固體發(fā)動(dòng)機(jī)外防護(hù)涂層緊貼型缺陷太赫茲成像實(shí)驗(yàn)研究①

張振偉,吳迎紅,張 強(qiáng),郭 琪,張存林,趙躍進(jìn)

(1.首都師范大學(xué) 物理系 太赫茲光電子學(xué)教育部重點(diǎn)實(shí)驗(yàn)室,北京 100048;2.西安航天化學(xué)動(dòng)力有限公司,西安 710025;3.北京理工大學(xué) 光電學(xué)院 精密光電測(cè)試儀器及技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100081)

0 引言

外防涂層是保護(hù)固體火箭發(fā)動(dòng)機(jī)殼體免受飛行氣動(dòng)加熱致使殼體失強(qiáng)的功能層,殼體與外防護(hù)涂層界面脫粘是非常有害的質(zhì)量缺陷[1-5],影響飛行安全,嚴(yán)重時(shí)會(huì)導(dǎo)致飛行失敗。界面脫粘可以分為間隙型缺陷和緊貼無(wú)黏結(jié)缺陷。前者表現(xiàn)為厚度突起、局部松動(dòng)等特征,通常界面明顯分離,間隙分離得越小,檢測(cè)識(shí)別越困難,直到間隙小到不可見(jiàn)。后者表現(xiàn)為殼體與涂層緊密接觸沒(méi)有間隙,也就是處于界面分子間可能形成鍵合的距離范圍,但是其間的黏結(jié)作用不充分,黏結(jié)力不足,此時(shí)這種結(jié)構(gòu)很容易被誤認(rèn)為是黏好區(qū),隱蔽性強(qiáng),檢測(cè)識(shí)別更加困難。黏結(jié)力是由殼體材料與涂層材料界面間的機(jī)械嵌合力、范德華力、氫鍵力和化學(xué)鍵力等共同構(gòu)成的復(fù)合作用力[6]。相對(duì)應(yīng),黏結(jié)良好就是界面間形成足夠的黏結(jié)力。

隨著固體火箭發(fā)動(dòng)機(jī)在大氣層中的高速飛行應(yīng)用越來(lái)越多,特別是超音速飛行、重復(fù)飛行等情景,氣動(dòng)加熱越來(lái)越成為不容忽視的有害因素。涂層脫粘問(wèn)題受到廣泛的重視,超聲成像技術(shù)和紅外熱波成像技術(shù)在檢測(cè)該類(lèi)問(wèn)題中發(fā)揮了重要的支撐作用。超聲檢測(cè)通過(guò)解析不同界面聲壓反射系數(shù)幅度譜、層間的多階諧振頻率等信息,當(dāng)存在空隙型脫粘缺陷時(shí),聲阻抗匹配關(guān)系與無(wú)脫粘時(shí)發(fā)生突變,進(jìn)而導(dǎo)致回波信號(hào)特征的變化,進(jìn)而識(shí)別缺陷[7-10],而緊貼型缺陷對(duì)回波信號(hào)的相位特征基本沒(méi)有影響[11]。在檢測(cè)涂層類(lèi)薄層結(jié)構(gòu)試件時(shí),高頻超聲[12]、陣列超聲[13]、顯微超聲[14]、激光超聲[15]等技術(shù)的快速發(fā)展,結(jié)合聲場(chǎng)的設(shè)計(jì)優(yōu)化[16],在水浸或油浸耦合條件下,采用μs級(jí)的時(shí)域超聲脈沖的收發(fā),超聲檢測(cè)的空間分辨率和層析分辨率能夠達(dá)到mm級(jí)別和μm量級(jí)[17]。干耦合超聲技術(shù)無(wú)需耦合劑,但是會(huì)在一定程度上降低檢測(cè)精度和準(zhǔn)確度[18]。另外,利用超聲技術(shù)時(shí),檢測(cè)結(jié)果與涂層結(jié)構(gòu)的聲學(xué)特性、涂層與基底材料的聲阻抗的差異密切相關(guān),如果涂層聲衰減較高、涂層與殼體的聲阻抗差異較小時(shí),都將影響檢測(cè)效果[19]。另一種脈沖紅外熱成像技術(shù)利用主動(dòng)激勵(lì)的能量脈沖在被測(cè)目標(biāo)形成熱波傳導(dǎo),通過(guò)監(jiān)測(cè)熱流動(dòng)變化過(guò)程分析目標(biāo)中的缺陷和界面異常[20-22]。采用ms量級(jí)窄脈沖作為熱源實(shí)現(xiàn)脈沖熱激勵(lì),再結(jié)合高幀頻高靈敏熱成像探測(cè)技術(shù),能夠獲得μm級(jí)的層分辨率[23]。同樣對(duì)涂層材料的熱傳導(dǎo)性,受熱激勵(lì)的損傷特性,熱容量以及熱輻射能力的差異性等都有要求[24]。這兩類(lèi)技術(shù)在物理原理上能夠非常好的解釋空隙型脫粘缺陷,但是對(duì)于緊貼型無(wú)黏結(jié)缺陷界面特征的感知還沒(méi)有明確的公開(kāi)報(bào)道,在聲傳播和熱傳導(dǎo)過(guò)程中,如何感知?dú)んw與涂層界面黏結(jié)力的差異尚需要深入研究。

