摘 要: 提出了一種基于紅外測(cè)溫技術(shù)對(duì)石墨電極內(nèi)部缺陷進(jìn)行診斷的方法。根據(jù)熱傳導(dǎo)規(guī)律,物體表面的溫度完全取決于物體內(nèi)部的結(jié)構(gòu)、材料的熱物性、內(nèi)部的熱擴(kuò)散率以及表面與外界環(huán)境的熱交換,石墨電極內(nèi)部的缺陷都會(huì)以相關(guān)部位的溫度場(chǎng)異常為征兆表現(xiàn)出來。通過方差法找出缺陷點(diǎn),并對(duì)紅外圖像中缺陷點(diǎn)形成的區(qū)域進(jìn)行分析,就可以對(duì)石墨電極內(nèi)部缺陷的類別、位置、幾何尺寸與嚴(yán)重程度作出定量診斷。
關(guān)鍵詞: 石墨電極;方差法;缺陷;無損檢測(cè)
紅外熱成像無損檢測(cè)技術(shù)是一種新型數(shù)字化無損檢測(cè)技術(shù),與超聲法、射線法等傳統(tǒng)無損檢測(cè)方法相比,具有單次檢測(cè)面積大、速度快、非接觸、安全可靠及適于現(xiàn)場(chǎng)檢測(cè)等優(yōu)點(diǎn)[1-2]。隨著石墨電極在工業(yè)中應(yīng)用日益廣泛,其在生產(chǎn)過程中易出現(xiàn)分層、裂紋和孔洞等缺陷的問題日益突出,而對(duì)此類缺陷的檢測(cè),紅外無損檢測(cè)被公認(rèn)為是最有效的解決方法[3-4]。
目前,很多學(xué)者針對(duì)紅外無損檢測(cè)技術(shù)展開了研究。周敏華[5]等人利用紅外掃描測(cè)溫定量計(jì)算了矩形平板和直角柱體內(nèi)的缺陷。參考文獻(xiàn)[6]提出了一種脈沖加熱法,以確定圓盤狀缺陷的尺寸和深度。參考文獻(xiàn)[7]對(duì)帶有自身發(fā)熱型缺陷的試件建立二維傳熱模型,并根據(jù)共軛梯度法提出根據(jù)試件外表面紅外測(cè)溫,定量識(shí)別發(fā)熱型內(nèi)部缺陷邊界輪廓的方法。參考文獻(xiàn)[8]通過對(duì)水泥試件進(jìn)行脈沖加熱,提出了一種判斷缺陷位置、尺寸和深度的方法。參考文獻(xiàn)[9]采用Levenberg-Marquardt 法分別對(duì)二維和三維試件內(nèi)部缺陷的識(shí)別進(jìn)行了研究,該方法精度較高,通用性較強(qiáng),但必須預(yù)知缺陷的形狀或缺陷的描述參數(shù)。參考文獻(xiàn)[10]將有限元法應(yīng)用在主動(dòng)式加載紅外無損檢測(cè)中,并對(duì)采集到的熱像數(shù)據(jù)進(jìn)行了BP神經(jīng)網(wǎng)絡(luò)分析,以背部含不同缺陷類型平板試件為例進(jìn)行分析,取得了不錯(cuò)的效果。
目前,國內(nèi)針對(duì)石墨電極缺陷的研究很少,上述研究方法存在很多不足,如建模比較復(fù)雜、檢測(cè)速度較慢。針對(duì)以上情況,本文提出了一種被動(dòng)式紅外無損檢測(cè)方法。該方法的基本思想是根據(jù)熱傳導(dǎo)理論將石墨電極簡(jiǎn)化為一維模型,根據(jù)熱像特征和表面溫差,研究缺陷尺寸、位置與表面溫度間關(guān)系。實(shí)驗(yàn)結(jié)果表明,該方法取得了較好的研究成果。
1 熱傳導(dǎo)理論
1.1 熱傳導(dǎo)與紅外檢測(cè)
熱波是傳播中隨時(shí)間周期性變化的溫度場(chǎng)[11]。當(dāng)試樣內(nèi)部存在缺陷時(shí),熱量分布不均勻,就會(huì)在試樣有缺陷區(qū)和無缺陷區(qū)形成溫差。該溫差除了取決于試樣材料的熱物理性質(zhì)外,還與缺陷的尺寸、距表面的距離及其熱物理性質(zhì)有關(guān)[12]。試樣局部溫差的存在必然導(dǎo)致紅外輻射強(qiáng)度的不同,利用紅外熱像儀即可檢測(cè)出溫度的變化狀況,進(jìn)而判斷缺陷的情況。
1.2 熱傳導(dǎo)數(shù)學(xué)模型的建立
當(dāng)石墨電極成型后,會(huì)向外輻射熱量,進(jìn)行理論計(jì)算時(shí),常把試樣簡(jiǎn)化為一維熱傳導(dǎo)模型。當(dāng)給定熱激勵(lì)函數(shù)和邊界條件時(shí),對(duì)熱傳導(dǎo)方程進(jìn)行求解,可得熱波的傳導(dǎo)函數(shù)為:
