基于反射增强激光红外热成像技术的碳纤维增强塑料(CFRP)管壁缺陷的原位高效检测

【字体: 时间:2026年03月13日 来源:Optics & Laser Technology 4.6

编辑推荐:

  针对小直径CFRP管检测难题,提出反射增强激光红外热成像方法(LITR),通过数值模拟与实验验证,结合图像处理算法解决非均匀加热问题,实现高效在位无损检测。

  
Bofan Liu|Yang Yang|Jianfeng Hu|Mengling Yang|Wei Guo|Zongfei Tong|Yang Fang|Hong-En Chen|Cuixiang Pei|Zhenmao Chen
中国西安交通大学陕西工程研究中心无损检测与结构完整性评估国家重点实验室,机械结构强度与振动国家重点实验室,西安710049

摘要

碳纤维增强塑料(CFRP)管因其轻质和优异的机械性能而被广泛应用于许多关键工程结构中,例如可展开卫星天线的桁架结构。然而,在天线的制造和地面测试过程中,由于意外撞击或其他机械载荷,桁架系统的CFRP管壁可能会出现缺陷,必须进行无损检测以确保CFRP天线的完整性。与其他无损检测(NDT)方法相比,红外热成像(IRT)具有远程、原位和高效的特点,且无需物理接触,这使其适用于大型薄壁CFRP结构的NDT。然而,由于加热均匀性和效率低等挑战,IRT在小型直径CFRP管的应用仍然困难且研究较少,因为需要从至少3个径向方向进行检测以覆盖整个管表面。本文提出了一种反射增强型激光红外热成像(LITR)方法,以实现CFRP管壁缺陷的高效检测。通过有限元数值分析和演示实验验证了所提出的LITR方法在CFRP管NDT中的可行性。此外,还开发了特定的热图像处理方案,以减少红外图像的不均匀性,提高缺陷可见性,并便于更可靠的缺陷识别。所提出的反射增强方法使得IRT能够对小型直径CFRP管进行原位和高效率的NDT,为进一步提高可展开天线的结构完整性提供了有效解决方案。

引言

随着航空航天和信息技术领域的快速发展,大型可展开天线在空间通信、电子情报、导航和地球观测中发挥着重要作用。开发具有大尺寸、高精度、轻质和最佳存储比的可展开天线已成为其应用的关键。这些特性反映了未来技术发展的主流趋势[1]、[2]、[3]、[4]。
可展开卫星天线有多种类型,包括大型环形桁架可展开天线,它们具有良好的展开刚度、良好的热稳定性、轻质和小的闭合体积等优势。典型的环形桁架可展开天线结构是AstroMesh类型,如图1所示,用于Thuraya等卫星。AstroMesh环形桁架可展开天线通常由两部分组成:内部电缆网结构和外围环形可展开桁架[5]、[6]、[7]。关于环形桁架可展开天线的制造和操作的研究在可展开天线的研发中受到了广泛关注。
作为空间天线的一个关键组件,可展开桁架必须轻质,并能够在发射和空间轨道运行期间承受高压、重载和极端温度等恶劣环境。为了满足这些要求,大量使用了薄壁碳纤维增强塑料(CFRP)管作为桁架材料,利用其优异的材料性能,包括高强度重量比、高耐腐蚀性、高耐温性和耐久性。使用CFRP管不仅显著减轻了桁架的重量,还在空间环境中增强了其完整性。桁架中使用的CFRP管通常具有较长的长度和较薄的壁厚,一般小于1.5毫米,以减轻重量[8]、[9]。
在制造可展开天线时,大量小型直径的CFRP管被组装成桁架系统,在发射到太空之前必须进行广泛的地面测试。在地面测试过程中,桁架中的CFRP管可能会因意外撞击而产生表面或亚表面缺陷,这些缺陷用肉眼难以观察到[10]、[11]、[12]。缺陷的存在可能危及整个桁架系统的安全性。为了确保天线在高应力、疲劳载荷或极端温度下的可靠运行,必须在组装后和发射前确认每个CFRP管均无超过规定尺寸的缺陷。无损检测(NDT)在这一过程中不可或缺,以便检测管壁内的缺陷并评估其影响,而不会造成进一步损坏。
对于CFRP管的制造,通常采用超声波检测(UT)和X射线计算机断层扫描(CT)等NDT技术来确保制造过程中没有缺陷[13]、[14]、[15]。这些NDT技术通常需要将待检测对象从工作环境中移除,这使得已经组装到复杂大型桁架系统中的CFRP管的原位NDT难以实现。涡流检测(ECT)通过设计特殊探头来检测不同形状的CFRP物体中的缺陷,特别适用于高灵敏度检测导线断裂缺陷。然而,ECT无法检测分层缺陷[16]、[17],因为其依赖于电导率的变化。尽管UT A扫描是一种原位NDT方法,但它耗时,检测结果不够直观,且需要耦合剂,这限制了其在可展开卫星天线整个桁架系统中的实际应用。
红外热成像(IRT)是一种基于热传导原理的非接触式NDT方法。实际上,检测对象中的热导率、密度和比热容的差异会在IRT热传导过程中表现为热传导异常。然后可以通过使用红外相机测量和分析物体表面的温度分布来识别这些异常,从而识别内部缺陷。事实证明,传统的外部热源IRT方法是一种有效的NDT方法,特别是对于小厚度的非金属材料板,通过使用先进的加热源,该方法还升级为高效的定量缺陷检测技术[18]、[19]、[20]、[21]。
目前,尽管针对曲面结构的IRT研究日益增多,但专门针对管状结构(特别是小直径圆形管)的研究仍然相对较少。例如,Bounenni等人[23]成功实现了曲面航空航天复合材料样品的缺陷检测,验证了IRT方法在曲面上的可行性。然而,这些研究中考虑的曲率相对较小,且由于大表面曲率导致的不均匀加热问题仍未解决。Gahleitner[24]有效验证了一种用于半方形圆角管的红外缺陷检测方法。方形管的主要检测表面基本上是平面的,这与全管检测相比大大降低了检测难度。Jiao等人[25]采用线激光扫描技术实现了曲面热障涂层(TBC)样品的缺陷检测以及3D成像。然而,这种方法需要高系统集成,涉及复杂设备,并且检测效率仍有改进空间。同样,Wu等人[26]使用卤素灯作为热源结合深度学习算法成功实现了直径100毫米的钢管样品的缺陷检测。然而,这种方法不仅依赖于大量训练数据,而且卤素灯的不均匀加热分布也使得直接检测缺陷具有挑战性。标准的红外图像处理算法也无法有效提取这些情况下的缺陷。
Pech-May[27]和Saed[28]将红外热成像用于管道和圆柱形几何物体,实现了复杂航空航天组件的旋转检测方法。虽然这种方法通过旋转样品实现了全方位监测,但它主要限于离线测试。Seki[29]提出了一种创新解决方案,将IRT方法与钢反射器结合使用,实现了方形钢管的大面积检测。然而,这种方法的激励热源是管内的水,不适用于桁架系统中CFRP管的原位检测。
这些限制主要体现在两个方面:首先,结构引起的盲点造成了无法到达的区域。例如,对于图1中的水平管,管后面的空间限制了检测设备的部署。其次,检测效率受到严重限制。即使对于后方有足够通道的组件,如图1中的垂直管,操作人员仍需要围绕管进行多次角度成像以实现全面覆盖。
为了应对上述挑战,本文提出了一种基于带反射器的激光红外热成像(LITR)的新方法,该方法采用长脉冲均匀激光加热源和金属热波反射器。这种方法能够实现薄壁CFRP管的高效和全面360° NDT,仅需一次IRT检测。此外,由于反射器占用的空间很小,可以安装在CFRP管的多个位置,因此这种新方法适用于检查大型桁架结构中任意位置的CFRP管。此外,均匀和长脉冲激光加热的应用也使得与其他加热源(如闪光灯[30]、[31])相比,检测距离更远、效率更高、灵敏度更高。由于激光能量同时作用于管的整个表面,并借助镜面反射,对于小直径管的检测,加热均匀性也可以在一定程度上得到改善。
进行了实验研究和数值模拟来验证这种方法的有效性,并证明了其在CFRP管的高效和高精度NDT中的可行性。在实验中,制造了带有人工嵌入分层缺陷的CFRP管样品,并在实际应用条件下进行了检测[32]、[33]。此外,还提出了一种图像处理算法,以解决由于加热不均匀导致的管表面热图像不均匀性问题,并识别缺陷。所提出的算法可以通过图像校正和增强技术有效减轻加热不均匀性对检测结果的影响,从而显著提高缺陷识别准确性。