近年來(lái),太赫茲技術(shù)快速發(fā)展[25-28],特別是基于太赫茲時(shí)域光譜技術(shù)的檢測(cè)成像應(yīng)用[29-31]。其中的太赫茲信號(hào)本質(zhì)上是ps量級(jí)的瞬態(tài)電磁波包,對(duì)應(yīng)THz量級(jí)的頻帶寬度,中心頻率對(duì)應(yīng)的波長(zhǎng)為亞毫米量級(jí)(1 THz頻率,對(duì)應(yīng)波長(zhǎng)約為0.3 mm),同時(shí)具備振幅和相位特征,并且能夠透入大部分非金屬非極性材料,與被測(cè)目標(biāo)發(fā)生相互作用,通過(guò)解析不同界面回波的時(shí)域和頻域特性,分析目標(biāo)特征[32]。通過(guò)對(duì)太赫茲波束準(zhǔn)直聚焦,遠(yuǎn)場(chǎng)成像衍射極限能夠接近波長(zhǎng)尺寸[33],還可以通過(guò)近場(chǎng)技術(shù)[34-35]突破衍射極限,空間分辨率達(dá)到nm量級(jí)。此外,相比于前兩種技術(shù),該技術(shù)不僅能夠檢測(cè)空隙型脫粘缺陷,而且能夠感知黏結(jié)力的特性[36-38],具有識(shí)別緊貼型無(wú)黏結(jié)缺陷的潛在能力。這是由于許多大分子的整體振動(dòng)能級(jí)和轉(zhuǎn)動(dòng)能級(jí),分子間作用力、范德華力、氫鍵力等處于THz波段,與太赫茲波相互作用更敏感,結(jié)合脈沖太赫茲信號(hào)的寬譜特性,物質(zhì)微觀的鍵合作用的總體變化將影響宏觀的太赫茲脈沖信號(hào)的整體變化,再結(jié)合后端機(jī)器學(xué)習(xí)方法,能夠分類(lèi)識(shí)別缺陷特征。同樣,太赫茲信號(hào)并不是適合所有的涂層材料和結(jié)構(gòu),對(duì)于含有高散射媒介、高反射微粒等高損耗要素的涂層材料,以及非金屬?gòu)?fù)合基底材料,非特征信號(hào)干擾會(huì)更加復(fù)雜,可能會(huì)降低檢測(cè)質(zhì)量,感知涂層和殼體界面鍵合特征更困難。另外,太赫茲?rùn)z測(cè)裝置和關(guān)鍵部件的成熟度仍然需要進(jìn)一步優(yōu)化提高,特別是光纖耦合式的高功率寬帶相干源和高靈敏的相干探測(cè)器,以及高效的太赫茲波束傳導(dǎo)和調(diào)控元件。在應(yīng)用上,各類(lèi)材料在太赫茲波段的標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)仍較匱乏,儀器的便攜性和針對(duì)應(yīng)用場(chǎng)景的適配性都有待進(jìn)一步改善。

