。

常見的噪聲有椒鹽噪聲、高斯噪聲等。其中高斯噪聲是自然界中最常見的噪聲，它是一種由于電路和溫度的干擾帶來的噪聲。它的概率密度函數(shù)為：

(5)

式中，隨機(jī)變量z表示灰度值，μ為該噪聲的期望，σ為噪聲的標(biāo)準(zhǔn)差[8-9]。

自適應(yīng)濾波復(fù)原是空域內(nèi)濾波常用的方法。本文將采用Matlab對圖像添加高斯噪聲，然后用函數(shù)wiener2( )對圖像進(jìn)行自適應(yīng)濾波。程序運(yùn)行后，輸出結(jié)果如圖12所示。

圖12 去噪濾波后的圖像

4.4 圖像的閾值分割

根據(jù)一定的準(zhǔn)則將一副圖像分割，分割后的每個(gè)區(qū)域都具有相同的性質(zhì)且相鄰區(qū)域的性質(zhì)明顯不同，如灰度值，這就是圖像分割。閾值分割技術(shù)是最經(jīng)典和流行的圖像分割方法之一，其關(guān)鍵在于尋找適當(dāng)?shù)幕叶乳撝怠tsu算法是以最小二乘法推導(dǎo)的最佳閾值進(jìn)行分割圖像，也稱為最大類間方差法，是統(tǒng)計(jì)意義上的最佳分割[8]。

圖像IM×N的的灰度值設(shè)為f(x,y)，灰度級(jí)為L，灰度級(jí)i的像素個(gè)數(shù)為fi，第i級(jí)灰度出現(xiàn)的概率為p(i)。將圖像中的像素按灰度級(jí)用閾值t劃分為背景C0和目標(biāo)C1兩類。則背景C0部分出現(xiàn)的概率為：

(6)

目標(biāo)C1部分出現(xiàn)的概率為：

(7)

背景C0部分的灰度值為：

(8)

目標(biāo)C1部分的平均灰度值為：

(9)

圖像的總平均灰度值為：

(10)

圖像中背景和目標(biāo)的類間方差為：

(11)

最優(yōu)閾值k值(在0～L-1之間)，就是當(dāng)δ2(k)最大時(shí)的那個(gè)k值[10-11]。

在Matlab中首先讀入灰度圖像，然后用函數(shù)graythresh()獲取該圖像的最優(yōu)閾值，最后用函數(shù)im2bw()對圖像進(jìn)行分割。程序運(yùn)行后，輸出結(jié)果如圖13所示。

圖13 閾值分割后的圖像

4.5 圖像的邊緣檢測

邊緣檢測是利用圖像特性發(fā)生改變時(shí)會(huì)有明顯的邊界，檢測出該邊界來實(shí)現(xiàn)的。常見的邊緣檢測方法有Prewitt算子、Canny算子等。

對于離散的圖像，邊緣檢測就是用如下公式計(jì)算圖像中每一個(gè)像素的Δf，再求絕對值就可以實(shí)現(xiàn)。對于復(fù)雜的圖像，需要采用復(fù)雜的3×3的Prewitt算子[12]。

Δf=(f(x,y)-f(x-1,y),f(x,y)-f(x,y-1))

(12)

利用函數(shù)edge( )在Matlab中實(shí)現(xiàn)邊緣檢測。在程序中，首先讀入灰度圖像，然后采用Prewitt算子進(jìn)行邊緣檢測，采用函數(shù)自動(dòng)計(jì)算閾值。方向參數(shù)為both，即采用水平方向和垂直方向。運(yùn)行程序后，輸出結(jié)果如圖14所示。

圖14 邊緣檢測結(jié)果

4.6 圖像的區(qū)域特征描述

本文將利用白色區(qū)域(熔覆質(zhì)量不合格)占總?cè)鄹裁娣e的百分比來定量評(píng)估其熔覆的質(zhì)量。在Matlab中先將激光熔覆區(qū)域提取出來，然后轉(zhuǎn)化為二值圖，利用函數(shù)sum()計(jì)算像素為1(白色)的個(gè)數(shù)，再利用ratio函數(shù)計(jì)算白色區(qū)域占總面積的百分比。運(yùn)行程序后，輸出結(jié)果為：0.41814，即有41.814%的面積為熔覆失敗的區(qū)域。通過實(shí)際測量與計(jì)算得出熔覆失敗的面積占總?cè)鄹裁娣e的45%，兩者基本吻合。

5 結(jié)論

由上述分析可知，通過紅外無損檢測可以定性定量的得出激光熔覆后試件的表面質(zhì)量，并得出以下結(jié)論：①通過熱像儀觀察溫度升高和下降的速率可以直觀分析在試件存在缺陷的位置和形式；②通過橫向和縱向溫度變化趨勢得出熔覆后試件表面平整度情況，并指出熔覆工藝中的缺陷原因；③通過對試件某一時(shí)刻的熱序圖進(jìn)行圖像處理，可得出熔覆質(zhì)量不合格的區(qū)域占總?cè)鄹裁娣e的百分比，從而定量評(píng)價(jià)熔覆質(zhì)量。