2 圖像處理相關(guān)理論及方法
2.1 最大熵圖像分割算法
Kapur于1989年提出了最大熵算法。最大熵算法就是利用圖像的灰度特征來選擇一個(gè)或多個(gè)最佳灰度閾值,將圖像中的像素點(diǎn)按閾值進(jìn)行分類,提取出特定目標(biāo)的方法。一維最大熵閾值法最大化目標(biāo)和背景所含的信息量之和,這個(gè)最大化的信息量之和作為選擇分割閾值的標(biāo)準(zhǔn)。本文采用最大熵分割方法實(shí)現(xiàn)石墨電極表面缺陷的識(shí)別。實(shí)驗(yàn)測(cè)試結(jié)果表明,該方法能夠有效提高石墨電極缺陷對(duì)比度。
矩陣的有序性,即判斷矩陣中的數(shù)據(jù)分布集中與否。方差越大,數(shù)據(jù)分布越分散;方差越小,數(shù)據(jù)分布越集中。一般來說,無缺陷的紅外圖像各像素點(diǎn)對(duì)應(yīng)的溫度將大體分布在一個(gè)較窄的范圍內(nèi),其各個(gè)點(diǎn)的溫度值與平均溫度相差不大,即方差較?。欢腥毕莸膱D像,則無論是什么類型的缺陷,其缺陷點(diǎn)對(duì)應(yīng)的溫度都會(huì)明顯高于整體圖像的溫度平均值,其方差會(huì)相對(duì)較大。對(duì)于方差大的點(diǎn)所構(gòu)成的區(qū)域暫且定為問題區(qū)域,其圖像的亮度明顯高于整體的其他區(qū)域。
4 缺陷判斷流程描述
石墨電極紅外無損檢測(cè)流程如下:
(1)采集到的圖像中或多或少都會(huì)存在噪聲等對(duì)圖像質(zhì)量有影響的因素,因此應(yīng)盡可能消除這些因素。采用紅外圖像預(yù)處理手段,得到質(zhì)量比較好的圖像才有利于后期的處理和分析。
(2)利用紅外成像儀記錄圖像中各像素點(diǎn)溫度,計(jì)算平均溫度。
(3)計(jì)算各像素點(diǎn)與平均溫度的方差,記為S。
(4)找出比較大的方差對(duì)應(yīng)的像素點(diǎn),并對(duì)相鄰的方差異常的像素點(diǎn)進(jìn)行分類。
(5)求出每一類像素點(diǎn)方差的均值,并取最大值作為判別標(biāo)準(zhǔn),即閾值?著。
(6)比較S和?著,當(dāng)S>?著時(shí),即可視該點(diǎn)為缺陷點(diǎn)。
(7)對(duì)缺陷點(diǎn)組成的區(qū)域作最大熵圖像分割處理。
(8)采用Hough直線變換,若圖像呈直線分布,則判斷缺陷為裂紋缺陷,否則轉(zhuǎn)步驟(9)。
(9)采用Hough圓變換,若圖像呈圓分布,則判斷缺陷為內(nèi)部孔洞缺陷,否則轉(zhuǎn)步驟(10)。
(10)判斷圖像是否有兩個(gè)以上獨(dú)立區(qū)域,若有,則判斷缺陷為內(nèi)部分層缺陷,否則視為其他缺陷。
石墨電極缺陷判斷流程如圖1所示。
5 實(shí)驗(yàn)與分析
為了驗(yàn)證本文提出的判別方法的有效性,分別對(duì)幾個(gè)石墨電極紅外圖像進(jìn)行分析處理。
(1)針對(duì)裂紋缺陷進(jìn)行檢測(cè)。圖2是石墨電極局部紅外圖像。通過方差法找到閾值,比較各點(diǎn)方差與閾值的大小關(guān)系,從而確定缺陷點(diǎn),并通過LabView軟件將缺陷點(diǎn)進(jìn)行標(biāo)注。圖3為局部缺陷點(diǎn)被標(biāo)定圖像,缺陷點(diǎn)呈直線狀分布。圖4為最大熵分割后圖像,增強(qiáng)了缺陷區(qū)域的對(duì)比度。圖5為Hough直線變換圖像,大致確定了缺陷的位置和尺寸。通過特征分析可以認(rèn)定該缺陷為裂紋缺陷。
(2)針對(duì)內(nèi)部分層缺陷進(jìn)行檢測(cè)。圖6為石墨電極局部紅外圖像,圖像中可以清晰地看出高溫區(qū)和低溫區(qū)形成了明顯的區(qū)域性分層。圖7為局部缺陷點(diǎn)被標(biāo)定圖像,通過計(jì)算找出方差大于閾值的點(diǎn)并作標(biāo)注。圖8為最大熵分割后圖像,一定程度上反映了缺陷的輪廓。通過特征分析判斷該缺陷屬于內(nèi)部分層。