本文針對(duì)涂層緊貼型無(wú)黏結(jié)缺陷檢測(cè)問(wèn)題,采用自行搭建的光纖耦合反射式太赫茲時(shí)域光譜成像系統(tǒng),檢測(cè)預(yù)制缺陷的標(biāo)準(zhǔn)殼體與涂層結(jié)構(gòu)試件,經(jīng)過(guò)數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理、數(shù)據(jù)降維和機(jī)器學(xué)習(xí)分類(lèi),實(shí)現(xiàn)了試件上黏好區(qū)、緊貼型無(wú)黏結(jié)區(qū)、交界區(qū)和微小缺陷區(qū)的有效預(yù)測(cè),獲得特征分類(lèi)圖像,驗(yàn)證了緊貼型無(wú)黏結(jié)缺陷的自動(dòng)化識(shí)別和缺陷分布成像的可能性。結(jié)果直觀準(zhǔn)確,與實(shí)際試件特征相符合。

1 實(shí)驗(yàn)

1.1 實(shí)驗(yàn)設(shè)備

實(shí)驗(yàn)裝備為自行搭建的光纖耦合式太赫茲時(shí)域光譜成像系統(tǒng)。采用光纖飛秒激光器,光脈沖通過(guò)尾纖輸出,被分為兩束。一束直接連接到光纖耦合光導(dǎo)天線,另一路連接高速延遲線,再連接到另一路光導(dǎo)天線。光導(dǎo)天線對(duì)被集成到一個(gè)垂直反射模塊中,通過(guò)該模塊,發(fā)射的太赫茲信號(hào)垂直照射到被測(cè)涂層,透入到殼體和涂層界面并被反射,回波序列被探測(cè)。只有當(dāng)太赫茲信號(hào)與探測(cè)飛秒脈沖同時(shí)到達(dá)探測(cè)光導(dǎo)天線,太赫茲電場(chǎng)驅(qū)動(dòng)光生載流子運(yùn)動(dòng),形成光電流,太赫茲信號(hào)被探測(cè),太赫茲電場(chǎng)信號(hào)正比于光電流的變化率。延遲裝置調(diào)節(jié)太赫茲信號(hào)與探測(cè)飛秒脈沖的相對(duì)相位,實(shí)現(xiàn)太赫茲時(shí)域波形的采集,同時(shí)也決定信號(hào)波形的時(shí)域?qū)挾?、?shù)據(jù)點(diǎn)時(shí)間分辨率和信號(hào)采集效率。結(jié)合掃描裝置實(shí)現(xiàn)對(duì)被測(cè)目標(biāo)成像。圖1是太赫茲系統(tǒng)結(jié)構(gòu)示意圖。

圖1 太赫茲系統(tǒng)結(jié)構(gòu)圖Fig.1 Structural diagram of THz system

1.2 實(shí)驗(yàn)樣品及其制備

標(biāo)準(zhǔn)試件尺寸為100 mm×100 mm,外防涂層選用質(zhì)地柔軟的室溫固化型硅橡膠涂層,其對(duì)金屬基底有較好的吸附作用,能緊密貼附于基底上。先在涂層與金屬基底之間一部分面積預(yù)置聚四氟乙烯薄膜,固化后有薄膜區(qū)域涂層與基底不黏結(jié),取出薄膜,再通過(guò)加壓過(guò)程,使兩層緊密貼合,得到緊貼型無(wú)黏結(jié)缺陷。其他條件與黏結(jié)良好區(qū)域相一致,以便更好地突出涂層和金屬基底界面特征的差異。圖2(a)是樣品檢測(cè)時(shí)的實(shí)物照片,圖2(b)是樣品特征區(qū)域分布圖,試件中有金屬區(qū)、黏好區(qū)、緊貼型無(wú)黏結(jié)區(qū)、交界區(qū)和微小缺陷區(qū)。

圖2 涂層試件((a)檢測(cè)時(shí)照片;(b)特征區(qū)域分布)Fig.2 Coating specimen( (a)Photo;(b)Distributions of different features)