部分摘录

用于管检测的反射增强型IRT方法

为了克服IRT在检测小直径CFRP管表面和评估均匀红外加热下的表面温度分布方面的局限性,提出了一种基于激光IRT方法的带反射器的激光红外热成像。本节概述了其基本原理,并验证了其用于全面管检测的可行性。

有限元数值验证

首先进行有限元分析,以了解LITR检测管壁缺陷的机制和可行性。选择的外径为26毫米、长度为100毫米、壁厚为1.4毫米的CFRP管作为检测目标。表1显示了室温下CFRP和缺陷材料的热物理性能。

CFRP样品制造

为了实验验证所提出的LITR方法的有效性,通过卷绕工艺制造了由七层平纹碳纤维织物/环氧预浸料组成的CFRP管样品。采用现代航空航天应用中最常用的0.2毫米厚度的T700型碳纤维织物来制造样品。管样品的尺寸为500毫米长、内径26毫米、壁厚1.4毫米。人工制造了分层缺陷

IRT图像处理

在LIRT用于管检测的情况下,常用的图像处理方法(如PCA、TSR和PPT)由于加热不均匀仍可能产生不均匀的图像,这会显著影响缺陷识别。图21显示了这三种方法的处理结果。所有方法都使用了冷却阶段的图像序列[39]、[40]、[41]。*****
结果表明,处理算法未能消除加热不均匀的影响。

结论

本文开发了一种配备热波反射器的新型激光红外热成像方法(LITR),用于小直径CFRP管壁缺陷的原位NDT。基于理论和实验研究,证明了所提出的新IRT技术可以实现可展开天线桁架中CFRP管的高效和原位检测。本文的主要结论如下:
(1) LITR方法能够全面检测整个管壁

CRediT作者贡献声明

Bofan Liu:撰写 – 原始草稿、可视化、验证、正式分析、数据整理。Yang Yang:方法论。Jianfeng Hu:验证、资金获取。Mengling Yang:验证。Wei Guo:验证。Zongfei Tong:方法论。Yang Fang:方法论。Hong-En Chen:验证、调查。Cuixiang Pei:验证、方法论。Zhenmao Chen:撰写 – 审稿与编辑、监督、概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。

致谢

本文得到了国家自然科学基金的支持,项目编号为52477015。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号