(3)針對(duì)內(nèi)部孔洞缺陷進(jìn)行檢測(cè)。假定缺陷內(nèi)含物以空氣計(jì)且石墨電極的表面為自然對(duì)流換熱條件,對(duì)流換熱系數(shù)為200 W/(m2·℃),周圍環(huán)境溫度設(shè)為20℃,石墨電極的初始溫度為200℃。實(shí)驗(yàn)所用材料的熱物理性質(zhì)參數(shù)如表1所示。根據(jù)熱傳導(dǎo)理論,物體在散熱過程中,有缺陷區(qū)域?qū)?yīng)的表面溫度明顯高于無缺陷區(qū)域?qū)?yīng)的表面溫度,在紅外圖像中表現(xiàn)為亮斑區(qū)域。圖9為石墨電極局部紅外圖像,圖像中存在兩塊亮斑。圖10為局部缺陷點(diǎn)被標(biāo)定圖像,通過計(jì)算發(fā)現(xiàn),亮斑區(qū)域的方差大于閾值,與理論符合。圖11為最大熵分割后圖像,分割后的缺陷區(qū)域?qū)Ρ榷却蟠蠹訌?qiáng)。圖12為Hough圓變換圖像,大致確定了缺陷的位置和尺寸。通過特征分析判斷該缺陷為內(nèi)部孔洞。
本文建立了石墨電極的一維熱傳導(dǎo)模型,對(duì)石墨電極內(nèi)部缺陷進(jìn)行了研究識(shí)別,通過對(duì)石墨電極紅外圖像的基本處理、統(tǒng)計(jì)圖像表面溫度并由方差法及熱傳導(dǎo)理論找到缺陷點(diǎn),然后采用最大熵分割及Hough變換等方法對(duì)缺陷點(diǎn)形成的區(qū)域進(jìn)行分析,從而達(dá)到判斷缺陷的類別、確定缺陷的大致位置以及一定程度確定缺陷尺寸的目的,取得了很好的效果。
參考文獻(xiàn)
[1] 趙景媛.鑄件內(nèi)部缺陷紅外熱波檢測(cè)技術(shù)研究[D].太原:中北大學(xué),2009.
[2] 先明樂,徐振高,楊小林. 紅外熱波檢測(cè)復(fù)合材料時(shí)缺陷深度的自動(dòng)測(cè)量[J].無損檢測(cè),2009,25(8):56-62.
[3] WANG X, CRUPI V,ZHAO Y, et al. Lock-in thermographic methodology for fatigue assessment and nonlinear stress measurement[J].Proceedings of SPIE The International Society for Optical Engineering,2010,73752:1-6.
[4] Zheng Kai,Zhang Shuyi,Chen Zhaojiang, et al. Anomalous subharmonics excited by intensive ultrasonic pulsed with a single frequency[J]. Applied Physics Letters,2011,92(22):43-47.
[5] 周敏華,陳錢. 紅外熱成像體內(nèi)熱源檢測(cè)方法及仿真研究[J]. 紅外技術(shù),2009,4(12):324-328.
[6] 王偉聰. 探討紅外熱像技術(shù)在輸電設(shè)備故障診斷中的應(yīng)用[J]. 黑龍江科技信息,2010(26):54-58.
[7] 陳楠. 紅外檢測(cè)技術(shù)在輸變電設(shè)備中的應(yīng)用[J]. 華中電力,2009,22(5):84-85.
[8] 黃繼,葉伯穎. 提高電力設(shè)備現(xiàn)場(chǎng)紅外檢測(cè)準(zhǔn)確性的方法[J].電氣應(yīng)用,2010,4(10):11-13.
[9] 先明樂,徐振高,楊小林. 紅外熱波檢測(cè)復(fù)合材料時(shí)缺陷深度的自動(dòng)測(cè)量[J].無損檢測(cè),2009,25(8)56-62.
[10] 曲志華,王立海. 紅外熱像技術(shù)及其在木材無損檢測(cè)中應(yīng)用的可行性探討[J].森林工程,2009:121-24.
[11] 陸燕飛.紅外熱像儀在建筑外墻飾面檢測(cè)中的應(yīng)用[J].江蘇建材,2009(2):39-40.
[12] 朱斌,沈篩軍. 紅外熱像技術(shù)檢測(cè)建筑外墻飾面磚粘結(jié)缺陷[J]. 施工技術(shù),2009(6):449-451.