金屬區(qū)是裸露的金屬基底,該處主要用于評(píng)價(jià)系統(tǒng)信號(hào),不用于分類(lèi)識(shí)別。黏好區(qū)表示涂層緊緊附著在金屬基底上,有足夠強(qiáng)的相互作用力,通過(guò)工藝流程確保作用力有效。緊貼型無(wú)黏結(jié)區(qū)表示涂層與金屬基底表面相互接觸,但是黏結(jié)力不足或失效。交界區(qū)表示黏好區(qū)與緊貼型無(wú)黏結(jié)區(qū)相連的區(qū)域,本質(zhì)是漸變的微小間隙,在制作無(wú)黏結(jié)特征時(shí),需要撤去預(yù)制的薄膜,而交界過(guò)渡區(qū)在加壓過(guò)程中不能達(dá)到無(wú)黏結(jié)區(qū)的緊密貼合程度,形成單獨(dú)的特征。黏好區(qū)的黑色虛線框部分,涂層表面有一直徑約為3 mm小凸起,當(dāng)基底上存在砂粒等異物時(shí),涂層會(huì)形成類(lèi)似的小凸起,用于檢驗(yàn)對(duì)微小缺陷的檢出能力。

2 算法原理

2.1 主成分分析算法

主成分分析(Principal Components Analysis,PCA)是從數(shù)據(jù)整體出發(fā),并在歐氏空間中進(jìn)行數(shù)據(jù)投影降維。通過(guò)線性映射將高維數(shù)據(jù)投影至低維子空間中,同時(shí)使數(shù)據(jù)的方差最大,并且重構(gòu)均方根誤差最小。在降維的過(guò)程中,需要計(jì)算原始數(shù)據(jù)的協(xié)方差矩陣,并根據(jù)相應(yīng)的特征值獲取特征向量。新的特征向量即為主成分,在低維空間中彼此正交,特征值體現(xiàn)了原始數(shù)據(jù)的投影方差,通過(guò)累積方差貢獻(xiàn)率選取主成分個(gè)數(shù)[39-41]。貢獻(xiàn)率的選取取決于分類(lèi)效果是否符合標(biāo)準(zhǔn)試件物理特征的分布情況,以及太赫茲信號(hào)標(biāo)準(zhǔn)化處理。本文中,選取原始信號(hào)、第二主峰信號(hào)、第二主峰對(duì)齊信號(hào)的前三主成分,累計(jì)方差貢獻(xiàn)率分別為35.98%、61.46%和67.85%。

2.2 局部線性嵌入算法

局部線性嵌入LLE(Local Linear Embedding,LLE)算法是ROWEIS 和SAUL[42]首先提出的一種將復(fù)雜高維數(shù)據(jù)投影到一個(gè)相對(duì)低維的空間里的非線性降維方法。LLE 方法的思想是將高維空間的數(shù)據(jù)重構(gòu)為低維局部線性模型,通過(guò)數(shù)據(jù)在低維空間上的投影提取數(shù)據(jù)的局部距離關(guān)系,利用樣本空間中局部的線性來(lái)逼近全局的非線性,并保持樣本固有的幾何性質(zhì)。

2.3 等距特征映射算法

等距特征映射Isomap(Isometric Mapping,Isomap)是建立在經(jīng)典MDS基礎(chǔ)上的非線性降維方法,主要思想是從全局的角度來(lái)保持降維前后的數(shù)據(jù)間距離不變[43]。算法步驟首先要構(gòu)造近鄰圖G;再計(jì)算圖G的最短路徑;最后通過(guò)最短路徑距離矩陣構(gòu)建輸出向量。算法通過(guò)保持?jǐn)?shù)據(jù)間的測(cè)地線距離而完成低維嵌入。

2.4 支持向量機(jī)

支持向量機(jī)SVM(Support Vector Machines,SVM)[44-46]的基本思想是將原始數(shù)據(jù)映射到高維空間,尋找最優(yōu)超平面,將各類(lèi)數(shù)據(jù)的間隔最大化,實(shí)現(xiàn)分類(lèi)。懲罰因子與核參數(shù)共同決定SVM的分類(lèi)效果與泛化能力。本文中,選取徑向基函數(shù)作為核函數(shù),將原始數(shù)據(jù)映射到高維空間。通過(guò)5折交叉驗(yàn)證的網(wǎng)格搜尋法獲得核參數(shù)γ和懲罰因子C。

3 結(jié)果與討論

3.1 涂層厚度識(shí)別

圖3為太赫茲波垂直入射標(biāo)準(zhǔn)試件時(shí)的傳輸示意圖,S0為垂直入射的太赫茲脈沖,R0為太赫茲波到達(dá)涂層上表面時(shí),返回的第一主峰信號(hào);一部分太赫茲波穿透涂層,到達(dá)涂層和金屬基底的黏結(jié)界面,返回?cái)y帶試件黏結(jié)界面信息的第二主峰信號(hào)R1。

圖3 太赫茲波傳輸示意圖Fig.3 Transmission diagram of THz wave

隨機(jī)選取第20列第80行的樣本點(diǎn),為圖5紅點(diǎn)處顯示位置。畫(huà)出此樣本點(diǎn)的太赫茲反射時(shí)域信號(hào)圖,如圖4所示,受太赫茲波在試件內(nèi)傳輸路徑影響,涂層上表面反射信號(hào)R0和黏結(jié)界面反射信號(hào)R1之間的峰峰值時(shí)間差是Δt,ns為折射率,c為光速,可以簡(jiǎn)單通過(guò)時(shí)域延遲計(jì)算涂層厚度：

圖4 太赫茲反射信號(hào)圖Fig.4 THz reflected signal

圖5 涂層厚度分布圖Fig.5 Distribution diagram of coating thickness

(1)

先驗(yàn)獲得試件涂層太赫茲波段的平均折射率約為1.72,圖2(b)黃色虛線框內(nèi)區(qū)域整體作為一組數(shù)據(jù)集合D,通過(guò)公式(1),得到右半部分試件的涂層厚度分布成像。如圖5所示,涂層的平均厚度約為0.72 mm,最厚處約為0.76 mm,最薄處約為0.67 mm。區(qū)域內(nèi)涂層厚度并不完全一致,這是由于工藝環(huán)節(jié)不可避免的隨機(jī)偶然性所致。

3.2 時(shí)域信號(hào)特征提取

3.2.1 時(shí)域信號(hào)預(yù)處理

數(shù)據(jù)集合D中,如圖6(a)所示,黏好區(qū)、緊貼型無(wú)黏結(jié)區(qū)、交界區(qū)和微小缺陷區(qū)的原始時(shí)域信號(hào)相互重疊。僅憑脈沖信號(hào)的直觀差異難以精確地區(qū)分出各類(lèi)區(qū)域。原始時(shí)域信號(hào)中的第二個(gè)主峰為金屬基底與涂層界面反射信號(hào),黏結(jié)特征主要反映為第二個(gè)主峰的差異,因此分割出原始時(shí)域信號(hào)中第二主峰用于進(jìn)一步運(yùn)算,如圖6(c)所示。

圖6 時(shí)域信號(hào)圖((a)原始信號(hào)(整體);(b)原始信號(hào);(c)第二主峰信號(hào)(整體);(d)第二主峰信號(hào);(e)第二主峰對(duì)齊信號(hào)(整體);(f)第二主峰對(duì)齊信號(hào))Fig.6 Time domain signals((a)All original signals;(b)Original signals;(c)All second echo signals;(d)Second echo signals;(e)All second aligned echo signals;(f)Second aligned echo signals)

標(biāo)準(zhǔn)試件基底與涂層界面在同一相位平面。但是由于涂層厚度差異,以及測(cè)量角度、系統(tǒng)信號(hào)隨機(jī)波動(dòng)導(dǎo)致的信號(hào)時(shí)間延遲,原始信號(hào)的界面回波并不在同一相位面。因此,需要進(jìn)一步消除界面回波相位不一致性的影響,只保留信號(hào)形狀的差異。選取一個(gè)統(tǒng)一基準(zhǔn),例如第二個(gè)主峰信號(hào)最大值相位,進(jìn)行相位對(duì)齊處理,只看信號(hào)本身形狀的差異,如圖6(e)所示。當(dāng)?shù)诙鞣宓男盘?hào)特征較為明顯時(shí),可以采取峰值位置作為基準(zhǔn),當(dāng)信號(hào)特征較差時(shí),需要更深入的討論。圖6(a)、(c)和(e)為整體數(shù)據(jù),為了更清楚地看清四類(lèi)特征的界面回波,圖6(b)、(d)和(f)顯示了對(duì)應(yīng)的單個(gè)界面回波波形。

3.2.2 時(shí)域信號(hào)特征值成像

對(duì)數(shù)據(jù)集合D以最大值、最小值、峰峰值成像的方式進(jìn)行圖像重構(gòu)[29]。如圖7(a)所示,為信號(hào)最大值成像,上半部分的深色區(qū)域?yàn)榫o貼型無(wú)黏結(jié)區(qū),下半部分淺色區(qū)域?yàn)轲ず脜^(qū)。通過(guò)重構(gòu)后的圖像可以初步判斷標(biāo)準(zhǔn)試件黏好區(qū)、緊貼型無(wú)黏結(jié)區(qū)、交界區(qū)和微小缺陷區(qū)的分布情況,但圖像中黏好區(qū)和緊貼型無(wú)黏結(jié)區(qū)域,存在混疊。圖7(b)和(c)分別為時(shí)域信號(hào)最小值成像和峰峰值成像,黏好區(qū)和緊貼型無(wú)黏結(jié)區(qū)的顏色混疊更嚴(yán)重,采用傳統(tǒng)的特征參數(shù)難以有效區(qū)分四類(lèi)區(qū)域,因此,需要引入后端處理,對(duì)信號(hào)進(jìn)行精確分類(lèi)。

圖7 特征值成像((a)最大值成像;(b)最小值成像;(c)峰值成像)Fig.7 Imagingof characteristic value((a)Imaging of maximum;(b)Imaging of minimum; (c)Imaging of peak-peak)

3.2.3 信號(hào)降維

分別采用Isomap、LLE和PCA方法對(duì)原始時(shí)域信號(hào)、第二主峰信號(hào)、第二主峰對(duì)齊信號(hào)進(jìn)行降維,并采用前三個(gè)特征參數(shù)對(duì)信號(hào)進(jìn)行可視化。

如圖8所示,采用Isomap降維時(shí),原始信號(hào)和第二主峰信號(hào)降維散點(diǎn)圖中,四類(lèi)信號(hào)出現(xiàn)混疊;第二主峰對(duì)齊信號(hào)降維散點(diǎn)圖中,四類(lèi)信號(hào)基本可以區(qū)分。采用LLE降維時(shí),原始信號(hào)和第二主峰信號(hào)降維散點(diǎn)圖中,四類(lèi)信號(hào)出現(xiàn)混疊;第二主峰對(duì)齊信號(hào)降維散點(diǎn)圖中,四類(lèi)信號(hào)基本可以區(qū)分。采用PCA降維時(shí),原始信號(hào)和第二主峰信號(hào)降維散點(diǎn)圖中,四類(lèi)信號(hào)出現(xiàn)混疊;第二主峰對(duì)齊信號(hào)降維散點(diǎn)圖中,四類(lèi)信號(hào)基本可以區(qū)分?？梢钥闯?將原始時(shí)域信號(hào)進(jìn)行截取、對(duì)齊預(yù)處理之后,信號(hào)的可區(qū)分性更好,四類(lèi)信號(hào)散點(diǎn)圖基本能區(qū)分。

圖8 時(shí)域信號(hào)降維三維散點(diǎn)圖((a)原始信號(hào)Isomap降維;(b)第二主峰信號(hào)Isomap降維;(c)第二主峰對(duì)齊信號(hào)Isomap降維;(d)原始信號(hào)LLE降維;(e)第二主峰信號(hào)LLE降維;(f)第二主峰對(duì)齊信號(hào)LLE降維;(g)原始信號(hào)PCA降維;(h)第二主峰信號(hào)PCA降維;(i)第二主峰對(duì)齊信號(hào)PCA降維)

3.2.4 SVM預(yù)測(cè)分類(lèi)

3.2.4.1 采用4059個(gè)樣本點(diǎn)進(jìn)行SVM預(yù)測(cè)分類(lèi)

在數(shù)據(jù)集D中有5000個(gè)樣本點(diǎn)。隨機(jī)選取4059個(gè)樣本點(diǎn)作為訓(xùn)練集,如圖9所示,紅色框區(qū)域?yàn)榫o貼型無(wú)黏結(jié)區(qū)共2250個(gè)樣本點(diǎn),藍(lán)色框區(qū)域?yàn)轲ず脜^(qū)共1700個(gè)樣本點(diǎn),綠色框區(qū)域?yàn)榻唤鐓^(qū)共100個(gè)樣本點(diǎn),黃色框區(qū)域?yàn)槲⑿∪毕輩^(qū)共9個(gè)樣本點(diǎn)。整體數(shù)據(jù)集D作為測(cè)試集。

圖9 4059個(gè)樣本點(diǎn)訓(xùn)練集區(qū)域Fig.9 Training set of 4059 sample points

將降維后的前三維特征參數(shù)作為訓(xùn)練集輸入支持向量機(jī)模型,經(jīng)過(guò)支持向量機(jī)訓(xùn)練,得到黏好區(qū)、緊貼型無(wú)黏結(jié)區(qū)、交界區(qū)和微小缺陷區(qū)的四分類(lèi)模型。再將測(cè)試集輸入四分類(lèi)模型,得到最后的預(yù)測(cè)結(jié)果。預(yù)測(cè)結(jié)果與實(shí)物進(jìn)行對(duì)照,如圖10所示。由圖10可見(jiàn)：

圖10 4059樣本點(diǎn)SVM預(yù)測(cè)圖((a)原始信號(hào)Isomap-SVM;(b)第二主峰信號(hào)Isomap-SVM;(c)第二主峰對(duì)齊信號(hào)Isomap-SVM;(d)原始信號(hào)LLE-SVM;(e)第二主峰信號(hào)LLE-SVM;(f)第二主峰對(duì)齊信號(hào)LLE-SVM;(g)原始信號(hào)PCA-SVM;(h)第二主峰信號(hào)PCA-SVM;(i)第二主峰對(duì)齊信號(hào)PCA-SVM)

(1)Isomap-SVM預(yù)測(cè)結(jié)果中,采用原始信號(hào)與第二主峰信號(hào)信號(hào)進(jìn)行預(yù)測(cè)時(shí),預(yù)測(cè)結(jié)果與實(shí)物不符;采用第二主峰對(duì)齊信號(hào)進(jìn)行預(yù)測(cè)時(shí),大致能區(qū)分四類(lèi)區(qū)域,但是緊貼型無(wú)黏結(jié)區(qū)與黏好區(qū)的某些區(qū)域仍有混疊。

(2)LLE-SVM預(yù)測(cè)結(jié)果中,采用原始信號(hào)與第二主峰信號(hào)進(jìn)行預(yù)測(cè)時(shí),微小缺陷區(qū)不能被識(shí)別;采用第二主峰對(duì)齊信號(hào)進(jìn)行預(yù)測(cè)時(shí),大致能區(qū)分四類(lèi)區(qū)域,但一些緊貼型無(wú)黏結(jié)區(qū)和黏好區(qū)被識(shí)別為交界區(qū)域。

(3)PCA-SVM預(yù)測(cè)結(jié)果中,采用原始信號(hào)不能預(yù)測(cè)出四類(lèi)區(qū)域;采用第二主峰信號(hào)進(jìn)行預(yù)測(cè)時(shí),能大致區(qū)分四類(lèi)區(qū)域,但是黏好區(qū)和緊貼型無(wú)黏結(jié)區(qū)仍有部分混疊;采用第二主峰對(duì)齊信號(hào)進(jìn)行預(yù)測(cè)時(shí),預(yù)測(cè)結(jié)果基本與實(shí)物的四類(lèi)區(qū)域相符合。

3.2.4.2 采用1859個(gè)樣本點(diǎn)進(jìn)行SVM預(yù)測(cè)分類(lèi)

降低訓(xùn)練樣本量進(jìn)一步預(yù)測(cè)結(jié)果。隨機(jī)選取數(shù)據(jù)集D中的1859個(gè)樣本點(diǎn)作為訓(xùn)練集,如圖11所示,紅色框區(qū)域?yàn)榫o貼型無(wú)黏結(jié)區(qū)共900個(gè)樣本點(diǎn),藍(lán)色框區(qū)域?yàn)轲ず脜^(qū)共900個(gè)樣本點(diǎn),綠色框區(qū)域?yàn)榻唤鐓^(qū)共50個(gè)樣本點(diǎn),黃色框區(qū)域?yàn)槲⑿∪毕輩^(qū)共9個(gè)樣本點(diǎn)。數(shù)據(jù)集D作為測(cè)試集。

圖11 1959個(gè)訓(xùn)練集區(qū)域Fig.11 Training set of 1959 sample points

預(yù)測(cè)結(jié)果,如圖12所示。Isomap-SVM預(yù)測(cè)結(jié)果中,采用原始信號(hào)、第二主峰信號(hào)信號(hào)、第二主峰對(duì)齊信號(hào)進(jìn)行預(yù)測(cè)時(shí),預(yù)測(cè)結(jié)果與實(shí)物不符。LLE-SVM預(yù)測(cè)結(jié)果中,采用原始信號(hào)與第二主峰信號(hào)進(jìn)行預(yù)測(cè)時(shí),有部分黏好區(qū)被識(shí)別為微小缺陷區(qū)和交界區(qū);采用第二主峰對(duì)齊信號(hào)進(jìn)行預(yù)測(cè)時(shí),有一些緊貼型無(wú)黏結(jié)區(qū)被識(shí)別為交界區(qū)域。PCA-SVM預(yù)測(cè)結(jié)果中,采用原始信號(hào)和第二主峰信號(hào)進(jìn)行預(yù)測(cè)時(shí),四類(lèi)區(qū)域存在混疊;采用第二主峰對(duì)齊信號(hào)進(jìn)行預(yù)測(cè)時(shí),預(yù)測(cè)結(jié)果基本與實(shí)物圖的四類(lèi)區(qū)域相符合。綜上,經(jīng)過(guò)處理,且采用PCA-SVM方法,樣本點(diǎn)較少時(shí),仍能得到與實(shí)物四類(lèi)區(qū)域相符的預(yù)測(cè)圖,可以實(shí)現(xiàn)小樣本數(shù)據(jù)對(duì)緊貼型無(wú)黏結(jié)、微小缺陷特征的自動(dòng)識(shí)別。

圖12 1859樣本點(diǎn)SVM預(yù)測(cè)圖((a)原始信號(hào)Isomap-SVM;(b)第二主峰信號(hào)Isomap-SVM;(c)第二主峰對(duì)齊信號(hào)Isomap-SVM ;(d)原始信號(hào)LLE-SVM;(e)第二主峰信號(hào)LLE-SVM(f)第二主峰對(duì)齊信號(hào)LLE-SVM;(g)原始信號(hào)PCA-SVM;(h)第二主峰信號(hào)PCA-SVM;(i)第二主峰對(duì)齊信號(hào)PCA-SVM)Fig.12 SVM predicted image of 1859 sample points((a)Original signals Isomap-SVM;(b)Second echo signals Isomap-SVM;(c)Second aligned echo signals Isomap-SVM;(d)Original signals LLE-SVM ;(e)Second echo signals LLE-SVM;(f)Second aligned echo signals LLE-SVM;(g)Original signals PCA-SVM;(h)Second echo signals PCA-SVM;(i)Second aligned echo signals PCA-SVM)

4 結(jié)論

(1)本文驗(yàn)證了一種基于太赫茲時(shí)域光譜成像技術(shù)非接觸無(wú)損檢測(cè)的自動(dòng)識(shí)別金屬基底硅橡膠涂層結(jié)構(gòu)中緊貼型無(wú)黏結(jié)缺陷的方法。

(2)利用太赫茲信號(hào)的特點(diǎn),并通過(guò)較理想化的試件制備突出了基底材料與涂層材料界面間復(fù)合鍵合作用差異導(dǎo)致的太赫茲脈沖信號(hào)的宏觀變化。進(jìn)一步通過(guò)PCA-SVM方法增強(qiáng)了特征表現(xiàn)的差異,實(shí)現(xiàn)了四類(lèi)特征區(qū)域準(zhǔn)確分類(lèi)成像,比傳統(tǒng)直接成像方法圖像結(jié)果更直觀,與實(shí)際試件特征更相符,并且還可以部分代替人工對(duì)成像數(shù)據(jù)的判讀工作,效率更高。

(3)檢測(cè)方案結(jié)果表明,太赫茲技術(shù)有望將固體火箭發(fā)動(dòng)機(jī)外防涂層脫粘缺陷的檢測(cè)能力進(jìn)一步提升,還可用于內(nèi)絕熱結(jié)構(gòu)缺陷檢測(cè)等其他類(lèi)似應(yīng)用。同時(shí),更深入的界面特性與太赫茲脈沖信號(hào)的相互作用機(jī)理,以及在更復(fù)雜的殼體材料和涂層材料界面條件下,對(duì)無(wú)黏結(jié)缺陷的有效檢出仍需要更多的理論和實(shí)驗(yàn)探索。